Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2017
Tezin Dili: Türkçe
Öğrenci: Ümran Işık
Asıl Danışman (Eş Danışmanlı Tezler İçin): Ayşegül GÜVEN
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Obstrüktif uyku apnesi (OSA) en önemli uyku rahatsızlıklarından biridir. Solunum durmaları ve sonrasındaki solunum çabası temel olarak hastalığı karakterize eder. Polisomnografi (PSG) gece uyku boyunca alınan, EEG, EOG, EMG, EKG, Hava akışı, SPO2 gibi çeşitli fizyolojil sinyalleri içerisinde barındıran ve teşhiste faydalanılan temel yöntemdir. Bu çalışmanın amacı OSA hastaları ve normal teşhis konulmuş bireylerin PSG kayıtlarından (Erciyes Üniversiyesi Uyku Laboratuvarı) faydalanarak OSA durumunun değerlendirilmesidir. Çalışma 3 uygulama halinde planlanmıştır. Uygulama 1'de Normal (OSA teşhisi konulmayan kontrol grubu), Hafif, Orta ve Ağır OSA hastalarının sınıflandırılması üzerinde çalışılmıştır. Herbir gruptan 30 ar örnek olmak üzere toplam 120 örnek üzerinde çalışılmıştır. PSG raporlarından elde edilen toplam 30 özellik sınıflandırmada kullanılmıştır. Daha sonraki adımında belirlenen özelliklere Temel Bileşen Analizi (TBA) uygulanarak elde edilen temel bileşenlerle sınıflandırma tekrar gerçekleştirilmiştir. Uygulama 2'de ve 3'de 6 OSA hastası ve 6 kontrole (OSA teşhisi konulmamış normal olarak teşhiş konulmuş bireyler) ait kayıtlar üzerinde çalışılmıştır. OSA hastaları için nazal kanülden OSA olan örnekler normal teşhis konan kişiler için ise apneli olmayan rasgele bölgeler seçilerek diğer sinyallerin seçilen bu kısımlara denk gelen bölgeleri bulunmuş ve bu kısımların istatistiksel özellikleri olan ortalama, varyans ve entropi değerleri hesaplanmıştır. Uygulama 2'de seçilen kısımlardan EEG, EMG, EKG, EOG, SPO2 ye denk gelen sinyal parçaları için ortalama, varyans ve entropi değerleri hesaplanarak daha sonraki analizlerde kullanılmıştır. Analizde yine TBA uygulanarak sınıflandırma tekrar yapılmıştır. Uygulama 3'de ise seçilen sinyal parçalarının wavelet katsayılarına ait ortalama, varyans ve entropi değerleri herbir EEG kanalı için (C3A2 ve C4A1) hesaplanmış ve REM (Hızlı göz hareketi olan Uyku Evresi) ve NREM (Hızlı Göz Hareketi Olmayan Uyku Evresi) bölgeleri için örnekler alınarak birleştirilmiş ve sınıflandırmada kullanılmıştır. Analiz daha sonra iki veri indirgeme yöntemi (önemli katsayıların belirlenmesi ve TBA) ile elde edilen özelliller üzerinden tekrarlanmıştır. Bütün uygulamalarda ve kullanılan sınıflandırıcıların büyük çoğunluğunda genel olarak % 80 - % 90 gibi yüksek doğruluk oranları gözlenmiştir. Bölümlerin kendi içinde değerlendirildiği birçok analizde yine %90 doğruluk oranlarının üzerine çıkıldığı da gözlenmiştir. Uygulama 1'de genel olarak sınıflandırıcılarla yüksek doğruluk oranlarına ulaşılmıştır. Genel olarak bakıldığında YSA, SL, OneR, LMT, DT, RF, CVR nispeten yüksek doğruluk oranları veren sınıflandırıcılar arasındadır. Uygulama 2 sonuçları genel olarak değerlendirildiğinde; SPO2'nin genelde çok yüksek sonuç verdiği gözlemlenmiştir. Abdominal sinyalinin de yine SPO2 kadar olmamakla beraber nispeten yüksek değerler verdiği görülmektedir. Abdominalden sonra nispeten yüksek değerler veren diğer sinyal EEG'dir. EKG, EMG ya da EOG sinyallerine bakıldığında tek tek kullanıldıklarında SPO2, Abdominal ya da EEG sinyallerine göre biraz daha düşük değerler vermişlerdir. Uygulama 2 ve 3 için genel olarak tüm sonuçlara bakıldığında NREM bölgesinin REM bölgesine göre genel olarak CCI ve ROC değerleri için daha yüksek doğruluk oranları verdiği görülmektedir. Benzer şekilde daha düşük MAE değerleri yani daha düşük hata oranları dolayısıyla yine daha yüksek doğruluk oranları verdiği görülmektedir. Uygulama 3 sonuçları genel olarak değerlendirildiğinde SL, YSA, LMT, LG, KNN, RF, VR, MCC, RFC, RC sınıflandırıcıları nispeten yüksek doğruluk oranları veren sınıflandırıcılar arasında çıkmıştır.