Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Kocaeli Üniversitesi, Fen Bilimleri Enstitüsü, Elektronik ve Bilgisayar Eğitimi, Türkiye
Tezin Onay Tarihi: 2015
Tezin Dili: Türkçe
Öğrenci: OĞUZ HAN TİMUŞ
Danışman: Emine Bolat
Özet:
Uyku hastalıkları arasında en sık karşılaşılan ve toplumun %1-5'ini etkileyen Obstrüktif Uyku Apne Sendromu (OUAS) her yaşta ve etnik grupta görülebilen bir hastalıktır. Hastalığın teşhisinde altın standart olarak kabul edilen Polisomnografi (PSG) incelemesi uzun zaman alan ve masraflı bir yöntemdir. Elektrokardiyografi (EKG) analizinin uyku apnesi tespitinde basit ve etkili bir yöntem olması nedeniyle alternatif teşhis ve karar destek sistemleri için Kalp Atım Hızı Değişimi (KAHD) ile solunumu dolaylı olarak gösteren EKG'den Türetilmiş Solunum (ETS) sinyali analizine dayalı birçok araştırma yapılmıştır. Bu çalışmada, yumuşak hesaplama algoritmaları ile gece uykusu sırasında oluşan apneleri EKG sinyali üzerinden yüksek doğrulukta sınıflandırarak, OUAS'ın teşhisi ve derecesinin belirlenmesinde hekime yardımcı olacak güvenilir bir örüntü tanıma sistemi oluşturmak amaçlanmıştır. Çalışmada, bir tanesi eğitim, diğeri de test amacıyla gerçek hasta kayıtlarından oluşan iki farklı veri apne tabanı kullanılmıştır. EKG sinyalinden elde edilen KAHD ile ETS sinyallerinin zaman ve frekans uzaylarındaki analizlerinden elde edilen öznitelikler dört farklı grup altında, k-En Yakın Komşu Algoritması (kNN), Çok Katmanlı Almaç (MLP), Destek Vektör Makineleri (SVM) ve C4.5 Karar Ağacı sınıflandırıcılarının kullanıldığı 16 örüntü tanıma modeli oluşturulmuştur. Her modül öznitelik seçimi ve sınıflandırıcı optimizasyonu sonrasında eğitilmiş ve test verileriyle test edilmiştir. Test sonucunda %100 doğrulukta OUAS teşhisi ile %97 doğrulukta OUAS derecesinin sınıflandırılması başarımı sağlanmıştır. Sonuç olarak, EKG sinyali üzerinden holter gibi pratik ve taşınabilir bir EKG kayıt cihazının kullanılması ile KAHD ve ETS sinyallerinin zaman uzayı analizinden seçilmiş özniteliklerin kullanıldığı, optimize edilmiş kNN sınıflandırıcısına dayalı model ile OUAS şüphesi olan hastaların güvenilir seviyede teşhisinin ve sınıflandırılmasının yapılabileceği sonucuna varılmıştır.