Sleep stage analysis

Bu projede EEG sinyalindeki uyku evrelerinin sınıflandırılması için gereken öznitelik çıkarma metotları ve sınıflandırıcılar konu alınmıştır. Algoritma, öznitelik çıkarma ve sınıflandırma olmak üzere 2 ana aşamadan oluşmaktadır. İlk olarak sınıflandırma aşamasında kullanılacak olan öznitelikler çıkartılmıştır. Öznitelik çıkarma aşamasının ilk adımı olarak sinyal, uyku evrelerinin etiket değerleriyle eşleşebilecek şekilde eşit aralıklara ayrılmaktadır. 2. adım ise öznitelikleri bu eşit aralıklı sinyal aralıklarından çıkarma metotlarını kapsamaktadır. Çıkarılan öznitelikler, Hjorth parametreleri, armonik parametreler, bant enerji oranları ve dalgacık paket dönüşümü metoduyla elde edilen özniteliklerdir. Bütün bu öznitelikler en yakın k komşu, çok katmanlı sinir ağları ve doğrusal ayırma analizi metotları kullanılarak oluşturulan sınıflandırıcılarda kullanılmıştır. In this project, methods for extraction features and classification for sleep stage using EEG (Electroencephalogram) are presented. The algorithm consists of basically two modules, feature extraction and classification. Firstly, features used in the classification step are extracted. In the beginning of feature extraction, segmentation is applied for breaking down the signal into fixed sections to match with the labels. Then the parameters are extracted from these fixed sections. The extracted features are the parameters of Hjorth, harmonic parameters, the relative band energy ratios and the parameters that are obtained by applying wavelet packet transformation (WPT). Then all these extracted features are used in the classifiers which are constructed by using k-nearest neighbor, multilayer neural network and linear discriminant analysis. 79