Article detail · 2024
MR Görüntülerinden Alzheimer Hastalığının Sınıflandırılması için Inception ve Sıkma-Uyarma Ağı Tabanlı Derin Öğrenme Modeli
Journal
Çukurova Üniversitesi Mühendislik Fakültesi DergisiISSN 2757-9255
- Year
- 2024
- Type
- article
Data source split
- YÖKSİS YÖKSİS article record
- YÖKSİS venue Çukurova Üniversitesi Mühendislik Fakültesi Dergisi
- OpenAlex OpenAlex enrichment (abstract, citations, topics)
Abstract
Turkish
DEHB, çocuklarda dikkat eksikliği, davranış problemleri, eğitimle ilgili sorunlar ve düşük özgüven gibi problemler oluşturabilir. Bu çalışma, Dikkat Eksikliği Hiperaktivite Bozukluğu (DEHB) teşhisini elektroensefalografi (EEG) sinyalleriyle değerlendirmeyi hedefleyen bir araştırmayı özetlemektedir. Araştırma, 30 DEHB tanısı almış çocuk ve 30 sağlıklı kontrol grubunun EEG verilerini kullanmıştır. EEG verileri öncelikle gürültü azaltma amacıyla işlenmiş ve ardından ConvMixer, ResNet50 ve ResNet18 gibi derin öğrenme modelleri kullanılarak sınıflandırılmıştır. Bulgular, ConvMixer'in düşük hesaplama kaynaklarına ihtiyaç duyarak yüksek sınıflandırma başarısı elde ettiğini göstermektedir. Ayrıca, EEG sinyallerinin DEHB teşhisinde kullanılabilirliği konusunda farklı kanalların etkileri incelenmiş ve T8 kanalının özellikle etkili olduğu tespit edilmiştir. Bu çalışma, EEG tabanlı DEHB teşhisi için daha hafif modellerin kullanılabilirliğini ve EEG kanallarının önemini vurgulamaktadır.
Topics
- EEG and Brain-Computer Interfaces
- Heart Rate Variability and Autonomic Control
- Attention Deficit Hyperactivity Disorder
Primary topic EEG and Brain-Computer Interfaces