Kardiyak Arrest Geçiren Yoğun Bakım Hastalarının Nörolojik Durumlarının Makine Öğrenmesi Yöntemleriyle Tahmin Edilmesi
Predicting the Neurological Status of Intensive Care Patients with Cardiac Arrest Using Machine Learning Methods
- Tez No: 991766
- Danışmanlar: PROF. DR. FATMA LATİFOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, kardiyak arrest sonrası komada bulunan hastaların nörolojik prognozlarının tahmin edilmesi amacıyla PhysioNet George B. Moody Challenge 2023 kapsamında sunulan I-CARE veri setine ait EEG kayıtları kullanılmıştır. Hastalar Cerebral Performance Category (CPC) skorlarına göre iyi (good) ve kötü (poor) prognoz grupları olarak sınıflandırılmıştır. EEG sinyallerine Varyasyonel Mod Ayrışımı (VMD), Ampirik Mod Ayrışımı (EMD), Ampirik Dalgacık Dönüşümü (EWT) ve Öz Uyarlanımlı Tekil Spektrum Ayrışımı (OSSD) yöntemleri uygulanmış, elde edilen alt bantlardan çeşitli öznitelikler çıkarılmıştır. Özellik seçimi için LASSO yöntemi kullanılmış ve seçilen öznitelikler Yapay Sinir Ağları (ANN), Destek Vektör Makineleri (SVM) ve Rastgele Orman (RF) algoritmaları ile sınıflandırılmıştır. Modeller 10 katlı çapraz doğrulama yöntemi ile değerlendirilmiştir. Sonuçlar, sinyal ayrıştırma yöntemlerinin ham EEG'ye göre daha yüksek sınıflandırma performansı sağladığını göstermiştir. En yüksek performans, 6. saat EEG kayıtlarında OSSD tabanlı ANN modeli ile elde edilmiş ve AUC değeri 0,9906 olarak bulunmuştur. Genel olarak OSSD yöntemi diğer yöntemlere kıyasla daha yüksek ve daha kararlı sonuçlar vermiştir. Elde edilen bulgular, EEG tabanlı sinyal ayrıştırma yöntemlerinin kardiyak arrest sonrası erken dönem nörolojik prognoz tahmininde etkili bir araç olabileceğini göstermektedir.
Özet (Çeviri)
This thesis study used EEG recordings from the I-CARE dataset, presented within the scope of the PhysioNet George B. Moody Challenge 2023, to predict the neurological prognosis of patients in coma following cardiac arrest. Patients were classified into good and poor prognosis groups according to their Cerebral Performance Category (CPC) scores. Variational Mode Decomposition (VMD), Empirical Mode Decomposition (EMD), Empirical Wavelet Transform (EWT), and Self-Adaptive Single Spectrum Decomposition (OSSD) methods were applied to the EEG signals, and various features were extracted from the resulting subbands. The LASSO method was used for feature selection, and the selected features were classified using Artificial Neural Networks (ANN), Support Vector Machines (SVM), and Random Forest (RF) algorithms. The models were evaluated using a 5-fold cross-validation method. The results showed that the signal decomposition methods provided higher classification performance compared to raw EEG. The highest performance was obtained with the OSSD-based ANN model in the 6-hour EEG recordings, and the AUC value was found to be 0.9906. Overall, the OSSD method yielded higher and more stable results compared to other methods. The findings indicate that EEG-based signal separation methods can be an effective tool in predicting early neurological prognosis after cardiac arrest.
Benzer Tezler
- Kardiyopulmoner resüsitasyon yapılmış çocuk hastalarda kardiyak arrestin etyolojisi, klinik özellikleri, uygulanan tedaviler ve sonuçları
Etiology, clinical characteristics, treatments and results of cardiac arrest in pediatric patients undergoing cardiopulmonary resuscitation
LALA GURBANOVA
Tıpta Uzmanlık
Türkçe
2023
Ankara ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
Yükleniyor...
- Konjenital kalp cerrahisi geçiren pediatrik olgularda risk skorlama sistemlerinin karşılaştırılması
Başlık çevirisi yok
SAMET KANBİR
- Ekstrakorporeal membran oksijenasyonu uygulanan hastaların değerlendirilmesi: Dört yıllık sonuçlarımız
Extracorporeal membrane oxygenation applied patients review: Four years results
BİLGEHAN ADIBELLİ
Tıpta Uzmanlık
Türkçe
2016
Başkent ÜniversitesiAnesteziyoloji ve Reanimasyon Ana Bilim Dalı
Yükleniyor...
- Femur fraktürü nedeniyle opere olan hastalarda intraoperatif kan transfüzyonunun postoperatif mortalite ve morbidite ile ilişkisinin değerlendirilmesi
Evaluation of the relationship between intraoperative blood transfusion and postoperative mortality and morbidity in patients with femur fractures undergoing surgery
FATMA TUĞÇE SOLAK
Tıpta Uzmanlık
Türkçe
2024
Akdeniz ÜniversitesiAnesteziyoloji ve Reanimasyon Ana Bilim Dalı
Yükleniyor...
- Hastanemizde mavi kod çağrılarının nedenleri ve doğruluğu
The reasons and the rightness of cod blue emergency calls in our hospital
MEHMET ALİ DEMİRCİ