G.1 Yazarlar : Y.Kutlu, M.Kuntalp, D.Kuntalp Ba l k : Öz Düzenley Hartalar Kullanlarak Dken Dalgalarn Analz Yay nlanan Ktapç k : Genç Blm nsanlar le Beyn Byofz II. Çal tay, Izmr / Turkey, 21-23 ubat2008
Dokuz Eylül Ünverstes Tıp Fakültes Byofzk Anablm Dalı Balçova, 35340, İzmr. Telefon: 0-232 412 4481 Faks: 0-232 412 4489 Konu : Beyn Byofzğ Çalıştayı Kabul Belges Sayın Yakup KUTLU, 21-23 Şubat 2008 tarhler arasında Dokuz Eylül Ünverstes, Tıp Fakültes nde gerçekleştrleek olan Genç Blm İnsanları le Beyn Byofzğ II. Çalıştayı na göndermş olduğunuz ÖZDÜZENLEYİCİ HARİTALAR KULLANILARAK DİKEN DALGALARIN ANALİZİ konulu bldrnzn poster bldrs olarak kabulüne karar verlmştr. 21-23 Şubat 2008 tarhler arasında sz aramızda görmekten mutlu oluruz. Not: Poster 100m boyunda ve 70m ennde olaak şeklde hazırlanmalıdır. İçerk formatında herhang br sınırlandırma bulunmamaktadır. 11.02.2008 Doç. Dr. Murat Özgören Düzenleme Kurulu Başkanı
Öz düzenley Hartalar Kullanılarak Dken Dalgaların Analz Yakup Kutlu 1 Mehmet Kuntalp 2 Damla Kuntalp 3 1,2,3 Elektrk ve Elektronk Mühendslğ Bölümü Dokuz Eylül Ünverstes, Kaynaklar Kampüsü, Bua, İzmr yakup.kutlu@eee.deu.edu.tr damla.kuntalp@eee.deu.edu.tr mehmet.kuntalp@eee.deu.edu.tr Özetçe Bu çalışmada, elektroensefalogram (EEG) snyallernde var olan dken dalgaları (spke), öz düzenley Hartalar (Self-Organzng Maps) kullanılarak analz edlmştr. Dken dalgalarının tepe noktalarına göre belrlenen ardışık 40 nokta ve bu noktalardan elde edlen 6 özntelk farklı k ver kümes olarak analzde kullanılmıştır. Burada öz düzenley hartalar, grş verlernden (n boyutlu) düzenl k boyutlu düğümler dzsne hartalama olarak tanımlanmıştır. Böylee yüksek boyutlu özntelk vektörler, öz düzenley hartalar kullanılarak k boyutlu uzayda analz edlmektedr. Elde edlmş 6 özntelk kullanılarak yapılan hartalamada dken dalga le dken olmayan dalgaların etknleştrdğ nöronlara göre brbrnden ayrık olduğu görülmektedr. 40 noktalı ham EEG snyal çn dken dalga le dken olmayan dalgaların etknleştrdğ nöronlar brbrnden fazla ayrık görülmemesne rağmen ortak aktf olan fazla nöron olduğu görülmektedr. Yan dken ve dken olmayan dalgalar tarafından 7 nöronun ortak aktf olduğu, 6 elemanlı özntelk vektörünün hartalanmasında 4 nöronun ortak aktf olduğu gözlenmştr. 1. Grş İnsan beynnn elektrksel aktvtesnn kaydı, epleps hastalığının tanısında en öneml neleme yöntemdr. İnelemelerde kesn tanı koymanın oldukça zor olduğu durumlarda uzman görüşler arasında farklılıklar olablmektedr. Bu nedenle, blgsayar destekl yardımı yöntemler kullanılarak, elektroensefalogram (EEG) snyallernde var olan dken dalgaların (spke) doğru olarak belrlenmes gerekmektedr. Fakat dken dalgalara çok benzeyp dken dalga olmayan snyaller bu şlem zorlaştırmaktadır. Dken dalgaların doğru olarak ayrıştırılablmes amaıyla araştırmaılar tarafından farklı yapıda çeştl sınıflandırıılar gerçeklenmş ve değşk başarım oranları elde edlmştr. Bu çalışmaların br kısmında ham dken dalga vers kullanılmış, ger kalan çalışmalarda bu ham verden elde edlen özntelk vektörler grş olarak alınmıştır. 2. Materyal ve Metot Bu çalışmada, dken dalgalar le dken dalgalara benzeyp dken olmayan dalgaların topografk yapısı analz edlmştr. Amaımız bu yapıların brbrlerne olan benzerlklern göz önüne alarak bunların ne ölçüde brbrlernden ayrılableekler konusunda br ön fkr elde etmektr. Dolayısıyla bu çalışmadan elde edlen sonuçlar kullanılaak olan sınıflandırııdan bağımsız olmaktadır. Ham ver olarak dken dalgaların tepe noktalarına göre belrlenen ardışık 40 nokta, özntelk vektörü olarak da Şekl-1 de gösterldğ gb bu noktalardan elde edlen 6 farklı özntelk değer analzde kullanılmıştır. Verler lk durumda 40, kn durumda se 6 boyutlu olduğundan bunların brbrlerne göre olan topografk konumlarının gözümüzde anlandırılması mkansızdır. Bu nedenle Öz Düzenley Hartalar (Self- Organzng Maps) kullanılarak bu verlern brbrlerne göre olan konumları k boyutlu br yapıya ndrgenmş ve dolayısıyla gözle görüleblr hale getrlmştr. Şekl 1 Sınıflamada kullanılan özntelkler. İlk yarım dalganın genlğ(g1), kn yarım dalganın genlğ (G2), lk yarım dalganın süres (T1), kn yarım dalganın süres (T2), lk yarım dalganın eğm (M1=G1/T1), ve kn yarım dalganın eğm (M2=G2/T2).
2.1. Özdüzenley Hartalar Yapısı Öz Düzenley Hartalar, k katmanlı br yapay snr ağı yapısında olup grş ve çıkış katmanlarından oluşur. Grş katmanındak nöronlarının sayısını grş snyalnn boyutu belrler. Çıkış katmanındak nöronlar se k boyutlu dkdörtgensel veya altıgen yapıya sahp düğüm dzs şeklndedrler. Bu bağlamda Öz Düzenley Hartalar, grş verlernden (n boyutlu), k boyutlu düğümler dzsne hartalama olarak tanımlanablr. Böylee yüksek boyutlu grş vektörlernn brbrlerne göre olan konumları (yan brbrlerne göre olan benzerlkler), öz düzenley hartalar kullanılarak k boyuta ndrgeneblmektedr. Burada, x n boyutlu grş örüntü vektörü, wj se xj grş le. şlem elemanı arasındak ağırlıktır. Ağırlık vektörünün başlangıç değerler keyf seçlebldğ gb grş vektörler arasından da seçleblr. Grşn, tüm çıkış düğümlerne (sınıflara) olan mesafes hesaplanır. Kazanan hüre denklem saglar: x ( t) w ( t) = mn x ( t) w ( t) Burada nds kazanan hürey belrtmektedr. Mnmum mesafeye sahp çıkış düğümü belrlenr. Yarışmayı kazanan düğüm ve komşularının yen ağırlıkları se şöyle hesaplanır; Δw = η ( x w ) Ω ( ) NB Burada η öğrenme oranıdır ve 0<η<1aralığında değşr. Ω () kazanan hürenn etrafındak komşu fonksyonudur. Ω p p ) = exp( 2σ ( 2 ) Burada p ve p çıkış hürenn konumlarını ve σ komşu alanını gösterr. Şekl 2 Özdüzenley Harta yapısı 3. Sonuç ve Tartışma Bu çalışma, Pentum IV, 2.0 GHz şlem, 1 GB belleğe sahp blgsayar ve Matlab 7 paket programı kullanılarak gerçekleştrlmştr. Çalışmada farklı sayıda nöronlara sahp altıgen topolojye sahp Öz Düzenley Harta yapısı kullanılmıştır. Yapılan çalışmalarda dken dalgaların belrlenmesnde hem 40 boyutlu ham EEG vers hem de bu ham EEG versnden çıkartılan 6 özntelk k ver kümes olarak analzde kullanılmıştır. Bu çalışmadan elde edlen sonuçlara göre 6 özntelk kullanılarak yapılan hartalamada dken dalga le dken olmayan dalgaların brbrnden (tam olmasa da) oldukça ayrık k kümeye ayrıldığı görülmektedr. 40 noktalı ham dken dalga vers çn se her k yapıdak dalgaların topografk dağılımlarının böyle br ayrımı çermedğ ve ç çe geçtğ görülmüştür. Farklı sayıda nöronlar kullanılarak oluşturulan ağlarla yapılan analzlerde de benzer sonuçlar elde edlmştr. Ayrıa, dken ve dken olmayan dalgalar tarafından ortak olarak aktve edlen nöron sayısının 40 noktalı ham EEG versnde yne fazla olduğu gözlenmştr. Sonuç olarak düşük boyutlu da olsa özntelk değerlernn grş olarak kullanılması halnde k yapıdak dalgaların brbrlernden daha y ayrıştığı ve dken dalga ayrımı şlemnn daha bast yapıdak br sınıflandırıı le yapılableeğ ortaya çıkmıştır.
a), b) ) Şekl 3 Ham EEG vers çn a) 10x10 nöronlu, b)12x12 nöronlu, )14x14 nöronlu altıgen topolojye sahp Öz Düzenley Harta yapıları. Burada yeşller dken dalgaların aktfleştrdğ nöronlar, mavler dken olmayan dalgaların aktfleştrdğ nöronlar, kırmızılar ortak aktf olan nöronlar ve beyazlar se hç aktf olamayan nöronlardır.
a) b) ) Şekl 4 6 özntelk çn, a) 10x10 nöronlu, b)12x12 nöronlu, )14x14 nöronlu altıgen topolojye sahp Öz Düzenley Hartalar yapıları. Burada yeşller dken dalgaların aktfleştrdğ nöronlar, mavler dken olmayan dalgaların aktfleştrdğ nöronlar, kırmızılar ortak aktf olan nöronlar ve beyazlar se hç aktf olamayan nöronlardır. 4. Kaynakça [1] Tarassenko, L., Khan, Y. U., and M. R. G. Holt, Identfaton of nter-tal spkes n the EEG usng neural network analyss, Inst. Elet. Eng. Pro. S. Meas. Tehnol., vol. 145, no. 6, pp. 270 278, Nov. 1998. [2] Webber, W. R. S., R. P. Lesser, R. T. Rhardson, and K. Wlson, An approah to sezure deteton usng an artfal neural network (ANN), Eletroeneph. Cln. Neurophysol., vol. 98, pp. 250 272, 1996. [3] Kalay, T.and O. Özdamar, Wavelet proessng for automated neural network deteton of EEG spkes, IEEE Eng. Med. Bol. Mag., pp. 160 166, Mar./Apr. 1995. [4] Özdamar, O.and T. Kalay, Deteton of spkes wth artfal neural networks usng raw EEG, Comput. Bomed. Res., vol. 31, pp. 122 142, 1998. [5] Aır N., Öztura İ., Kuntalp M., Baklan B., and Güzels C., ``Automat Deteton of Epleptform Events n EEG by a Three- Stage Proedure Based on Artfal Neural Networks '', IEEE Transatıons On Bomedıal Engneerng, Vol. 52, NO. 1, January 2005. [6] Kohonen, T., Self-Organzng Maps, 3rd ed., Hedelverg: Sprnger-Verlag Verln, 2001.