Filtreler

2008 - 200912020 - 20251
Filtreleri Sıfırla

Ayarlar

Konu: Electroencephalogram ×

Arama Sonuçları

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Yayın
    Elektroensefalogram (EEG) işaretlerinin sıkıştırılmasında özgün bir yaklaşım
    (IEEE, 2008) Gürkan, Hakan; Güz, Ümit; Yarman, Bekir Sıddık Binboğa
    Bu çalışmada, Elektroensefalogram(EEG) işaretlerinin yeniden oluşturulmasına yönelik olarak yeni bir yöntem sunulmaktadır. Sunulan yöntem, etkin bir k-ortalamalı sınıflandırma algoritması kullanılarak Sınıflandırılmış Temel Tanım ve Zarf Vektör Setlerinin oluşturulmasına dayanmaktadır. Bu çalışmada, EEG işaretleri eşit uzunluklu çerçevelere bölünerek analiz edilmiş ve herbir çerçeve Sınıflandırılmış Temel Tanım vektörü, Sınıflandırılmış Zarf vektörü ve Çerçeve Ölçekleme Katsayısı olarak adlandırılan üç parametrenin çarpımı biçiminde modellenmiştir. Bu durumda, EEG işaretinin herbir çerçevesi sınıflandırılmış temel tanım ve zarf vektör setlerine ilişkin iki sıra numarası R ve K ile çerçeve ölçekleme katsayısı cinsinden tanımlanabilir. Önerilen yöntemin başarımı ortalama karesel hata tanımı ve görsel inceleme ölçütü yoluyla değerlendirilmiştir. Önerilen yöntem, EEG işaretlerinin tanı açısından önemli kısımları korunarak, düşük yeniden oluşturma hataları ve yüksek sıkıştırma oranları ile yeniden oluşturulmasını sağlamaktadır.
  • Küçük Resim
    Yayın
    Electrophysiological signatures of developmental dyslexia: towards EEG-based biomarker identification and neurogenetic correlates
    (MDPI, 2025-06-30) Eroğlu, Günet; Harb, Mhd Raja Abou
    Dyslexia is a neurodevelopmental disorder characterized by altered hemispheric specialization and disrupted phonological processing. In this study, we applied Principal Component Analysis (PCA) to high-dimensional electroencephalographic (EEG) recordings from 200 children (100 dyslexic, 100 controls) to extract latent neurophysiological features associated with reading impairment. Our findings revealed significant right-hemisphere dominance in dyslexic individuals, particularly in the P8 electrode within the alpha band, consistent with compensatory neural strategies. Despite the absence of clinical comorbidities or medication use, distinct clustering emerged, supporting the utility of PCA for early screening. Future directions include correlating EEG-derived features with known dyslexia-related gene expression profiles (e.g., DCDC2, KIAA0319), neurotransmitter imbalances, and neuroinflammatory markers. These integrative analyses may establish EEG signals as reliable, non-invasive biomarkers for molecular-level screening in developmental learning disorders.