Ağrı hissinin EEG sinyalleri kullanılarak objektif tahmini ve derin öğrenme modelleri ile derecelendirilmesi
Evaluation of pain perception with objective prediction and deep learning models using EEG signals
- Tez No: 802959
- Danışmanlar: PROF. DR. OSMAN EROĞUL
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Mühendislik Bilimleri, Bioengineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: TOBB Ekonomi ve Teknoloji Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 95
Özet
Ağrı, haz verici olmayan kompleks ve çok boyutlu olmak üzere kişilerin tecrübe ettiği his olarak tanımlanır. Ağrının objektif olarak sınıflandırılması, hastanelerde mönitörize olmuş hastalar için, kendini ifade edemeyen bireyler için ve ameliyat sonrası ya da esnasında anesteziye maruz kalmış kişiler için büyük önem taşımaktadır. Ayrıca ağrının subjektif olarak derecelendirilmesi kişiden kişiye yanıltıcı bir cevaba sebep olabilmektedir ve kişinin yanlış tedavi protkolüne yönlendirilmesi ile sonuçlanabilmektedir. Ağrının yapay zeka modelleri ile derecelendirilmesi sayesinde doğru tedaviye yönelim ve kendini ifade edemeyen bireylerin ağrı şiddetlerini derecelendirebilmesi hakkında bilgiye ulaşmak mümkün olabilecektir. Yapılan tez çalışmasında, ağrı uyarını verilerek bireylerden alınan EEG verileri bir boyutlu evrişimsel sinir ağı modeli (1 Dimensional Convolutional Neural Networks, 1D CNN) oluşturularak yüksek ve düşük ağrı olarak sınıflandırılmıştır. Modelde kullanılacak öznitelik seçimi için alınan EEG verileri öncesinde gürültülerden temizlenmiştir. Sonraki aşamada temizlenen verilere T-test uygulanarak fark oluşan bölümler belirlenmiştir. Belirlenen bölümlerden zaman-frekans cevabında öznitelikler çıkarılarak hazırlanan modelde kullanılmıştır. Tasarlanan model karşılaştırılma amaçlı derin öğrenme modellerinden olan özyinemeli sinir ağları (Reccurrent Neural Network, RNN) modeli ile karşılaştırılmıştır. Tez çalışmasının sonucunda alınan bilgiler dahilinde tasarlanan 1 boyutlu evrişimsel sinir ağları modelinin ortalama %92 oranında doğru sınıflandırma yaptığı gözlemlenmiştir. Elde edilen bulgular dahilinde ağrı hissinin objektif derecelendirilmesi için tasarlanan modelin iyi bir belirteç olabileciğini göstermektedir.
Özet (Çeviri)
Pain is defined as a non-pleasurable, complex and multidimensional sensation experienced by people. Objective classification of pain is of great importance for patients who are monitored in hospitals, for individuals who cannot express themselves, and for people who have been exposed to anesthesia during or after surgery. In addition, subjective grading of pain can cause a misleading response from person to person and may result in the person being directed to the wrong treatment protocol. Thanks to the grading of pain with artificial intelligence models, it will be possible to reach information about orientation to the right treatment and grading the severity of pain of individuals who cannot express themselves. In the thesis study, EEG data obtained from individuals by giving pain stimulus was classified as high and low pain by creating a one-dimensional convolutional neural network model (1 Dimensional Convolutional Neural Networks, 1D CNN). The EEG data obtained for the feature selection to be used in the model were cleared of noise beforehand. In the next step, T-test was applied to the cleaned data and the parts that made a difference were determined. The features in the time-frequency response from the determined sections were extracted and used in the prepared model. The designed model was compared with the Reccurrent Neural Network (RNN) model, which is one of the deep learning models for comparison purposes. As a result of the thesis study, it was observed that the 1D convolutional neural network model, designed within the scope of the information received, made an average of 92% correct classification. The findings show that the model designed for objective grading of pain sensation can be a good marker.
Benzer Tezler
- Term yenidoğanlarda intramusküler K vitamini profilaksisi uygulamasında lokal vibrasyonun ağrı üzerine etkisinin değerlendirilmesi
The efficacy of mechanical vibration analgesia for relief of intramuscular vitamin K prophylaxis in TERM neonates
CEREN BALKOCA
Tıpta Uzmanlık
Türkçe
2022
Çocuk Sağlığı ve HastalıklarıSağlık Bilimleri ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. İLKE MUNGAN AKIN
- Farklı yıkama solüsyonları ile tek veya çok seans kanal tedavileri uygulanmış hastalarda post-operatif ağrı protokollerinin karşılaştırılması
Comparison of post-operative pain protocols in patients undergoing single or multi-sized root canal treatments with different irrigation solutions
ARİFE MERSİNLİOĞLU
Doktora
Türkçe
2018
Diş HekimliğiSüleyman Demirel ÜniversitesiEndodonti Ana Bilim Dalı
DOÇ. DR. MURAT MADEN
- Laparoskopik kolesistektomi sonrası yara pansuman büyüklüğünün postoperatif ağrı ile ilişkisi
The relationship between postoperative dressing size and postoperative pain after laparoscopic cholecystectomy
YASİN SÖNMEZ
Tıpta Uzmanlık
Türkçe
2008
Genel CerrahiCumhuriyet ÜniversitesiGenel Cerrahi Ana Bilim Dalı
DOÇ. DR. AYHAN KOYUNCU
- Çocuk onkoloji hastalarında ağrı deneyiminin değerlendirilmesi
Evaluation of pain experiences of pediatric oncology patients
RAMAZAN ÖZDEMİR
Tıpta Uzmanlık
Türkçe
2012
Çocuk Sağlığı ve HastalıklarıUludağ ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. BETÜL BERRİN SEVİNİR
- Çocuklarda dental lokal anestezi öncesi terapötik oyun ve sanal gerçeklik gözlüğünün ağrı ve dental anksiyete üzerine etkisi
The effect of therapeutic gaming and virtual reality glasses on pain and dental anxiety before dental local anesthesia in children
MEHPARE YENER
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiAtatürk ÜniversitesiPedodonti Ana Bilim Dalı
DOÇ. DR. MÜNEVVER KILIÇ