Professional Documents
Culture Documents
Brain Tumret
Brain Tumret
Belirlenmesi
Detection of the Epileptiform Signals by Independent Component
Analysis Methods
4 Tartışma
Şekil 5: 2. Örnek veri setinin TBBA ile bulunan
Çalışmada, BBA yöntemlerinin epileptik
bağımsız bileşenleri.
EEG verilerinin analizinde kullanımı gösterildi.
Dört farklı yöntemin simule ve gerçek EEG
verisindeki başarımı sınandı. Farklı istatiktik-
sel temellere dayanan FastIca, Infomax, JADE
yöntemlerinin benzer başarım seviyesinde olduk-
ları ancak kaynakların topografik yakınlığını
gözönünde bulunduran TBBA yönteminin,
sonuçların görsel ifadesinde, daha sonraki anal-
izlerde de kolaylık sağlayacak üstünlüğü olduğu
görüldü. Dalgacık gürültü giderimi, BBA anal-
izinin ardına eklenerek, sonuçlar iyileştirildi.
Yöntem, klinikte hekimlerin analizine
yardımcı olarak ve EEG’nin otomatik analizini
yapan yazılımlarda veriyi epilepsi tespitine
hazırlayacak ön aşama olarak kullanılabilecek
başarım düzeyindedir.
Kaynaklar
[1] Mohamed, N., D. Rubin, and T. Marwala, “De-
tection of epileptiform activity in human EEG
signals using Bayesian neural networks,” in Com-
putational Cybernetics, 2005. ICCC 2005. IEEE
3rd International Conference on, pp. 231–238,
2005.
[2] Sartoretto, F., and M. Ermani, “Automatic
detection of epileptiform activity by single-
level wavelet analysis,” Clinical Neurophysiology,
Vol. 110, no. 2, pp. 239–249, 1999.
[3] Bingham, E., and A. Hyvarinen, “A Fast Fixed-
Point Algorithm for Independent Component
Analysis of Complex Valued Signals,” INTER-
NATIONAL JOURNAL OF NEURAL SYS-
TEMS, Vol. 10, no. 1, pp. 1–8, 2000.
[4] Cardoso, J., “Infomax and maximum likelihood
for blind source separation,” IEEE Signal Pro-
cessing Letters, Vol. 4, no. 4, pp. 112–114, 1997.
[5] Moreau, E., “A generalization of joint-
diagonalization criteria for sourceseparation,”
IEEE Transactions on Signal Processing, Vol. 49,
no. 3, pp. 530–541, 2001.
[6] Hyvarinen, A., P. Hoyer, and M. Inki, “To-
pographic ica,” Neural Computation, Vol. 13,
pp. 1527–1558, 2001.