img
img
Non-Invasive Bio-Signal Data Classification Of Psychiatric Mood Disorders Using Modified CNN and VGG16      
Yazarlar (1)
Doç. Dr. Ali Berkan URAL Doç. Dr. Ali Berkan URAL
Kafkas Üniversitesi, Türkiye
Devamını Göster
Özet
Bu çalışmada amaç, Elektroensefalografi (EEG) kullanarak duygudurum bozukluklarının (Depresif ve Bipolar bozukluklar) bir tür majör psikiyatrik bozukluğunu saptamak ve karşılaştırmak için topluluk makine öğrenimi (ML) tabanlı derin öğrenme (DL) model sınıflandırıcıları geliştirmektir. Çeşitli ve çoklu non-invaziv biyosinyaller, verilen etik izne göre geriye dönük olarak toplandı. Deneysel kısım üç ana bölümden oluşmaktadır. Birinci bölüm veri toplama ve geliştirme, ikinci bölüm ise sırasıyla Spektrogram görüntü dönüştürme işlemi ve çevrimiçi Keras veri artırma bölümü aracılığıyla veri dönüştürme ve artırmadır. Üçüncü ve son bölüm, duygudurum bozuklukları türlerini belirli bir sağlıklı grupla ayrıntılı olarak saptamak, karşılaştırmak ve ayırt etmek için eğitim ve test bölümleri için bu görüntü veri setini değiştirilmiş Konvolüsyonel Sinir Ağı (KSA) ve VGG16 modellerine beslemektir. Duygudurum bozukluğu sınıflama modellerinin performans değerlendirme arka planı olarak karışıklık matrisleri ve alıcı işletim karakteristikleri (ROC) eğrileri kullanılmış ve son olarak KSA modelinin doğruluk oranı %88 ve VGG16 modelinin sağladığı doğruluk %90, yani %10'luk bir iyileşme olmuştur. literatürdeki önceki çalışmalarla karşılaştırılmıştır. Bu nedenle sistemimiz klinisyenlere ve araştırmacılara insanların ruh sağlığını yönetme, teşhis etme ve tahmin etme konusunda yardımcı olabilir.
Anahtar Kelimeler
Makale Türü Özgün Makale
Makale Alt Türü Ulusal alan endekslerinde (TR Dizin, ULAKBİM) yayınlanan tam makale
Dergi Adı International Journal of Engineering Research and Development
Dergi ISSN 1308-5514
Dergi Tarandığı Indeksler TR DİZİN
Makale Dili İngilizce
Basım Tarihi 01-2023
Cilt No 15
Sayı 1
Sayfalar 323 / 332
Doi Numarası 10.29137/umagd.1232222
Makale Linki https://dergipark.org.tr/en/pub/umagd/issue/72926/1232222