Journal of Polytechnic, Journal Year: 2025, Volume and Issue: unknown, P. 1 - 1
Published: Feb. 8, 2025
Epilepsi, dünya çapında milyonlarca insanı etkileyen bir nörolojik hastalık olup, epileptik nöbetlerin hızlı ve doğru şekilde tespiti, hastaların yaşam kalitesini artırmada büyük öneme sahiptir. Bu çalışmada, EEG sinyallerinden nöbet tespiti için çeşitli güç spektral yoğunluğu yöntemleri sınıflandırıcılar kullanılarak farklı analizler yapılmıştır. Her yöntemin çözünürlük frekans bileşenlerini ayırt etme yeteneklerinin gösterdiği değişikliği tespit etmek Music, Lomb-Scargle, Multitaper, Welch, Periodogram, Burg gibi yöntemler denenmiştir. sınıf referans sinyaller oluşturulmuş, bu sinyallerle karşılaştırılarak enerji, entropi maksimum sapma edici özellikler çıkarılmıştır. öznitelik vektörleri, sınıflandırıcı olarak seçilen Rastgele Orman k-En Yakın Komşu algoritmalarında sınıflandırma işlemi gerçekleştirilmiştir. Elde edilen sonuçlara göre, yüksek çözünürlüklü olan Music Lomb-Scargle ile sınıflandırıcısı en doğruluğa ulaşmıştır. çalışma, alanında güçlü topluluk öğrenme tabanlı sınıflandırıcıların birlikte kullanımının, doğruluğunu anlamlı artırabileceğini ortaya koyarak literatüre önemli katkı sunmaktadır.