Uyku apnesi ile uyku evreleri arasındaki ilişkinin tespit edilmesi

Detection of the relationship between sleep apnea and sleep stages

PDF İndir

Tez No: 745403
Yazar: SENA ÇEPER
Danışmanlar: PROF. DR. GÜLAY TEZEL
Tez Türü: Yüksek Lisans
Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
Anahtar Kelimeler: Belirtilmemiş.
Yıl: 2022
Dil: Türkçe
Üniversite: Konya Teknik Üniversitesi
Enstitü: Lisansüstü Eğitim Enstitüsü
Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
Bilim Dalı: Belirtilmemiş.
Sayfa Sayısı: 81

Özet

Uyku, insan yaşamı için önemli bir süreçtir. İnsan vücudu için en temel dinlenme biçimidir ve kalitesi insan yaşamını önemli derecede etkilemektedir. Uyku kalitesizliğinden kaynaklanan kalpte ve beyinde sorunlara neden olabilen birçok hastalık vardır. Bu hastalıkların en basiti horlama en ciddisi uyku apnesidir. Uyku evreleme, günlük hayatı olumsuz yönde etkileyen ve ölüme sebep olabilen uyku rahatsızlıklarının özellikle de uyku apnesinin teşhisinde önemli rol oynamaktadır. Uyku evreleme uyku esnasında kaydedilen biyomedikal sinyallerin uyku uzmanı tarafından Amerikan Uyku Tıbbı Akademisi (American Academy of Sleep Medicine – AASM) tarafından belirlenen standartlara göre değerlendirilmesi ile yapılmaktadır. Bu sinyaller (Elektroensefalogram (EEG), Elektromiyogram (EMG), Elektrokardiyogram (EKG) ve Elektrookülogram (EOG)), Polisomonografi (PSG) cihazı ile uyku laboratuvarlarında kaydedilmektedir. Uyku, uyanıklık (Wake) evresi hariç kendi içerisinde iki ana bölüme ayrılmaktadır: Hızlı Olmayan Göz Hareketleri (NREM) ve Hızlı Göz Hareketleri (REM). NREM evresi de kendi içerisinde NREM1, NREM2, NREM3 olarak üç kısma ayrılmaktadır. Her birey uyku sırasında belli bir düzende NREM ve REM evrelerini yaşamaktadır. Bu evreleri uyku esnasında oluşma sıklığı bireyin uyku kalitesi ve sağlığı hakkında bilgi verir. Bu tez çalışmasında, PSG ile kaydedilen sinyallerden biri olan EEG ile uyku evreleme yaptıktan sonra, uyku apnesinin uyku evreleri ile ilişkisinin incelenmesi amaçlanmıştır. Uyku evreleme yapılırken, EEG sinyalinden üç farklı özellik seti oluşturulmuştur. Birinci özellik seti Ayrık Dalgacık Dönüşümü yöntemi ile elde edilen alt bantlardan çıkarılan 80 özellikten oluşmaktadır. İkinci özellik seti Ampirik Mod Ayrıştırma (Empirical Mode Decomposition- EMD) yöntemi kullanılarak elde edilen 26 adet özellikten ve üçüncü özellik seti de Varyasyon Mod Ayrıştırma (Variational Mode Decomposition- VMD) yöntemi ile çıkarılan 26 özellikten oluşturulmuştur. Özellik setlerindeki tüm özellikler birleştirilerek 132 özellikten oluşan dördüncü özellik seti elde edilmiştir. Son olarak dördüncü özellik setine Relief özellik seçme yöntemi uygulanarak en etkin 91 özellik seçilmiştir ve seçilen bu özelliklerle beşinci özellik seti oluşturulmuştur. Bu beş özellik setinin her biri için Yapay Sinir Ağları (Artificial Neural Network- ANN), Destek Vektör Makineleri (Support Vector Machine- SVM), k En Yakın Komşu Algoritması (k Nearest Neighbors- kNN) ve Torba Ağaç Algoritması (Bagged Tree- BT) sınıflandırıcıları için uyku evreleme işlemi yapılmıştır. En yüksek test başarısı %70.02 ile EMD yöntemi ile çıkarılan özellikler ve ANN sınıflandırıcısı ile elde edilmiştir. En yüksek sınıflandırıcı modeli kaydedilerek, evrelemede kullanılmayan farklı 9 hasta validasyon için kullanılmıştır ve bu 9 hastanın uyku apnesi rahatsızlığının evreler ile olan ilişkisi incelenmiştir.

Özet (Çeviri)

Sleep is an important process for human life. It is the most basic form of rest for the human body and its quality significantly affects human life. There are many diseases that can cause problems in the heart and brain caused by poor sleep quality. The simplest of these diseases is snoring and the most serious is sleep apnea. Sleep staging plays an important role in the diagnosis of sleep disorders, especially sleep apnea, that negatively affect daily life and can cause death. Sleep staging is done by evaluating the biomedical signals recorded during sleep by a sleep specialist according to the standards set by the American Academy of Sleep Medicine (AASM). These signals (Electroencephalogram (EEG), Electromyogram (EMG), Electrocardiogram (EKG) and Electrooculogram (EOG)) are recorded in sleep laboratories with the Polysomonography (PSG) device. Except for the wake phase, sleep is divided into two main parts: Non-Rapid Eye Movements (NREM) and Rapid Eye Movements (REM). The NREM phase is also divided into three parts: NREM1, NREM2, and NREM3. Every individual experiences NREM and REM stages in a certain order during sleep. The frequency of these stages during sleep gives information about the sleep quality and health of the individual. In this thesis, it was aimed to examine the relationship between sleep apnea and sleep stages after sleep staging with EEG, which is one of the signals recorded with PSG. While staging sleep, three different feature sets were created from the EEG signal. The first feature set consists of 80 features extracted from the subbands obtained by the Discrete Wavelet Transform method. The second feature set was composed of 26 features obtained using the Empirical Mode Decomposition (EMD) method, and the third feature set was composed of 26 features extracted by the Variation Mode Decomposition (VMD) method. By combining all the features in the feature sets, the fourth feature set consisting of 132 features was obtained. Finally, the most effective 91 features were selected by applying the Relief feature selection method to the fourth feature set, and the fifth feature set was created with these selected features. For each of these five feature sets, sleep staging was performed for Artificial Neural Networks (ANN), Support Vector Machines (SVM), k Nearest Neighbor Algorithm (kNN) and Bagged Tree Algorithm (IT) classifiers. The highest test success rate of 70.02% was obtained with the features extracted by EMD method and ANN classifier. By registering the highest classifier model, 9 different patients not used in staging were used for validation, and the relationship of sleep apnea disease of these 9 patients with stages was examined.

Benzer Tezler

Tez No
467367
EKG parametrelerinin uyku evreleri ve OSAS ile ilişkisinin incelenmesi
Analyzing the relationship of ECG parameters with the sleep stages and OSAS
ŞULE YÜCELBAŞ
Doktora
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol Selçuk Üniversitesi
Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLAY TEZEL
Tez No
823743
Uyku endoskopisinde uygun uyku derinliğinin bispektrometri ve eş zamanlı polisomnografi ile belirlenmesi
The determination of appropriate sleep depth in sleep endoscopy with bispektrometry and simultaneous polysomnography
ÖZNUR GÜNDÜZ
Tıpta Uzmanlık
Türkçe
2023
Kulak Burun ve Boğaz Sağlık Bilimleri Üniversitesi
Kulak Burun Boğaz Hastalıkları Ana Bilim Dalı
PROF. DR. KÜRŞAT MURAT ÖZCAN
Tez No
237758
Obstruktif uyku apne sendromlu hastalarda GT dağılımının incelenmesi
Analysis of GT dispersion on obstructive sleep apnea syndrome patients
EREN ARIKAN
Yüksek Lisans
Türkçe
2009
Kardiyoloji Başkent Üniversitesi
Biyomedikal Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BÜLENT YILMAZ
Tez No
446662
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 Mühendisliği Kahramanmaraş Sütçü İmam Üniversitesi
Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MAHMUT KEMAL KIYMIK
Tez No
807291
Polisomnografi işaretleri kullanılarak yapay sinir ağları ve uyarlamalı sinirsel bulanık mantık sistemi ile uyku ve uyku apnesinin skorlanması
Sleep and sleep apnea scoring with artificial neural networks and adaptive-network-based fuzzy inference systems using polysomnography signals
OSMAN AYDOĞAN
Doktora
Türkçe
2023
Elektrik ve Elektronik Mühendisliği Erciyes Üniversitesi
Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. KERİM GÜNEY

Geri Dön