EKG sinyallerinden yapay zeka yöntemleri kullanılarak uyku apnesi teşhisinin yapılması

Uyku, canlıların dış uyaranlara karşı minimum seviyede tepki verdiği veya tepki vermediği tekrarlanan bir durumdur. Kronik uykusuzluk, yeme bozuklukları, huzursuz bacak sendromu ve uyku apnesi gibi rahatsızlıklar uyku kalitesini etkileyen ve ciddi sorunlara yol açan hastalıklar arasındadır. Üst solunum yollarının daralması veya tıkanması sonucunda solunumun 10 sn veya daha uzun süre boyunca tekrarlayan ataklarla durması sendromuna uyku apnesi denilmektedir ve en yaygın olanı Obstrüktif Uyku Apnesidir (OUA). Bu tez çalışması kapsamında EKG sinyalleri üzerinden makine öğrenmesi ve derin öğrenme algoritmaları kullanarak uyku apnesi tespiti yapılmıştır. İlk aşamada EKG sinyali bölütlere ayrılarak R tepe noktaları belirlenmiş ve her bir bölütün uyku apnesi olup olmadığı sınıflandırılmıştır. İkinci aşamada ise bölütlere dayalı sınıflandırma yapılan 35 EKG kaydının her birinin OUA hastası olup olmadığı sınıflandırılmıştır. Makine öğrenmesi algoritmaları olarak yedi farklı sınıflandırıcı, derin öğrenme algoritması olarak üç farklı sınıflandırıcı kullanılmıştır. Bölütlere dayalı sınıflandırmada Evrişimsel Sinir Ağı (CNN) algoritması % 89,11 doğruluk; % 94,31 hassasiyet; % 80,72 seçicilik; 0,89 F1 Puanı ve 0,87 AUC değerleri ile en yüksek sonucu veren algoritma olmuştur. Her bir kaydın Apne - Hipopne İndeksine göre yapılan OUA ve normal sınıflandırması sonuçlarında CNN mimarisi %97,14 doğruluk; %100 seçicilik; %95,65 hassasiyet; 0,97 F1 puanı ve 0,98 AUC değeri ile en yüksek başarıyı veren algoritma olmuştur.