İnsan Kafasındaki Dokuların Öziletkenliklerinin in vivo E/MEG Verileri ile Kestirilmesi ve Üç Değişik Kestirim Algoritma Sonuçlarının Karşılaştırılması

Simple item page
dc.contributor.authorŞENGÜL, Gökhan
dc.contributor.authorBAYSAL, Uğur
dc.contributor.authorHAUEISEN, Jens
dc.date.accessioned2022-08-03T08:13:19Z
dc.date.available2022-08-03T08:13:19Z
dc.date.issued2004-08-03
dc.descriptionEstimation Of Human Head Tissue Conductivities by Using In vivo EMEG Data and Comparison of Three Different Estimation Algorithm Results
dc.descriptionABSTRACT: Knowledge of tissue conductivities is needed to construct reliable volume conductor models ofthe human body and the head in solving forward and inverse bioelectric field problems. In this study three different estimation algorithms are applied to in vivo human head tissue resistivity estimation by using EEG and MEG data. The applied algorithms are conventional Least-Squared EROI Algorithm (LSEE), Bayesian MAP Algorithm and statistically constrained Minimum Mean Squared Error Estimator (MiMSEE). The algorithms intake a priori information on body geometry (realistic boundary element model), statistical properties of regional conductivities (assumed to be uniformly dishihuted between upper and lower hounds), linearization error and instrumentation noise. The EEG-MEG data set has been obtained from a source localization experiment in which the median nerve has been stimulated. The anatomical boundary information has been extracted from 256 TI-weighted MRI images. The MEG data have been obtained by using a 31- channel magnetometer over the somatosensory cortex. By using the data, scalp, skull and brain conductivities have been estimated and estimation variances are calculated by using the algorithms. It is shown that MiMSEE algorithm gives lower error rates than the other two algorithms. The calculated error rates are % 90 for the LSEE, %20.5 for the Bayesian Map estimator and %12.5 for the MiMSEE.
dc.description.abstractDoku öziletkenliklerinin bilinmesi, insan vücudunun güvenilir hacim iletken modellerinin oluşturulmasında ve ileri/ters biyoelektrik alan problemlerinin çözümünde gereklidir. Bu çalışmada, insan kafasindaki dokulann öziletkenliklerinin EEG ve MEG verileri kullanılarak in vivo kestirimi ipin üç farklı kestirim algoritmasi kullanılarak elde edilen sonuçlar karşılaştırılmıştır. Uygulanan bu algoritmalar; En Küçük Hatalar Karesi (E.K.H.K) kestirim algoritmasi, Bayesian MAP kestirim algoritmasi ve istatistiksel Kısıtlı Minimum Ortalama Hatalar Karesi (1.K.M.O.H.K) algoritmasıdır. Algoritmalar, geometrik yapı, ön bilgisi ile doku öziletkenlikleri ile doğrusallaştırma ve enstrümantasyon gürültüsünün istatistiksel ön bilgilerini girdi olarak kullanır. E/MEG verileri, medyan sinirin uyarıkdığı kaynak konumlandırma deneyinden sırasıyla 32 kanallı EEG ve 31 kanallı magnetometre ile somatosensory korteks üzerinden ölçülmüştür. Kafanın anatomik geometri bilgisi 256 adet TI ağırlıklı MRI görüntüden elde edilmiş ve kafa derisi, kafatası ve beyin olarak homojen üç bölgeye bölütlendirilmiştir. Sözkonusu algoritmalar kullanılarak kafa derisi, kafatası ve beyin öziletkenlikleri ve hata oranları üç farklı algoritma ile kestirilmiştir. Hata oranları E.K.H.K için %90, Bayesian Map kestirim algoriması için % 20.5 ve İ.K.M.O.H.K algoritması için %12.5 olarak hesaplanmıştır. Sonuçta İ.K.M.O.H.K algoritmasının diğer algoritmalara kıyasla daha düşük hata oranları verdiği gösterilmiştir.
dc.identifier.urihttp://hdl.handle.net/20.500.11905/1464
dc.language.isotr
dc.publisherSignal Processing and Communications Applications Conference
dc.subjectelectrical & electronics engineering
dc.titleİnsan Kafasındaki Dokuların Öziletkenliklerinin in vivo E/MEG Verileri ile Kestirilmesi ve Üç Değişik Kestirim Algoritma Sonuçlarının Karşılaştırılması
dc.title.alternativeEstimation Of Human Head Tissue Conductivities by Using In vivo EMEG Data and Comparison of Three Different Estimation Algorithm Results
dc.typeArticle
dspace.entity.type

Files

Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Estimation_of_human_head_tissue_conductivities_by_using_in_vivo_E_MEG_data_and_comparison_of_three_different_estimation_algorithm_results.pdf
Size:
276.01 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download

Collections

Electrical & Electronics Engineering