Advanced Search

Show simple item record

dc.contributor.authorÖztoprak, Hüseyin
dc.contributor.authorToycan, Mehmet
dc.contributor.authorAlp, Yaşar Kemal
dc.contributor.authorArıkan, Orhan
dc.contributor.authorDoğutepe, Elvin
dc.contributor.authorKarakaş, Sirel
dc.date.accessioned2019-01-10T05:50:45Z
dc.date.available2019-01-10T05:50:45Z
dc.date.issued2017
dc.identifier.citationOztoprak, H., Toyccan, M., Alp, Y.K., Arikan, O., Dogutepe, E. Karakaş, S. (2017). Makina temelli öğrenim sistemi: DEHB olan ve olmayan katılımcıların sınıflandırılması. In 25th Signal Processing and Communications Applications Conference (SIU), (pp. 1-4). https://dx.doi.org/10.1109/SIU.2017.7960704en_US
dc.identifier.isbn9781509064946
dc.identifier.isbn9781509064953
dc.identifier.other16995876 (INSPEC)
dc.identifier.urihttps://dx.doi.org/10.1109/SIU.2017.7960704
dc.identifier.urihttps://hdl.handle.net/11376/3268
dc.descriptionKarakaş, Sirel (Dogus Author) -- Doğutepe, Elvin (Dogus Author) -- Conference full title : 25th Signal Processing and Communications Applications Conference (SIU); 15 May 2017 through 18 May 2017. Antalya; Turkeyen_US
dc.description.abstractDikkat Eksikliği ve Hiperaktivite Bozukluğu (DEHB), psikiyatri servislerine başvuran çocuklarda en çok rastlanan rahatsızlıktır. Bu bozukluk 20. Yüzyılın başında tanımlanmasına rağmen, teşhisinde halen ciddi sorunlar yaşanmaktadır. Bu çalışmada, Olaya ilişkin Potansiyel (OİP) verilerinden çıkarılan zaman frekans özellikleri kullanılarak DEHB olan çocukların bu bozukluğu taşımayanlara göre sınıflandırılması elde edilmiştir. Bu özniteliklerin DEHB teşhisinde en etkili olanları Destek Vektör Makinesi – Yinelemeli Öznitelik Seçimi yöntemiyle belirlenmiş ve bu özniteliklerle eğitilen Destek Vektör Makinesi, üç öznitelik kullanıldığında %98 ve altı öznitelik kullanıldığında %99.5 doğrulukla DEHB teşhisi koymayı başarmıştır. Sonuçlar Tekrarlanan Çapraz Geçerlilik Yöntemiyle elde edilmiştir. Ayrıca, bu yöntem Kararlılık Seçimi ile desteklenerek DEHB tanısında en etkili öznitelikler belirlenmiştir. Ayrıca yeni bir tasarımla önerilen düzenek test edilmiş ve % 100 doğruluk elde edilmiştir. Sonuçlar, çalışmadaki düzeneğin psikiyatrik bozuklukların tanısında ve seyrinde kullanılabileceğini göstermektedir.en_US
dc.description.abstractAttention-deficit/hyperactivity disorder (ADHD) is the most frequent diagnosis among children who are referred to psychiatry departments. Although ADHD was discovered at the beginning of the 20th century, its diagnosis is confronted with many problems. In this paper, a novel classification approach that discriminates ADHD and non-ADHD groups over the timefrequency domain features of ERP recordings is presented. Support Vector Machine-Recursive Feature Elimination (SVMRFE) was used to obtain best discriminating features. When only three of these features were used the accuracy of classification reached to 98%, and use of six features further improved classification accuracy to 99.5%. The proposed scheme was tested with a new experimental setup and 100% accuracy is obtained. The results were obtained using RCV. The classification performance of this study suggests that TFHA can be employed as a core component of the diagnostic and prognostic procedures of various psychiatric illnesses.en_US
dc.language.isoturen_US
dc.publisherIEEEen_US
dc.identifier.doi10.1109/SIU.2017.7960704en_US
dc.rightsinfo:eu-repo/semantics/closedAccessen_US
dc.subjectDEHBen_US
dc.subjectKararlılık Seçimien_US
dc.subjectZFHAÇen_US
dc.subjectÖzöğrenim Makinesien_US
dc.subjectSınıflandırmaen_US
dc.subjectÖznitelik Seçimien_US
dc.subjectDVM-YÖEen_US
dc.subjectAttention-Deficit/Hyperactivity Disorder (ADHD)en_US
dc.subjectTime-Frequency Hermite Atomizeren_US
dc.subjectMachine Learningen_US
dc.subjectClassificationen_US
dc.subjectFeature Selectionen_US
dc.subjectSupport Vector Machine-Recursive Feature Elimination (SVM-RFE)en_US
dc.titleMakina temelli öğrenim sistemi: DEHB olan ve olmayan katılımcıların sınıflandırılmasıen_US
dc.title.alternativeMachine-based learning system: classification of ADHD and non-ADHD participantsen_US
dc.typeconferenceObjecten_US
dc.relation.journal25th Signal Processing and Communications Applications Conference (SIU)en_US
dc.departmentDoğuş Üniversitesi, Fen Edebiyat Fakültesi, Psikoloji Bölümüen_US
dc.authoridTR136129en_US
dc.authoridTR136131en_US
dc.authoridTR6954en_US
dc.authoridTR135998en_US
dc.authoridTR135999en_US
dc.identifier.startpage1en_US
dc.identifier.endpage4en_US
dc.relation.publicationcategoryKonferans Öğesi - Uluslararası - Kurum Öğretim Elemanıen_US
dc.institutionauthorKarakaş, Sirel
dc.institutionauthorDoğutepe, Elvin


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record