Akan, AydınŞenol, Yahya Oğuzhan2025-08-252025-08-252025https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=5NNqZKwwGohPh6_KCcfp-u89-8zDFEx7OiheVIkxuDpkfXcwqsz2crBJGgRutHN-https://hdl.handle.net/20.500.14365/6404Alzheimer Demansı (AD), insan beynindeki elektriksel aktivite değişikliklerinin neden olduğu son yıllarda en sık görülen nörolojik bozukluktur. Elektroensefalogram (EEG) gibi tıbbi cihazlar kullanılarak demans hastalığının tanısı konulabilir. Bu çalışmada, AD hastalarının ve sağlıklı control bireylerinin EEG sinyalleri analiz edilmiştir. Görgül Kip Ayrışım (GKA) yöntemi ile özgül kip fonksiyonları (ÖKF) elde edilmiştir. Özgül Kip Fonksiyonlarından ve EEG sinyalin kendisinden spectral ve zamansal özellikler çıkartılmıştır. Daha sonra bu özellikler ile topografik ısı haritaları oluşturulmuştur. Topografik ısı haritaları, iki boyutlu Evrişimsel Sinir Ağı (2D-CNN) kullanılarak sınıflandırılmıştır. Farklı CNN mimarileri kullanılmıştır. EfficientNet-b0 mimarisi ile %95.98 sınıflandırma doğruluğuna ulaşılmıştır.In recent years, Alzheimer dementia (AD) is the most frequent neurological disorder caused by electrical activity changes in the human brain. The diagnosis of AD can be provided by using medical devices such as electroencephalography (EEG). In this study, EEG signals of AD patients and healthy control subjects were analyzed. Intrinsic mode functions (IMFs) were obtained using empirical mode decomposition (EMD) method. Spectral and time-domain features were extracted from IMFs and EEG signal itself. Then topographical heat maps were generated from these features. Topographic heat maps were classified using a two-dimensional convolutional neural network (2D CNN). Different CNN architectures were used. 95.98% classification accuracy was achieved with the EfficienNet-b0 architecture.enElektrik Ve Elektronik MühendisliğiElectrical And Electronics EngineeringMaster Thesis