PSG kayıtları kullanılarak uyku evrelerinin sınıflandırılması
Classification of sleep stages using PSG recordings
- Tez No: 730580
- Danışmanlar: PROF. DR. SERAL ÖZŞEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 164
Özet
Polisomnografi(PSG), uyku ile ilgili çeşitli bozuklukların tespiti ve tedavisi için tüm gece normal uyku esnasında kişiden solunum, kandaki oksijen yoğunluğu ve belirli vücut bölgelerinden (kafa, yüz, kalp vs.) alınan sinyallerin kaydedildiği bir testtir. Kayıtların değerlendirilmesinde uygulanması gereken ilk aşama skorlamadır. Uyku evrelerinin skorlanması; uyku evreleme aşamasının önemli parçasıdır. Uyku evreleme solunum ve uyku hastalıklarının teşhisinde ve tedavisinde önemli rol oynamaktadır. Günümüzde uyku evreleme aşaması polisomnografi yöntemiyle yapılmaktadır. Uyku kayıtlarının skorlanması için ilk standart yöntemi Rechtschaffen ve Kales (R&K) tarafından 1968 yılında geliştirilmiştir. Bu yöntemde bütün polisomnagrafi, epok adı verilen 30 saniyelik parçalara bölünür ve her bir epoğa etiketleme yapılır. Her bir etiket uykunun temel evrelerinden birini gösterir. Bu evreler başta Elektroensefalogram (EEG), Elektrookülogram (EOG) ve Elektromiyogram (EMG) kayıtları olmak üzere pek çok sinyalin incelenmesi ile belirlenir. 2007 yılında Amerikan Uyku Tıbbı Akademisi (AASM), uyku kayıt teknikleri ve skorlamada standardizasyon sağlayan yeni bir skorlama el kitabı yayınlamış, 2012 yılında ise revize edilerek yayınlanan el kitabı ile skorlama kriterleri güncellenmiştir ve bu kitabcık sayesinde uyku evreleri skorlaması en son halini almış ve bilimsel çalışmalara temel oluşturmuştur. Bu çalışmada, PSG kayıtlarının uyku skorlanmasındaki önemleri gereği EEG, EOG ve EMG sinyali kullanarak uyku evlerinin skorlanması hedeflenmiştir. Necmettin Erbakan Üniversitesi Meram Tıp Fakültesi uyku laboratuvarında 124 hastadan EEG(C4A1), Çene EMG(CHIN)'si, sol göz EOG (LEOG) ve sağ göz EOG (REOG) sinyalleri elde edilmiştir. Uyanık (Wake), Non-REM-1, Non-REM-2, Non-REM-3, REM bölgeleri uyku uzmanı tarafından skorlanan bu sinyaller üzerinden, zaman, frekans ve doğrusal olmayan ortamında özellikler çıkarılmış ve sınıflandırmaya tabi tutulmuştur. Sinyaller, Uyanık (Wake), Non-REM-1(N1), Non-REM-2(N2), Non-REM-3(N3), REM olarak gruplanmıştır. Sınıflandırma algoritması olarak, Karar Ağacı (KA), k-En Yakın Komşu algoritması (kNN), Yapay Sinir Ağı (YSA), Torbalı Ağaç (TA), Destek Vektör Makinesi(DVM) algoritmaları kullanılmış olup Relief-F yöntemi ile özellik seçimi yapılmıştır. Yapılan üç çalışmanın arasında en başarılı sınıflandırma sistemi Torbalı Ağaç algoritması olmuştur. Üçüncü tam kapsayıcı son çalışmada toplam veri seti için 135 özellik hazırlanmış ve sınıflandırma sonucu %84.19 doğruluk ile en yüksek Torbalı karar ağacı algoritması vermiştir. Relief-F yöntemi ile özellik seçimi sonucunda en yüksek sınıflandırma doğruluğunun 14 özellikle Torbalı Ağaç algoritması olduğu ve %95.06 doğruluk ile sınıflandırdığı görülmüştür.
Özet (Çeviri)
Polysomnography(PSG) is a test conducted by recording, during overnight sleep, patient's breathing, blood oxygen level and signals read from particular body parts (head, face, heart etc.) for diagnosis and treatment of a variety of disorders related to sleep. Scoring is the first phase required to implement in assessement of recordings. Sleep scoring is an important part of sleep staging, Sleep staging plays a crucial role in diagnosis and treatment of respiratory and sleep disorders. Today, the phase of sleep staging is scored by using polysomnography method. First standard method of scoring sleep recordings was developed by Rechtschaffen and Kales (R&K) in 1968. In this method, the entire polysomnography is divided into 30-second parts called epoch and each epoch is labeled. Each label represents one of the basic stages of sleep. These stages are identified by examining mulitple signals particularly recordigns of Electroencephalogram (EEG), Electrooculogram (EOG) and Electromyogram (EMG). In 2007, The American Academy of Sleep Medicine (AASM) published a scoring manual which provided standardization in sleep recording methods and scoring, in 2012 with the revised version of manual they updated scoring criteria and thanks to this manual sleep stages scoring took its final form and provided the basis of scientific studies. In this study, because of the importance of PSG recordings in sleep scoring, it is aimed at scoring of sleep stages using EEG, EOG and EMG signals. In the laboratory of Necmetttin Erbakan University Meram Faculty of Medicine EEG(C4A1), Chin EMG(CHIN), left eye EOG (LEOG) and right eye EOG (REOG) signals were obtained from 124 patients. These signals were scored by a sleep specialist as Awake, Non-REM-1, Non-REM-2, Non-REM-3, REM and based on these signals scored features have been extracted in time, frequency and non-linear domain and classified. Signals have been classified in five levels as Awake (Wake), Non-REM-1(N1), Non-REM-2(N2), Non-REM-3(N3), REM. Decision Tree (DT), k-Nearest Neighbor Algorithm (kNN), Artificial Neural Network (ANN), Bagged Tree (BT), Support Vector Machine (SVM) algorithms have been used as classification algorithm and feature selection has been made by Relief-F method. Bagged Decision Tree Algorithm has been the most succesful classification system of the three studies which have been carried out. In the last full comprehensive study, 135 features have been prepared for the total dataset and in consequence of classification, Bagged Decision Tree Algorithm had the highest accuracy rate with 84.19%. At the stage of feature selection with Relief-F method, it occured that the highest classification accuracy is Bagged Decison Tree with 14 features and it is observed that it was classified with 95.06% accuracy rate.
Benzer Tezler
- Sleep stage classification using disagreement based co-active learning
Anlaşmazlık tabanlı öğrenme ile uyku evrelerinin sınıflandırılması
AYŞE BETÜL YÜCE
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YUSUF YASLAN
- Parametrik yöntemler ile akıllı sistemler kullanarak uyku apnesinin teşhisi ve sınıflandırılması
Detection and classification of sleep apnea using modern parametric method with intelligent systems
ALİ ÖTER
Doktora
Türkçe
2016
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MAHMUT KEMAL KIYMIK
- Elektrookulografi (EOG) sinyalleri ile uyku evreleme
Sleep staging with electrooculography (EOG) signals
AHMET COŞKUN
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERAL ÖZŞEN
- Polisomnografide otomatik ve manuel skorlama farkları ve sonuçları
Automatic and manual scoring differences and results in polysomnography
MEHMET AŞIK
Tıpta Uzmanlık
Türkçe
2013
Kulak Burun ve BoğazAkdeniz ÜniversitesiKulak Burun Boğaz Ana Bilim Dalı
YRD. DOÇ. DR. MURAT TURHAN
- OSAS hastaları ile sağlıklı bireylerdeki nabız geçiş sürelerinin makina öğrenmesi teknikleriyle sınıflandırılması
Classification of pulse transit times in healthy individuals with osas patients using the machine learning method
BEYZA NUR AKILOTU
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEDA ARSLAN TUNCER