Parametrik yöntemler ile akıllı sistemler kullanarak uyku apnesinin teşhisi ve sınıflandırılması
Detection and classification of sleep apnea using modern parametric method with intelligent systems
- Tez No: 446662
- Danışmanlar: PROF. DR. MAHMUT KEMAL KIYMIK
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Uyku evresi, Uyku apnesi, Polisomnografi, Yapay sinir ağları, Sınıflandırma, Sleep stages, Sleep apnea, Polysomnography, Artificial Neural Networks, Classification
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 112
Özet
Uykuda solunum bozukluğu, uyku esnasında nefes alışverişinin en az 10 saniye durması, gündüz aşırı uyku hali ve uykuda horlama gibi bulgularla ortaya çıkan önemli bir sağlık sorunudur. Bu hastalık grubunda en çok tanınan uyku apnesi hastalık grubudur. Uyku apnesi, tıkayıcı, merkezi ve birleşik uyku apnesi olarak üç gruba ayrılır. En yaygın olarak görülen tıkayıcı uyku apnesi türüdür. Uyku apnesinin türü ve süresi, bütün geceyi uyku laboratuvarında geçiren hastaya bağlanan sensörler aracılığıyla polisomnografi cihazından elde edilen işaretlerin uzmanlar tarafından görsel olarak incelenmesi ile belirlenir. Yapılan bu incelemeler, uzun zaman almakta ve uzmanın deneyimine göre değişmektedir. Son yıllarda uyku apnesinin otomatik olarak belirlenmesi için birçok yöntem tavsiye edilmiştir. Bu tezde uyku apnesi teşhis süresini kısaltmada yardımcı olarak kullanılabilecek bir karar destek sistemi için farklı işaret bileşenlerinden uyku apnesi teşhisi yöntemleri araştırılmıştır. Yaptığımız çalışma iki aşamada gerçekleştirilmiştir. Birinci aşamada uyku evreleri Yapay Sinir Ağları ile otomatik olarak belirlenmiştir. Uyku evrelerinin belirlenmesi için elektroensefalogram, elektrookülogram ve elektromiyogram işaretleri kullanılmıştır. İkinci aşamada, geliştirilen algoritma ile PSG kayıtları kullanılarak solunum bozukluklarından olan Tıkayıcı uyku apnesi belirlenmiştir. Bu çalışmada, Amerikan uyku tıbbı akademisi tarafından belirlenen görsel kurallar kümesi kullanılarak otomatik sınıflandırma gerçekleştirilmiştir. Çalışma da, yapay sinir ağları ile uyku evreleri eğitim ve test başarısı 10 katlı çapraz doğrulama kullanılarak belirlenmiştir. Uyku evrelerinin belirlenmesi için yapılan yapay ağ sınıflandırmada test başarısı %91 üzerinde ortalama doğruluk oranı ile tespit edilmiştir.. Tıkayıcı uyku apnesi ve süresi geliştirilen algoritma kullanılarak %88 ortalama doğruluk oranı ile belirlenmiştir. Böylece, uyku bozukluklarını inceleyen uzmana tanı koymada yardımcı olabilecek, öznelliği ve zaman kayıplarını önleyecek karar destek sistemleri oluşturulmuştur.
Özet (Çeviri)
Sleep related respiratory disorder is an important health problem that occurs with symptoms such as cessation of breathing for at least 10 seconds during sleep, excessive daytime sleepiness and snoring during the night. Sleep apnea is the most common disease in this group. Sleep apnea is divided into three groups as obstructive, central and mixed sleep apnea. Obstructive sleep apnea is the most common type of sleep apnea. The duration and type of sleep apnea is determined by a full-night polysomnography study on a sleeping patient at a sleep laboratory. Such analysis takes a long time and varies depending on the expert's level of experience. In recent years, many methods have been proposed for automatic determination of sleep apnea. In this thesis, sleep apnea diagnosis methods using various signal components has been studied to be used in a decision support system that will help shorten the apnea diagnosis duration. Our study was carried out performed in two steps. In the first step, sleep stages were determined automatically by Artificial Neural Networks (ANN). Electroencephalogram, electromyogram and electrooculogram signals were used to determine sleep stages. In the second step, the Obstructive sleep apnea, one of the sleep disorders, was determined via developed algorithm using PSG recordings. In this study, the automated classification was carried out via a set of visual rules defined by American academy of sleep medicine. The training and testing success of ANN was determined by 10-fold cross-validation. For the proposed neural network classification, sleep stages were classified with an accuracy rate of 91% on success tests. The Obstructive sleep apnea and its duration with an accuracy rate of 88% has been determined by using the developed algorithm Thus, these decision support methods were developed to avoid subjectivity, save time and help doctors in the diagnosis of sleep disorders.
Benzer Tezler
- Privacy-preserving authentication methods
Gizliliği koruyan kimlik doğrulama yöntemleri
KÜBRA NARİ BAYKAL
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ENVER ÖZDEMİR
- Hygro_responsive structure humidity responsive material system design
Higro_tepkimeli strüktür neme duyarlı malzeme sistemi tasarımı
GÜLCE KIRDAR
Yüksek Lisans
İngilizce
2017
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. MERYEM BİRGÜL ÇOLAKOĞLU
- A reservation based multi agent intersection management for autonomous vehicles
Otonom araçlar için rezervasyon bazlı çok ajanlı kavşak yönetimi
ATAKAN YASİN YEŞİLYURT
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET TURAN SÖYLEMEZ
- Çok parçalı sac konstrüksiyonlarda kümülatif ölçü sapmalarının ölçme ve analizlere dayalı olarak belirlenmesi ve bir algoritma geliştirilmesi
Determining of cumulative dimension deviations in multi – part sheet metal constructions by means of measurements and analyses and development of an algorithm
CEM YURCİ
Doktora
Türkçe
2017
Makine MühendisliğiYıldız Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ANIL AKDOĞAN
PROF. DR. M. NUMAN DURAKBAŞA
- EEG controlled semi-autonomous mobile vehicle design and implementation
EEG kontrollü yarı otonom mobil araç tasarımı ve gerçeklenmesi
HÜSEYİN TANZER ATAY
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA İNCİ ÇİLESİZ