Eeg Sinyallerinden Gürültünün Temizlenmesi için Harmoni Arama Algoritması Temelli Yöntemlerin Geliştirilmesi

Abstract

Elektro-ensefalogram (EEG) taraması insan beynindeki elektriksel aktivitenin, kişinin kafatasına yerleştirilen çok sayıda elektrod vasıtasıyla ölçümlenmesine dayanan bir tıbbi görüntüleme yöntemidir. Beyinde gerçekleşen işlevler sırasında nöronlar arası meydana gelen elektriksel aktivite beyin sağlığı açısından anlamlı bilgiler edinmeyi sağlar. EEG taraması uygun koşullarda ve uzmanlar tarafından yönlendirilmesiyle gerçekleşse de ölçümlenen sinyaller dış etkenlerden veya ölçümü yapılan kişinin vücudundaki diğer aktivitelerden kaynaklanan gürültülere maruz kalır. Bu gürültülerin temizlenmesi sinyallerin yorumlanması açısından önem taşımaktadır. Harmoni Arama (HS), insan kulağına gelen farklı seslerin bir araya gelerek oluşturduğu uyumun verdiği musiki tatmini matematiksel olarak modelleyerek en uygun çözümü üretmeyi amaçlayan bir yarı-sezgisel algoritmadır. Zaman içerisinde birçok araştırmacı tarafından HS algoritmasının parametrelerinin daha iyi belirlenmesi ve doğaçlama işleyişinin değiştirilmesi amacı ile çok sayıda HS varyantı literatüre sunulmuştur. Bu tez kapsamında, HS varyantlarının bir büyük veri optimizasyon problemi olan EEG sinyallerinin gürültülerden temizlenmesi ve yaygın kıyaslama fonksiyonları üzerindeki başarımları ele alınmıştır. Mevcut HS varyantlarının yanı sıra Trigonometrik Harmoni Arama (TRI-HS) adı verilen yeni bir varyant geliştirilmiş ve belirlenen problemler üzerinde diğer varyantlar ile performans değerlendirmesi yapılmıştır.

Electro-encephalogram scanning is a medical imaging technique based on measurement of the electrical activity in human brain by deploying many electrodes to the skull of patient. Inter-neurons electrical activity during the brain functions, provides meaningful information on the health of the braing. Even though EEG scanning is made in appropriate conditions and directed by experts, measured signals are exposed to the external factors or other activities of the body of the patient. Cleaning the signals from the noises are crucial for interpretation. Harmony Search (HS) algorithm is a meta-heuristic algorithm that aims to produce the most appropriate solution by mathematically modeling the musical satisfaction given by the harmony created by the combination of different sounds in the human ear. Over time, many HS variants have been presented to the literature by many researchers in order to better adjust the parameters and change the improvisation mechanism of HS. In this thesis, the performance of HS variants on noise removal from EEG signals which is a big data optimization problem and common benchmark functions is discussed. Besides the existing HS variants, a new variant called Trigonometric Harmony Search (TRI-HS) is developed and its performance is evaluated on dedicated problems with other variants.