Uyku apnesi teşhisinde welch pediogramlarının derin öğrenme yöntemleri ile analizi
Başlık çevirisi mevcut değil.
- Tez No: 947412
- Danışmanlar: PROF. DR. ORHAN ER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yapay zeka, Artificial intelligence
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İzmir Bakırçay Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Elektrokardiyogram (EKG) sinyallerinden elde edilen Welch Periodogramlarının derin öğrenme ile analizine dayanan yeni bir uyku apnesi teşhis yöntemi bu çalışmada sunulmaktadır. Kullanılan tanı ölçütlerine göre yetişkin nüfusun %3 ila %17'sinde görülen uyku apnesi, günümüzde yetersiz teşhis edilmektedir. Bu durum, geleneksel tanı yöntemi olan polisomnografinin yüksek maliyeti, özel donanımlı laboratuvar gereksinimi ve hastanın doğal uyku düzenini etkileme potansiyeli gibi kısıtlamalardan kaynaklanmaktadır. Araştırmamızda geliştirilen otomatik tanı sistemi, Holter monitörlerinden alınan kayıtlardaki RR aralıklarının frekans spektrumundaki değişimleri Welch Periodogramları ile incelemektedir. Bu görsel temsiller, uyku apnesi esnasında kalp hızı değişkenliğinde meydana gelen karakteristik frekans alanı değişimlerini başarıyla yakalamaktadır. Önerilen metodoloji, Evrişimli Sinir Ağları (CNN) kullanarak bu spektral gösterimlerdeki uyku apnesine işaret eden desenleri tespit etmektedir. Sunduğumuz yaklaşımın invazif olmaması, ev ortamında uygulanabilirliği ve hasta konforunu artırması gibi önemli üstünlükleri bulunmaktadır. Çalışmamızın sonuçları, uyku tıbbı alanındaki metodolojik ilerlemelere katkı sağlarken, aynı zamanda uyku apnesi tanısında kolay erişilebilir araçların geliştirilmesine imkan tanımakta, böylece erken teşhis oranlarını ve hasta prognozunu iyileştirme potansiyeli taşımaktadır.
Özet (Çeviri)
A novel approach for diagnosing sleep apnea based on deep learning analysis of Welch Periodograms derived from electrocardiogram (ECG) signals is presented in this study. Sleep apnea, which affects between 3% and 17% of the adult population depending on diagnostic criteria used, is currently underdiagnosed. This situation stems from limitations of traditional diagnostic methods such as polysomnography, including high cost, requirement for specially equipped laboratories, and potential disruption of the patient's natural sleep patterns. The automated diagnostic system developed in our research examines frequency spectrum variations in RR intervals from Holter monitor recordings using Welch Periodograms. These visual representations successfully capture the characteristic frequency-domain changes in heart rate variability that occur during sleep apnea. The proposed methodology detects patterns indicative of sleep apnea in these spectral representations using Convolutional Neural Networks (CNN). Our approach offers significant advantages including being non-invasive, applicable in home environments, and enhancing patient comfort. The results of our study contribute to methodological advancements in sleep medicine while enabling the development of easily accessible tools for sleep apnea diagnosis, thus carrying potential to improve early detection rates and patient prognosis.
Benzer Tezler
- Lohusalıkta anneye verilen sağlık eğitiminin annenin doğum sonrası döneme ilişkin bilgi düzeyine etkisinin incelenmesi
Başlık çevirisi yok
HANDAN GÜLER
Yüksek Lisans
Türkçe
1987
HemşirelikCumhuriyet ÜniversitesiHemşirelik Ana Bilim Dalı
Y.DOÇ.DR. MELİHA ATALAY
- Sağlık görünen bireylerde 24 saatlik ambulatuar elektrokardiyografi ile ritm ve iletim bozukluklarının araştırılması
Başlık çevirisi yok
ZUHAL BİLECEN