Evrişimli Sinir Ağları Kullanılarak Epileptik Nöbet Tespiti: CHB-MIT Scalp EEG Veri Kümesi Üzerinde Çoklu Sınıflandırma

Epileptik nöbet tespiti, epilepsinin yönetimi ve tedavisinde kritik bir görevdir ve doğru ve etkili tanı araçlarının geliştirilmesini gerektirir. Bu çalışma, CHB-MIT Scalp EEG veri kümesinden yararlanarak, kafa derisi EEG kayıtlarından epileptik nöbetleri tespit etmek için Evrişimsel Sinir Ağları (CNN) kullanan modeller sunar. Analizimizin sağlamlığını artırmak için, epilepsi teşhisi konmuş farklı sayıda denekle bu veri kümesinin birden fazla versiyonunu oluşturduk. Ek olarak, model performansı üzerindeki etkilerini değerlendirmek için temel ve gelişmiş olarak adlandırılan iki tür etiketleme tekniği kullandık. Nöbet tespitindeki etkinliklerini belirlemek için özellikle ResNet50, ResNet101, VGG16, InceptionV3, Xception ve DenseNet121 olmak üzere CNN tabanlı modeller kullandık. Bu çalışma, bu alandaki üç-sınıf sınıflandırma problemini ele alan ilk çalışmadır. DenseNet121 modeli, %85,52'lik bir F1 puanı ile en yüksek performansı elde etmiştir.