Classification of 1D and 2D EEG Signals for Seizure Detection in the Newborn Using Convolutional Neural Networks

Merve AÇIKOĞLU; Seda ARSLAN TUNCER

doi:https://doi.org/10.17798/bitlisfen.1012489

Makale detayları

Classification of 1D and 2D EEG Signals for Seizure Detection in the Newborn Using Convolutional Neural Networks

Yazarlar:

Merve AÇIKOĞLU | Seda ARSLAN TUNCER

Yayıncı:

Bitlis Eren University

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Bitlis Eren Üniversitesi Fen Bilimleri Dergisi 2022 Vol.11 Issue 1, pp.194-202

Belge Tipi:

Makale

Yayın Tarihi:

3/2022

Belge Dili:

İngilizce

Document ID (Org No.):

2000888336

Sıklık:

Üç Aylık

eISSN:

2147-3188

pISSN:

2147-3129

DOI:

https://doi.org/10.17798/bitlisfen.1012489

Anahtar kelimeler:

Özet:

 

Newborns do not always show clinical symptoms during seizures unlike adults. Therefore, uncontrolled seizures lead to serious brain damage. Timely detection of seizures plays a vital role for newborn babies. In this study, a deep transfer learning approach was proposed for automatic seizure detection on the C4-P4 channel using electroencephalography (EEG) signals of newborns. EEG signals have been used in 1D and 2D dimensions to ensure performance, robust functionality, and a clinically acceptable level of detection accuracy. Pre-trained deep learning models Alexnet, ResNet, GoogleNet and VggNet were used in the study. Spectrograms were obtained by converting 1-dimensional signal data to 2-dimensional images, and then the classification was made on both 1D and 2D data set. In 1D classification, the highest performance was obtained from VggNet architecture with 91.67%, while 2D classification was obtained from AlexNet and ResNet architecture with 95.83%. The use of spectrograms has greatly improved the classification performance and made seizure detection and decision clinically more reliable in newborns.

 

Yeni doğanlar, yetişkinlerin aksine nöbetler sırasında her zaman klinik belirtiler göstermezler. Bu nedenle kontrolsüz nöbetler ciddi beyin hasarına yol açar. Nöbetlerin zamanında tespiti, yeni doğan bebekler için hayati bir rol oynar. Bu çalışmada yeni doğanların elektroensefalografi (EEG) sinyalleri kullanılarak C4-P4 kanalında otomatik nöbet tespiti için derin transfer öğrenme yaklaşımı önerilmiştir. EEG sinyalleri, performans, sağlam işlevsellik ve klinik olarak kabul edilebilir bir algılama doğruluğu seviyesi sağlamak için 1B ve 2B boyutlarda kullanılmıştır. Çalışmada önceden eğitilmiş derin öğrenme modelleri Alexnet, ResNet, GoogleNet ve VggNet kullanılmıştır. 1 boyutlu sinyal verilerinin 2 boyutlu görüntülere dönüştürülmesiyle spektrogramlar elde edilmiş ve ardından hem 1 boyutlu hem de 2 boyutlu veri setinde sınıflandırma yapılmıştır. 1B sınıflandırmada en yüksek performans %91,67 ile VggNet mimarisinden, 2B sınıflandırma ise %95,83 ile AlexNet ve ResNet mimarisinden elde edilmiştir. Spektrogramların kullanımı, sınıflandırma performansını büyük ölçüde iyileştirdi ve yeni doğanlarda nöbet tespiti ve kararı klinik olarak daha güvenilir hale getirdi.

Makale detayları

Classification of 1D and 2D EEG Signals for Seizure Detection in the Newborn Using Convolutional Neural Networks

Yazarlar:

Merve AÇIKOĞLU | Seda ARSLAN TUNCER

Yayıncı:

Bitlis Eren University

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Bitlis Eren Üniversitesi Fen Bilimleri Dergisi 2022 Vol.11 Issue 1, pp.194-202

Belge Tipi:

Makale

Yayın Tarihi:

3/2022

Belge Dili:

İngilizce

Document ID (Org No.):

2000888336

Sıklık:

Üç Aylık

eISSN:

2147-3188

pISSN:

2147-3129

DOI:

https://doi.org/10.17798/bitlisfen.1012489

Yeni doğan Nöbeti

EEG Sinyali

C4-P4 kanalı

Evrişimli Sinir Ağı

Sayı

Makale detayları

Classification of 1D and 2D EEG Signals for Seizure Detection in the Newborn Using Convolutional Neural Networks

Yazarlar: Merve AÇIKOĞLU | Seda ARSLAN TUNCER

Yayıncı: Bitlis Eren University

Ana Başlıklar: Uygulamalı fizik

Dergi: Bitlis Eren Üniversitesi Fen Bilimleri Dergisi 2022 Vol.11 Issue 1, pp.194-202

Belge Tipi: Makale

Yayın Tarihi: 3/2022

Belge Dili: İngilizce

Document ID (Org No.): 2000888336

Sıklık: Üç Aylık

eISSN: 2147-3188

pISSN: 2147-3129

DOI: https://doi.org/10.17798/bitlisfen.1012489

Yeni doğan Nöbeti

EEG Sinyali

C4-P4 kanalı

Evrişimli Sinir Ağı

Sayı

Yazarlar:

Merve AÇIKOĞLU | Seda ARSLAN TUNCER

Yayıncı:

Bitlis Eren University

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Bitlis Eren Üniversitesi Fen Bilimleri Dergisi 2022 Vol.11 Issue 1, pp.194-202

Belge Tipi:

Makale

Yayın Tarihi:

3/2022

Belge Dili:

İngilizce

Document ID (Org No.):

2000888336

Sıklık:

Üç Aylık

eISSN:

2147-3188

pISSN:

2147-3129

DOI:

https://doi.org/10.17798/bitlisfen.1012489