Schizophrenia (SZ) is a neuropsychiatric disease that affects many people around the world and causes death if not diagnosed and treated early. One of the commonly used methods for early diagnosis is electroencephalography (EEG). The application of signal processing and machine learning methods to EEG signals can support experts and researchers who want to determine SZ disease. In this study, event-related potential (ERP) signals were obtained from the recorded EEG signals as a result of sending auditory stimuli to the SZ patient and healthy control (HC) group. P300 amplitude-latency, hjorth parameters and entropy values were calculated as features from these signals. The features obtained were evaluated with Support Vector Machines (SVM), K-Nearest Neighbor (KNN) and Artificial Neural Networks (ANN) classifiers to distinguish SZ patients from the HC group. In this study, the most successful result was obtained in the ANN classifier with an accuracy rate of 93.9%.
Schizophrenia electroencephalography event-related potential artificial neural networks
Şizofreni (SZ), dünya çapında birçok insanı etkileyen ve erken teşhis ve tedavi edilmediği takdirde ölüme neden olan nöropsikiyatrik bir hastalıktır. Erken tanı için yaygın olarak kullanılan yöntemlerden biri elektroensefalografidir (EEG). Sinyal işleme ve makine öğrenme yöntemlerinin EEG sinyallerine uygulanması, SZ hastalığını belirlemek isteyen uzmanlara ve araştırmacılara destek olabilir. Bu çalışmada, SZ hastası ve sağlıklı kontrol grubuna işitsel uyaranların gönderilmesi sonucunda kaydedilen EEG sinyallerinden olaya bağlı potansiyel (OİP) sinyalleri elde edilmiştir. Bu sinyallerden öznitelikler olarak P300 genlik-gecikme, hjorth parametreleri ve entropi değerleri hesaplanmıştır. Elde edilen özellikler, SZ hastalarını sağlıklı kontrol grubundan ayırt etmek için Destek Vektör Makineleri (DVM), K-En Yakın Komşu (KEYK) ve Yapay Sinir Ağları (YSA) sınıflandırıcıları ile değerlendirildi. Bu çalışmada en başarılı sonuç %93,9 doğruluk oranı ile YSA sınıflandırıcısında elde edilmiştir.
Şizofreni elektroensefalografi olaya bağlı potansiyel yapay sinir ağları
Birincil Dil | İngilizce |
---|---|
Konular | Yazılım Mühendisliği (Diğer) |
Bölüm | PAPERS |
Yazarlar | |
Yayımlanma Tarihi | 10 Ekim 2022 |
Gönderilme Tarihi | 9 Eylül 2022 |
Kabul Tarihi | 16 Eylül 2022 |
Yayımlandığı Sayı | Yıl 2022 Cilt: IDAP-2022 : International Artificial Intelligence and Data Processing Symposium |
The Creative Commons Attribution 4.0 International License is applied to all research papers published by JCS and
a Digital Object Identifier (DOI) is assigned for each published paper.