Epilepsi Nöbet Tespiti için Zaman-Frekans Görüntüleme: Transformer Model ile Özellik Füzyonu

Abstract

Epilepsi, nöbetler ve bu durumun yol açtığı geri dönüşümsüz beyin hasarı gibi ciddi riskler taşıyan yaygın bir nörolojik hastalıktır. Bu hastalığın doğru ve hızlı bir şekilde teşhis edilmesi büyük önem taşır. Geleneksel EEG sinyal analizi, manuel ve zaman alıcı olup insan hatalarına açıktır. Bu sorunu çözmek için yapay zekâ yaklaşımlarının kullanımı, daha hassas ve hızlı tespit imkânı sunmaktadır. Bu çalışmada, EEG sinyalleri zaman-frekans dönüşüm yöntemleri kullanarak 2B görüntülere dönüştürülmüştür. Zaman-frekans dönüşüm yöntemleri ile üç adet görüntü kümesi elde edilmiştir. Ardından her bir görüntü kümesi transformer model ile eğitilmiştir ve model tarafından özellik setleri oluşturulmuştur. Özellik füzyonu yöntemiyle farklı özellik setleri birleştirilmiş ve bu birleşik setler, makine öğrenmesi yöntemiyle (destek vektör makineleri) sınıflandırılmıştır. Bu çalışmada önerilen yaklaşım sayesinde %91.20 genel doğruluk oranı elde edilmiştir.