Analysis of multichannel EEG signals for the detection of major depressive disorder Majör depresif bozukluğunun tespiti için çok kanallı EEG sinyallerinin analizi

Majör depresif bozukluk (MDB), dünya çapında yaygın olarak görülen bir duygudurum bozukluğudur. MDB tanısı, psikometrik anketler, hastanın kendi raporu ve profesyonelin klinik deneyimi gibi öznel yöntemlere dayanır. Bu tezin amacı, MDB hastalarını sağlıklı kişilerden (HC) ayırt etmeyi sağlayan objektif bir yöntem geliştirmektir. Elektroensefalograma (EEG) dayalı bilgisayar destekli (CAD) algoritmalar, MDB tanısındaki başarısı nedeniyle büyük ilgi görmektedir. Bu tezde, çok kanallı EEG sinyallerini analiz ederek MDB hastalığını ayırt etmek için için üç yaklaşım önerilmiştir.ABSTRACTMajor depressive disorder (MDD) is a common mood disorder encountered worldwide. The diagnosis of MDD is based on qualitative methods such as psychometric questionnaires, patient self-report, and the professional's clinical experience. The aim of this thesis is to develop an quantitative method to differentiate MDD patients from healthy controls (HCs). Electroencephalogram (EEG)-based computer-aided (CAD) methods have great attention due to the success of diagnosing MDD. In this thesis, three approaches for identifying MDD by analyzing multichannel EEG signals are proposed.

Görüntülenme
15
24.10.2022 tarihinden bu yana
İndirme
1
24.10.2022 tarihinden bu yana
Son Erişim Tarihi
11 Şubat 2024 19:43
Google Kontrol
Tıklayınız
disorder methods thesis ayırt identifying self-report patient questionnaires psychometric qualitative success professional multichannel signals diagnosis proposed worldwide encountered common analyzing attention computer-aided (EEG)-based Electroencephalogram controls healthy diagnosing patients clinical differentiate method quantitative develop approaches experience
Tam Metin
Tam Metin İndirmek için tıklayın Ön izleme
Detaylı Görünüm
Eser Adı
(dc.title)
Analysis of multichannel EEG signals for the detection of major depressive disorder Majör depresif bozukluğunun tespiti için çok kanallı EEG sinyallerinin analizi
Eser Sahibi
(dc.contributor.author)
İzci, Elif
Tez Danışmanı
(dc.contributor.advisor)
Aydın Akan
Yayıncı
(dc.publisher)
Graduate School of Natural and Applied Sciences
Tür
(dc.type)
Yüksek Lisans
Açıklama
(dc.description)
xvi, 66 pages
Açıklama
(dc.description)
29 cm. 1 CD
Özet
(dc.description.abstract)
Majör depresif bozukluk (MDB), dünya çapında yaygın olarak görülen bir duygudurum bozukluğudur. MDB tanısı, psikometrik anketler, hastanın kendi raporu ve profesyonelin klinik deneyimi gibi öznel yöntemlere dayanır. Bu tezin amacı, MDB hastalarını sağlıklı kişilerden (HC) ayırt etmeyi sağlayan objektif bir yöntem geliştirmektir. Elektroensefalograma (EEG) dayalı bilgisayar destekli (CAD) algoritmalar, MDB tanısındaki başarısı nedeniyle büyük ilgi görmektedir. Bu tezde, çok kanallı EEG sinyallerini analiz ederek MDB hastalığını ayırt etmek için için üç yaklaşım önerilmiştir.ABSTRACTMajor depressive disorder (MDD) is a common mood disorder encountered worldwide. The diagnosis of MDD is based on qualitative methods such as psychometric questionnaires, patient self-report, and the professional's clinical experience. The aim of this thesis is to develop an quantitative method to differentiate MDD patients from healthy controls (HCs). Electroencephalogram (EEG)-based computer-aided (CAD) methods have great attention due to the success of diagnosing MDD. In this thesis, three approaches for identifying MDD by analyzing multichannel EEG signals are proposed.
Kayıt Giriş Tarihi
(dc.date.accessioned)
02.11.2022
Açık Erişim Tarihi
(dc.date.available)
2022-11-02
Yayın Tarihi
(dc.date.issued)
2021
Yayın Dili
(dc.language.iso)
eng
Konu Başlıkları
(dc.subject)
Biyomedikal teknoloji
Konu Başlıkları
(dc.subject)
EEG sinyalleri
Tek Biçim Adres
(dc.identifier.uri)
https://hdl.handle.net/11469/2791
Analizler
Yayın Görüntülenme
Yayın Görüntülenme
Erişilen ülkeler
Erişilen şehirler
6698 sayılı Kişisel Verilerin Korunması Kanunu kapsamında yükümlülüklerimiz ve çerez politikamız hakkında bilgi sahibi olmak için alttaki bağlantıyı kullanabilirsiniz.

creativecommons
Bu site altında yer alan tüm kaynaklar Creative Commons Alıntı-GayriTicari-Türetilemez 4.0 Uluslararası Lisansı ile lisanslanmıştır.
Platforms