EEG ve EKG işaretlerinden örüntü tanıma uygulamaları ve karşılaştırılması

Uykuya ilişkin fizyolojik veya hastalıklı bir durumun değerlendirilmesinde kullanılan geleneksel Polisomnografi tekniği, karmaşıklığı ve maliyeti nedeniyle birtakım dezavantajlara sahiptir. Son zamanlarda bu tekniğe alternatif olarak, tanı ve değerlendirmede yeni otomatik tanı teknikleri üzerinde çalışılmaktadır.Bu çalışmanın temel amaçlarından birincisi, uyanık durumdan uyku durumuna geçiş sürecinde kaydedilen Electroensefolagram (EEG) işaretlerinden, kişinin uyanıklık seviyesini tespit eden bir otomatik örüntü tanıma sistemi sunmaktır. Sunulan bu sistemde, EEG işaret örüntülerinin karakteristik özelliklerinin ortaya çıkarılması için Dalgacık Dönüşümü (DD) tabanlı iki ayrı özellik çıkarım yöntemi kullanılmıştır. Bu özellik çıkarım yöntemlerinin her birinin etkinliği, Yapay Sinir Ağları (YSA), En Küçük Kareler Destek Vektör Makineleri (EKK-DVM) ve Uyarlamalı Sinirsel Bulanık Çıkarım Sistemi (Adaptive neuro-fuzzy Inference System (ANFIS)) sınıflandırıcıları üzerinde test edilmiştir. Uyanıklık seviyesinin tespiti için kullanılan bu altı farklı sınıflandırma yaklaşımının performans karşılaştırılması yapılmıştır.Bu çalışmanın ikinci temel amacı ise kişinin gece boyunca alınan Elektrokardiyogram (EKG) kaydından, önemli bir halk sağlığı problemi olan, Obstruktif Uyku Apne Sendromu (OUAS) hastası olup olmadığını belirleyen bir otomatik örüntü tanıma sistemi sunmaktır. Bu sistemde öncelikle DD analizine dayalı bir algoritma kullanılarak, EKG kaydından Kalp Hız Değişkenliği (KHD) ve EKG'den Türetilen Solunum (ETS) işaretleri hesaplanmıştır. Daha sonra gerek KHD ve gerekse ETS işaretlerinin karakteristik özelliklerinin ortaya çıkarılması için yine DD tabanlı iki ayrı özellik çıkarım yöntemi kullanılmıştır. Sistemin sınıflandırma kısmında ise biri YSA, diğeri ise EKK-DVM olmak üzere iki farklı sınıflandırıcı kullanılmıştır. Bu otomatik örüntü tanıma sistemi ile EKG kayıtlarından kişinin OUAS hastası olup olmadığının tespiti için on iki farklı sınıflandırma yaklaşımı yapılıp, bu yaklaşımların test performans sonuçları karşılaştırılmıştır.Ayrıca bu tezde sunulan her iki sistem, performans açısından literatürdeki benzer çalışmalar ile kıyaslanmıştır.Anahtar Kelimeler: Uyanıklık Seviyesi, Obstruktif Uyku Apne Sendromu (OUAS), EEG, EKG, Kalp Hızı Değişkenliği (KHD), EKG'den Türetilen Solunum (ETS), Örüntü Tanıma, Dalgacık Dönüşümü (DD), En Küçük Kareler Destek Vektör Makineleri (EKK-DVM), Yapay Sinir Ağları (YSA), Uyarlamalı Sinirsel Bulanık Çıkarım Sistemi (ANFIS).