Geri Dön

Yoğun Bakım Ünitesinde Tedavi Gören Hastaların Nörolojik Durumlarının Makine Öğrenmesi Modelleri ile Tahmin Edilmesi

Prediction of Neurological Status of Patients in Intensive Care Units Using Machine Learning Models

  1. Tez No: 991766
  2. Yazar: ŞERİFE ARZU ÇOPUR
  3. Danışmanlar: PROF. DR. FATMA LATİFOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Ana Bilim Dalı
  12. Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
  13. 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

  1. Tez No

    633936

    İSTANBUL'DA ÜÇÜNCÜ BASAMAK HASTANELERE YATIRILAN YAŞLI HASTALARIN DEMOGRAFİK VE TIBBİ ÖZELLİKLERİ: ÇOK MERKEZLİ, RETROSPEKTİF, HASTANE BİLGİ SİSTEMLERİ ÇALIŞMASI

    DEMOGRAPHIC AND MEDICAL CHARACTETISTICS OF ELDERLY PATIENTS HOSPITALIZED IN TERTIARY HOSPITALS IN ISTANBUL: MULTI-CENTER, RETROSPECTIVE, HOSPITAL INFIRMATION SYSTEMS STUDY

    ELİF UZUNER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    Geriatriİstanbul Medeniyet Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. AYTEKİN OĞUZ

  2. Tez No

    664043

    Çocuk yoğun bakım ünitesinde yatan hastalarda renal anjina indeksi ile akut böbrek hasarının erken dönemde tanınabilirliğinin değerlendirilmesi

    Evaluation of acute kidney injury by renal anginia index in pediatric intensive care unit patients

    EMİNE ŞEYMA EKEN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    Çocuk Sağlığı ve HastalıklarıSağlık Bilimleri Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    DOÇ. DR. NİDA DİNÇEL

  3. Tez No

    645404

    Yoğun bakım ünitesinde akut inme tanısı ile takip edilen hastalarda inflamasyon belirteçlerinin mortalite üzerine olan etkilerinin değerlendirilmesi

    Evaluation of the effects of inflammation markers on mortality in patients with A diagnosis of acute stroke in the intensive care unit

    UFUK MERT ERGİNER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    İç HastalıklarıDicle Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. ALİ KEMAL KADİROĞLU

  4. Tez No

    414890

    Serebral vasküler malformasyon tanılı çocuk hastaların demografik, morfolojik ve klinik özelliklerinin retrospektif değerlendirilmesi

    A retrospective evaluation of demographic, morphological and clinical characteristics of pediatric patients with cerebrovascular malformation

    ZÜHAL ÜMİT

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2015

    Çocuk Sağlığı ve HastalıklarıEge Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. BÜLENT KARAPINAR

  5. Tez No

    329956

    Yoğun bakım ünitelerinde hasta yakınlarının durumluk ve sürekli kaygıları ile yaşam doyumları arasındaki ilişkinin incelenmesi

    Examination of the correlation between state-trait anxiety and life satisfaction of the relatives of patients at intensive care.

    SALİME AVCI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2013

    Anestezi ve ReanimasyonAtatürk Üniversitesi

    Anesteziyoloji ve Reanimasyon Ana Bilim Dalı

    PROF. DR. MEHMET KIZILKAYA

Geri Dön