Senkrosıkıştırma dönüşümü ve derin transfer öğrenimi ile Alzheimer hastalığının EEG tabanlı otomatik tespiti
Author:
Open Access
- 3 March 2023
- journal article
- Published by Dicle Universitesi Muhendislik Fakultesi Muhendislik Dergisi in Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi
- Vol. 14 (1) , 75-85
Abstract
Alzheimer hastalığı, demansın en sık görülen türü olan ilerleyici bir nörodejeneratif bozukluktur. Hafıza kaybı, bilişsel kabiliyetlerde azalma ve davranışsal sorunlara yol açarak, günlük yaşamı derinden etkilemektedir. Hastalıkla mücadelede en önemli adımlardan biri hızlı ve doğru tanının konmasıdır. Dolayısıyla, bilgisayar destekli tanı sistemlerinin histopatolojik analizlere alternatif olarak geliştirilmesi önem arz etmektedir. Bu çalışmada, Alzheimer hastalığının otomatik olarak tespitinde EEG tabanlı bir sınıflandırma modeli tanıtılmıştır. Önerilen model EEG senkrosıkıştırma temsillerinin çeşitli uyarlanmış ön eğitimli derin evrişimsel sinir ağı mimariler ile sınıflandırılmasından oluşmaktadır. Senkrosıkıştırma yöntemi, EEG işaretlerini zamanla değişen salınım özelliklerine sahip görüntü örüntülerine dönüştürmek için kullanılmıştır. Akabinde ise EEG görüntüleri ön eğitimli SqueezeNet, ResNet, InceptionV3 ve MobileNet derin mimarilerine girdi olarak sunulmuş ve elde edilen sınıflandırma performansları karşılaştırılmıştır. Deneyler, 19 elektrottan (Fp1, Fp2, Fz, F3, F4, F7, F8, Cz, C3, C4, T3, T4, Pz, P3, P4, T5, T6, O1 ve O2) kayıt edilen EEG işaretlerinin her biri için ayrı ayrı uygulanmıştır. Bulgular P3 ve T5 kanallarının Alzheimer tespitinde en etkin serebral konumlar olduğunu ve en iyi sınıflandırma doğruluğunun InceptionV3 modeli ile elde edildiğini göstermiştir. InceptionV3 modeli ile her iki kanal için sınıflandırma doğrulukları sırasıyla %89.50 ve %90.57 olarak elde edilmiştir. Ayrıca serebral korteksteki elektriksel aktivitelerin hastalığa ilişkin karakteristik dinamikleri en belirgin olarak parietal ve tempoaral loblarda yansıttığı gözlemlenmiştir.Keywords
This publication has 33 references indexed in Scilit:
- Effects of Pharmacological Treatments in Alzheimer’s Disease: Permutation Entropy-Based EEG Complexity StudyBrain Topography, 2022
- A deep transfer learning-based convolution neural network model for COVID-19 detection using computed tomography scan images for medical applicationsAdvances in Engineering Software, 2022
- Human emotion recognition based on time–frequency analysis of multivariate EEG signalKnowledge-Based Systems, 2022
- Complexity of EEG Dynamics for Early Diagnosis of Alzheimer's Disease Using Permutation Entropy NeuromarkerComputer Methods and Programs in Biomedicine, 2021
- Inception v3 based cervical cell classification combined with artificially extracted featuresApplied Soft Computing, 2020
- Diagnosis and monitoring of Alzheimer's patients using classical and deep learning techniquesExpert Systems with Applications, 2019
- EEG signal analysis for early diagnosis of Alzheimer disease using spectral and wavelet based featuresInternational Journal of Information Technology, 2018
- Unbiased estimation of permutation entropy in EEG analysis for Alzheimer's disease classificationBiomedical Signal Processing and Control, 2018
- Feature selection before EEG classification supports the diagnosis of Alzheimer’s diseaseClinical Neurophysiology, 2017
- ImageNet Large Scale Visual Recognition ChallengeInternational Journal of Computer Vision, 2015