Alzheimer hastalığında beyin aktivitesinin analizinde permütasyon entropisi ve dispersiyon entropisinin karşılaştırılması: makine öğrenmesi yaklaşımı

Bu tez çalışmasında, Alzheimer hastalığının (AH) erken tanısı için EEG (Elektroensefalografi) verileri üzerinden elde edilen entropi temelli özniteliklerin makine öğrenmesi algoritmaları ile sınıflandırma performansı üzerindeki etkisi araştırılmıştır. Çalışmada kullanılan EEG verileri, 12 Alzheimer hastası ve 11 sağlıklı bireyden elde edilmiş, her bireyden alınan veriler alfa (8–13 Hz) ve beta (13–32 Hz) frekans bantlarına filtrelenmiş ve artefaktlardan arındırılmıştır. Çalışmanın ilk aşamasında, herhangi bir entropik öznitelik çıkarımı yapılmaksızın ham EEG verileri doğrudan sınıflandırma algoritmalarına sunulmuş ve Alzheimer hastaları ile sağlıklı bireyler arasında ayırt edici farklılıkların olup olmadığı incelenmiştir. İkinci aşamada, MATLAB ortamında EEG verileri üzerinden Permütasyon Entropisi (PE) ve Dispersiyon Entropisi (DE) hesaplanarak özellik vektörleri oluşturulmuş ve bu öznitelikler Python ortamında farklı sınıflandırma algoritmalarıyla değerlendirilmiştir. Üçüncü aşamada ise PE ve DE değerlerinin birlikte kullanıldığı çift entropi modeli ile sınıflandırma başarımı analiz edilmiştir. Random Forest, Yapay Sinir Ağı (YSA), Naive Bayes, k-En Yakın Komşu (k-NN) ve Karar Ağaçları olmak üzere beş farklı algoritma uygulanmış ve karşılaştırmalı sonuçlar elde edilmiştir. Genel olarak, çift entropi modelinin YSA algoritması ile birlikte kullanılması, bu çalışmada en yüksek sınıflandırma başarımlarını sağlamıştır. Ayrıca, istatistiksel analizler kapsamında Mann-Whitney U testi, t-testi ve Kruskal-Wallis testleri uygulanmış; özellikle F8, O1, O2, P3 ve P4 bölgelerinde hem PE hem DE açısından anlamlı farklılıklar bulunmuştur (p < 0.001). Elde edilen bulgular, entropi tabanlı EEG analizinin Alzheimer tanısında önemli ve güvenilir bir biyobelirteç potansiyeline sahip olduğunu ortaya koymaktadır. Bu yönüyle çalışma, literatürde özgün ve çok katmanlı bir yaklaşım sunmaktadır. Anahtar Sözcükler: Alzheimer hastalığı, EEG, Entropi, Makine öğrenmesi, Sınıflandırma