Psikotik bozukluğu olan hastalar ve sağlıklı kontrollerin ayrımında EEG güç analizlerinin kullanılması: Yapay zeka destekli bir model
Use of EEG power analysis in the differentiation of patients with psychotic disorders and healthy controls: An artificial intelligence–assisted model
- Tez No: 999077
- Danışmanlar: DOÇ. DR. ŞAKİR GICA
- Tez Türü: Tıpta Uzmanlık
- Konular: Psikiyatri, Psychiatry
- Anahtar Kelimeler: Psikotik bozukluk, Kantitatif EEG, Spektral güç analizi, Makine öğrenimi, Çok katmanlı algılayıcı (MLP), Psychotic disorder, Quantitative EEG, Spectral power analysis, Machine learning, Multilayer perceptron (MLP)
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmada, psikotik bozukluk tanılı hastalar ile sağlıklı kontrollerin EEG kayıtlarından elde edilen veriler üzerinde spektral analiz yapılarak mutlak ve göreli frekans bant güçlerinin hesaplanması, kantitatif EEG ölçütlerinin gruplar arasında karşılaştırılması ve makine öğrenimi yöntemleri kullanılarak hasta ve sağlıklı bireylerin ayırt edilebilirliğini değerlendirilmesi amaçlanmıştır. Yöntem: Çalışma, Ocak 2015 – Mayıs 2025 tarihleri arasında Necmettin Erbakan Üniversitesi Tıp Fakültesi Hastanesi Psikiyatri ve Nöroloji bölümlerine başvuran, EEG kaydı bulunan bireylerin hastane kayıtlarının retrospektif olarak taranmasıyla yürütülmüştür. Ruhsal Bozuklukların Tanısal ve Sayımsal El Kitabı (DSM-5) tanı kriterlerine göre psikotik bozukluk tanı kriterlerini karşılayan 53 hasta ile 51 sağlıklı kontrol çalışmaya dahil edilmiştir. EEG verilerinin ön işleme ve analizleri BrainVision Analyzer programı ve MATLAB yazılımları kullanılarak gerçekleştirilmiş; mutlak ve göreli spektral güç değerleri hesaplanmıştır. Kantitatif EEG özelliklerinin istatistiksel analizlerinin ardından, toplam 246 özellik kullanılarak Çok Katmanlı Algılayıcı (Multilayer Perceptron, MLP) temelli makine öğrenimi analizleri uygulanmıştır. Bulgular: MLP sınıflandırıcısı ile oluşturulan modeller arasında en yüksek performansı gösteren model hasta ve sağlıklı bireyleri %90,48 doğruluk, %91,67 kesinlik ve %90,91 duyarlılık oranlarıyla ayırt etmiştir. Farklı başlangıç tohumları kullanılarak oluşturulan 30 modelin ortalama performansları yöntemin %83 doğruluk, %85 duyarlılık ve %83 kesinlik ile tutarlı ve istikrarlı bir sınıflandırma performansı sunduğunu göstermiştir. Bölgesel güç analizlerinde, psikotik bozukluk grubunda kontrollere kıyasla frontal mutlak delta gücü artışı (p=0.003); frontal (p=0.04), santral (p=0.03) ve oksipital (p=0.05) bölgelerde mutlak teta güçlerinde artış; prefrontal göreli delta artışı (Fp1, p=0.02 ve Fp2 p=0.008) ve santral (p=0.004), sağ temporal (p=0.05) ve parietal (p=0.05) bölgelerde göreli teta güçlerinde artış ile sol prefrontal (Fp1, p=0.03) göreli alfa gücünde azalma gözlenmiştir. Sonuç: Bu çalışmada çoklu kortikal alanlarda gösterilen yavaş dalga aktivitesindeki artış ve prefrontal alfa aktivitesindeki azalma, psikotik bozuklukların kortikal uyarılabilirlik, talamokortikal döngüler ve hipofrontalite ile ilişkili patofizyolojisine dair önemli bulgular sunmaktadır. Kantitatif EEG verilerinden elde edilen spektral güç ölçütleri kullanılarak psikotik bozukluk tanılı bireyler ile sağlıklı kontrollerin makine öğrenimi yöntemiyle yüksek doğrulukla ayırt edilebildiği gösterilmiştir. Çoklu EEG özelliklerinin birlikte değerlendirilmesi, klasik istatistiksel analizlerle doğrudan ortaya konulamayan elektrofizyolojik örüntülerin ortaya çıkarılmasını sağlamaktadır. Bulgular tekil EEG parametrelerinin ötesinde çok değişkenli ve örüntü temelli yaklaşımların beyin işlevlerindeki karmaşık organizasyonu daha duyarlı biçimde yansıtabileceğini düşündürmektedir.
Özet (Çeviri)
Aim: This study aimed to calculate absolute and relative frequency band powers by performing spectral analysis on data obtained from EEG recordings of patients diagnosed with psychotic disorders and healthy controls, to compare quantitative EEG measures between groups, and to evaluate the discriminability of patients and healthy individuals using machine learning methods. Methods: The study was conducted through a retrospective review of hospital records of individuals who applied to the Psychiatry and Neurology departments of Necmettin Erbakan University Faculty of Medicine Hospital between January 2015 and May 2025 and had EEG recordings. A total of 53 patients meeting the diagnostic criteria for psychotic disorders according to the Diagnostic and Statistical Manual of Mental Disorders (DSM-5) and 51 healthy controls were included in the study. EEG data preprocessing and analyses were performed using the BrainVision Analyzer program and MATLAB software, and absolute and relative spectral power values were calculated. Following the statistical analyses of quantitative EEG features, machine learning analyses based on a Multilayer Perceptron (MLP) were applied using a total of 246 features. Results: Among the models generated using the MLP classifier, the model with the highest performance distinguished patients and healthy individuals with an accuracy of 90.48%, a precision of 91.67%, and a sensitivity of 90.91%. The average performances of 30 models generated using different random seeds demonstrated that the method provided a consistent and stable classification performance with 83% accuracy, 85% sensitivity, and 83% precision. In regional power analyses, compared to controls, the psychotic disorder group showed an increase in frontal absolute delta power (p = 0.003); increases in absolute theta power in the frontal (p = 0.04), central (p = 0.03), and occipital (p = 0.05) regions; an increase in prefrontal relative delta power (Fp1, p = 0.02 and Fp2, p = 0.008); increases in relative theta power in the central (p = 0.004), right temporal (p = 0.05), and parietal (p = 0.05) regions; and a decrease in relative alpha power at the left prefrontal region (Fp1, p = 0.03). Conclusion: The increases in slow-wave activity observed across multiple cortical areas and the decrease in prefrontal alpha activity provide important evidence regarding the pathophysiology of psychotic disorders associated with cortical excitability, thalamocortical circuits, and hypofrontality. It was demonstrated that individuals diagnosed with psychotic disorders and healthy controls could be distinguished with high accuracy using machine learning methods based on spectral power measures derived from quantitative EEG data. The joint evaluation of multiple EEG features enables the identification of electrophysiological patterns that cannot be directly revealed by classical statistical analyses. The findings suggest that multivariate and pattern-based approaches beyond single EEG parameters may more sensitively reflect the complex organization of brain functions.
Benzer Tezler
- Adli psikiyatri polikliniğine şiddet suçu ile yönlendirilen psikotik özellikli hastaların dürtüsellik ve saldırganlık seviyelerinin çocukluk çağı travması, bağlanma biçimi, içgörü ve algılanan sosyal destek açılarından sağlıklı kontrollerle karşılaştırılması
Comparison of impulsivity and agression levels with childhood trauma, attachment style, insight and perceived social support in psychotic patients applicants referred to forensic psychiatry outpatient clinic and healthy controls
ECE ILGAZLI
Tıpta Uzmanlık
Türkçe
2021
PsikiyatriBolu Abant İzzet Baysal ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. MEHMET HAMİD BOZTAŞ
- Dikkat eksikliği ve hiperaktivite bozukluğu tanılı çocuklarda serum bdnf düzeylerinin araştırılması
Investigation of serum bdnf levels in children diagnosed with attention deficit hyperactivity disorder
ENİS SARGIN
Tıpta Uzmanlık
Türkçe
2009
Çocuk Sağlığı ve HastalıklarıDokuz Eylül ÜniversitesiÇocuk Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. AYNUR AKAY
- Obsesif-kompulsif bozukluğu olan hastalarda motor kortekse eksitabilite ölçümleri ve ölçümlerin klinik seyir ile ilişkisini araştıran kontrollü bir çalışma
The evaluation of motor cortex excitability measures and the association of these measures with the clinical course in patients with obsessive - compulsive disorder
SELÇUK ŞİMŞEK
Tıpta Uzmanlık
Türkçe
2009
PsikiyatriDokuz Eylül ÜniversitesiPsikiyatri Ana Bilim Dalı
PROF. DR. TUNÇ ALKIN
- Şizofreni, bipolar affektif bozukluk ı hastalarında zihin kuramı, duygu tanıma, bilişsel işlev ve düşünce dil özelliklerinin sağlıklı kontrollerle karşılaştırılması
Comparison of theory of mind, emotion recognition, cognitive functions and thought and language characteristics with healthy controls in patients with schizophrenia, bipolar affective affective disorder
ZEHRA GÜNAY YAĞCI
Tıpta Uzmanlık
Türkçe
2019
PsikiyatriBolu Abant İzzet Baysal ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. MEHMET HAMİD BOZTAŞ
- Şiddet suçu öyküsü olan-olmayan şizofreni hastaları ve sağlıklı kontrollerin kognisyon, sosyal kognisyon, sonuca atlama yanlılığı ve dürtüsellik açısından karşılaştırılması
Comparison of schizophrenic patients with or without A history of violent crime and healthy controls in terms of cognition, social cognition, jumping-to-conclusion bias, and impulsivity
NAZENTE DÖNMEZ
Tıpta Uzmanlık
Türkçe
2021
PsikiyatriBolu Abant İzzet Baysal ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. ÖZDEN ARISOY