1. UKM Learning and Research Repository
2. Master Thesis / Tesis Master
3. Faculty of Engineering and Built Environment / Fakulti Kejuruteraan dan Alam Bina

Title:	Pembangunan algoritma hibrid pengesanan pelepasan cas epileptik bagi eletroensefalografi (EEG)
Authors:	Mohd Syakir Fathillah (P84057)
Supervisor:	Rosmina Jaafar, Dr.
Keywords:	Electroencephalography -- Data processing Epilepsy -- Diagnosis Universiti Kebangsaan Malaysia -- Dissertations. Dissertations, Academic -- Malaysia
Issue Date:	28-Aug-2018
Description:	Pemeriksaan klinikal dan electroencephalography (EEG) masih menjadi kaedah utama dalam mendiagnosis epilepsi. Namun, kaedah ini memerlukan epileptologis yang berpengalaman untuk mengesan cas epileptik dan merupakan aktiviti yang memakan masa, memberi impak kepada keputusan diagnosis dan membawa kepada kelengahan masa dalam memberi rawatan. Kajian yang dilakukan dalam tesis ini bertujuan untuk membangunkan kaedah sokongan yang boleh dipercayai bagi mengesan perubahan elektrofisiologi dalam EEG ketika pelepasan cas epileptik. Algoritma Computerized Recognition of Epileptic Discharge (CREED) yang telah dibangunkan dalam kajian ini terdiri daripada kaedah segmentasi yang adaptif bertujuan untuk membahagi keseluruhan EEG kepada segmen yang lebih kecil serta dapat mengurangkan risiko dari melakukan segmentasi pada kawasan cas epileptik. Pembangunan algoritma ini merupakan kaedah hibrid kerana ianya mengabungkan dua kaedah iaitu kaedah morphologi pada fasa pertama dan kaedah mimetik pada fasa kedua. Fasa pertama melibatkan pengesanan segmen yang berkemungkinan mempunyai cas epileptik dengan menggunakan transformasi diskrit wavelet bersama ciri tenaga dan entropi. Support vector machine (SVM) bersama pengoptimuman Bayes digunakan bagi membezakan segmen normal dan epileptik. Segmen yang mengandungi cas epileptik akan diproses selanjutnya di fasa kedua dengan menggunakan kaedah mimetik yang direka bagi mengira bilangan cas epileptik. Data pesakit dari University of Bonn digunakan sebagai data latihan untuk fasa pertama. Sebanyak 5 EEG normal dan 20 saluran EEG epileptik diperolehi dari Pusat Perubatan Universiti Kebangsaan Malaysia (PPUKM) digunakan sebagai data ujian. Saluran EEG yang mengandungi cas epileptik dan bilangan cas epileptik ditentukan oleh tiga pakar neurologi dari PPUKM. Hasil ujian kualitatif, CREED mampu membezakan antara saluran EEG normal dan epileptik dengan ketepatan maksimum sebanyak 71.09%. Ujian Cohen’s Kappa menunjukkan kepersetujuan antara CREED dan ahli neurologi mencapai 0.415(p<0.001) dalam mengesan saluran epileptik. Berdasarkan ujian kuantitatif dalam mengesan bilangan cas epileptik, ujian kebolehpercayaan antara-kelas antara-penilai menunjukkan nilai kebolehpercayaan 0.951(p<0.001). Penilaian CREED terhadap bilangan cas epileptik mempunyai kolerasi yang positif dengan neurologi iaitu r=0.915(p<0.001). Plot BlandAltman digunakan untuk menilai bias bilangan cas epileptik diantara CREED dan ahli neurologi, menunjukkan purata perbezaan sebanyak 1.94 unit dengan aras kepersetujuan dari -12.86 hingga 16.74 unit (sela keyakinan, CL=95%). Algoritma yang direka menunjukkan potensi untuk diperkenalkan di peringkat klinikal sebagai alat sokongan dalam membuat penilaian cas epileptik.,Sarjana Sains
Pages:	143
Call Number:	RC386.6.E43M635 2018 3 tesis
Publisher:	UKM, Bangi
Appears in Collections:	Faculty of Engineering and Built Environment / Fakulti Kejuruteraan dan Alam Bina

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.