Show simple item record

dc.contributor.advisorSezgin, Necmettin
dc.contributor.authorDal, Süleyman
dc.date.accessioned2020-09-08T12:29:48Z
dc.date.available2020-09-08T12:29:48Z
dc.date.issued2020-07-23en_US
dc.identifier.citationDal, S. (2020). Nörolojik krizlerden epilepsi nöbetinin kestirimi. (Yayınlanmamış Yüksek Lisans Tezi). Batman Üniversitesi Fen Bilimleri Enstitüsü, Batman.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12402/2459
dc.description.abstractToplumda sara adıyla bilinen epilepsi hastalığı Dünya Sağlık Örgütü (WHO) tahminlerine göre dünya nüfusunda %0,4-1 insanı etkileyen ciddi ve yaygın nörolojik bir hastalıktır. Anlık ve tekrarlayıcı nöbetlerle karakterize olan epilepsi hastalığı çocukluk ve yetişkinlik çağında daha sık ortaya çıkmasıyla beraber hemen her yaş grubunda insanı etkilemektedir. Genelde bilinç kaybı, hareket bozukluğu gibi sadece nöbet ve nöbeti takip eden birkaç saatlik zaman dilimini etkileyen ancak ilaçlarla kontrol altına alınabilen geçici durumlar oluşturmaktadır. Epileptik nöbetlere benzer krizler geçiren epileptik olmayan (pseudo veya yalancı) nöbetlerin de olması teşhisi güçleştirmektedir. Epilepsi hastalarının nöbetlerinin epileptik olup olmadığı (bunun için sık ve güvenilir tanı yöntemi kriz anında video-EEG ölçümüdür) ve kullanılacak ilaçlarının dozu hasta geçmişine bağlı olarak belirlenmektedir. Epileptik nöbet geçirdiği şüphesi ile uzman hekime müracaat eden hastaların %10-20'sinin epilepsi hastası olmadığı belirlenmiştir. Hastanın epileptik ilaçlara verdiği tepki temel alınarak bunun tespitinin, tedavinin başladığından ortalama 7,2 yıl sonra belirlenebilmektedir. Bu tez çalışmasında çeşitli sensörler (EMG, EKG, İvmeölçer gibi) yardımıyla epileptik nöbetlerin kestirimi için gelişen teknolojiyle entegre bir yaklaşım önerilmiştir. Çalışmanın ana amacı epileptik nöbetlerin kestirimi için yapılan işlem maliyetini azaltacak bir test rutini oluşturmaktır. Dicle Üniversitesi Tıp Fakültesi Nöroloji Bölümünde tedavi gören hastalardan epileptik bir nöbet sürecinde alınan veri seti kullanılarak çeşitli yöntemler ile optimize edilmiş ve daha sonra elde edilen özelliklerle beraber Aşırı Öğrenme Makineleri (ELM) ile sınıflandırılmıştır.en_US
dc.description.abstractEpilepsy disease, known in the community as ‘sara’, is a serious and widespread neurological disease affecting 0.4-1% of the world population according to the World Health Organization (WHO) estimates. Epilepsy disease, characterized by instantaneous and repetitive seizures, affects people in almost every age group, although it occurs more frequently in childhood and adulthood. In general, loss of consciousness, movement disorder, such as only seizures and seizures that affect a period of several hours following the seizure, but can be controlled by drugs creates temporary conditions. It is also difficult to diagnose non-epileptic seizures (pseudo-or pseudo-seizures) that are similar to epileptic seizures. Whether the seizures of epileptic patients are epileptic (frequent and reliable diagnostic method is video-EEG measurement at the time of crisis) and the dose of the drugs to be used are determined based on the patient's history. It was determined that 10-20% of the patients who applied to the specialist physician with the suspicion of having epileptic seizure did not have. Based on the patient's response to epileptic drugs, its detection can be determined on average 7.2 years after the start of treatment. In this thesis, an integrated approach with the developing technology is proposed for the prediction of epileptic seizures with the help of various sensors (such as EMG, ECG, Accelerometer). The main purpose of the study is to create a test routine to reduce the cost of the procedure for the prediction of epileptic seizures. Using a data set taken from patients treated in the Dicle University, Faculty of Medicine, Department of Neurology, during an epileptic seizure process, it was optimized by various methods and classified by over-learning machines (ELM) with later characteristics.en_US
dc.language.isoturen_US
dc.publisherBatman Üniversitesi Fen Bilimleri Enstitüsüen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rightsAttribution-ShareAlike 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-sa/3.0/us/*
dc.subjectEpileptik Nöbetleren_US
dc.subjectEpileptik Olmayan Nöbetleren_US
dc.subjectNöbet Kestirimien_US
dc.subjectMakine Öğrenmesien_US
dc.subjectGiyilebilir Sensörleren_US
dc.subjectEpileptic Seizuresen_US
dc.subjectNon-Epileptic Seizuresen_US
dc.subjectSeizure Prediction Extreme Machine Learningen_US
dc.subjectMachine Learningen_US
dc.subjectWearable Sensorsen_US
dc.titleNörolojik krizlerden epilepsi nöbetinin kestirimien_US
dc.title.alternativePrediction of epilepsy seizures from neurological crisesen_US
dc.typemasterThesisen_US
dc.contributor.departmentBatman Üniversitesi Fen Bilimleri Enstitüsü Elektrik-Elektronik Mühendisliği Bölümü Anabilim Dalıen_US
dc.relation.publicationcategoryTezen_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess