Classification of Eeg Signals Using Transfer Learning on Convolutional Neural Networks via Spectrogram

Abstract

Elektroensefalografi (EEG) uyku verisini sınıflandırmayla ilgili önceki çalışmalar genellikle sinyalin kendisini kullanmaktadır. Bu çalışmalardan birçoğu bir dizi ön işleme operasyonlarına, manuel özellik çıkarımına, karmaşık ve zor uygulama süreçlerine ihtiyaç duymaktadır. Konvolüsyonel Sinir Ağlarında (CNN) çok sayıda ön işleme aşamasına ihtiyaç yoktur ve el ile ayıklanan özellikleri kullanmak yerine özellikler otomatik olarak öğrenilebilir. Ayrıca CNN'ler görsel sınıflandırmada çoğu diğer yönteme göre daha iyi performansa sahiptirler. Bu tezde sunulan çalışma, EEG sinyallerinin sınıflandırılması için ISRUC-Sleep veri kümesinde (ISRUC) Kısa-Zamanlı Fourier Dönüşümü (STFT) kullanılarak elde edilen spektrogram görüntüleri aracılığıyla CNN'ler ile transfer öğreniminin uygulanmasına dayanmaktadır. ISRUC'tan 100 hasta denek ile eğitilmiş AlexNet, ön eğitimli CNN olarak kullanılmıştır. Uyku evrelerini sınıflandırmak için, 10 sağlıklı kişiden alınmış tek kanallı EEG verileri, hedef veri alanı olarak kullanılmıştır. Aşırı uyumu azaltmak için bir görüntü kaydırma işlemi kullanılmış ve görüntüler yatayda çoğaltılmıştır. Bu çalışmada transfer öğrenimi yöntemini kullanmanın temel amacı, daha iyi eğitim süresi ve doğruluk elde etmektir. Transfer öğrenimini uygulamak, sıfırdan eğitilmiş olan ön eğitim yapılmamış AlexNet kullanarak elde edilen sonuçla karşılaştırıldığında, sınıflandırmanın doğruluğunu yüzde 3,11 oranında artırdığı görülmüştür. Transfer öğreniminin kaynak veri alanı ImageNet olduğunda, doğruluk, sıfırdan yapılan eğitimin sonucuna göre yüzde 2,73 oranında azalmıştır. Sonuçlar, transfer öğreniminin hedef ve kaynak veri alanları benzer olduğunda doğruluğu artırdığını, ancak farklı alanlarda kullanıldığında doğruluğu azaltabileceğini göstermiştir (Şöyle ki, ImageNet bir fotoğraf veri kümesidir, ISRUC ise sinyallerden oluşur). Çalışmada ek olarak, Sürekli Dalgacık Dönüşümünün (CWT) skalogram görüntüleri denenmiştir.