A new dataset for EEG abnormality detection MTOUH

• DOI: 10.55525/tjst.1074540
• Publication Date: 2022-03-06T22:54:31Z
• Authors: İrem TAŞCI; Burak TASCİ; Sengul DOGAN; Türker TUNCER
• Keywords: 01 natural sciences; Electroencephalography signals classification;SVM;Machine Learning; 0104 chemical sciences

Elektroensefalogram (EEG), beyindeki elektriksel aktivitenin izlenmesi için yaygın olarak kullanılmaktadır. EEG sinyallerinin hekimler tarafından incelenmesi yorucu ve zaman alıcıdır. Bu nedenle, algılama doğruluğunu artırmak makine öğrenme teknikleri kullanılabilir. çalışmada 35 kanal, 10575x15 saniye normal 11240x15 anormal sinyalinden oluşan 2 sınıflı veri seti oluşturulmuştur. very Turgut Özal Üniversitesi Malatya Eğitim Araştırma Hastanesi’ ne 2021 yılında başvuran hastaların sinyalleri incelenerek elde edilmiştir. Çalışmada istatistiksel özellik çıkarımı tabanlı bir model önerilmiştir. Önerilen modele komşu bileşen analizi kullanılarak öznitelik vektörü indirgemesi yapıldıktan sonra destek vektör makineleri sınıflandırma yapılmıştır. kanaldan en yüksek doğruluk P4O2 kanalında kanalı doğruluk, duyarlılık, özgüllük, kesinlik f-skoru sırasıyla %81.3,%78.9, %83.7, %82.0 %80.4