Ağrı hissinin EEG sinyalleri kullanılarak objektif tahmini ve derin öğrenme modelleri ile derecelendirilmesi

Ağrı, haz verici olmayan kompleks ve çok boyutlu olmak üzere kişilerin tecrübe ettiği his olarak tanımlanır. Ağrının objektif olarak sınıflandırılması, hastanelerde mönitörize olmuş hastalar için, kendini ifade edemeyen bireyler için ve ameliyat sonrası ya da esnasında anesteziye maruz kalmış kişiler için büyük önem taşımaktadır. Ayrıca ağrının subjektif olarak derecelendirilmesi kişiden kişiye yanıltıcı bir cevaba sebep olabilmektedir ve kişinin yanlış tedavi protkolüne yönlendirilmesi ile sonuçlanabilmektedir. Ağrının yapay zeka modelleri ile derecelendirilmesi sayesinde doğru tedaviye yönelim ve kendini ifade edemeyen bireylerin ağrı şiddetlerini derecelendirebilmesi hakkında bilgiye ulaşmak mümkün olabilecektir. Yapılan tez çalışmasında, ağrı uyarını verilerek bireylerden alınan EEG verileri bir boyutlu evrişimsel sinir ağı modeli (1 Dimensional Convolutional Neural Networks, 1D CNN) oluşturularak yüksek ve düşük ağrı olarak sınıflandırılmıştır. Modelde kullanılacak öznitelik seçimi için alınan EEG verileri öncesinde gürültülerden temizlenmiştir. Sonraki aşamada temizlenen verilere T-test uygulanarak fark oluşan bölümler belirlenmiştir. Belirlenen bölümlerden zaman-frekans cevabında öznitelikler çıkarılarak hazırlanan modelde kullanılmıştır. Tasarlanan model karşılaştırılma amaçlı derin öğrenme modellerinden olan özyinemeli sinir ağları (Reccurrent Neural Network, RNN) modeli ile karşılaştırılmıştır. Tez çalışmasının sonucunda alınan bilgiler dahilinde tasarlanan 1 boyutlu evrişimsel sinir ağları modelinin ortalama %92 oranında doğru sınıflandırma yaptığı gözlemlenmiştir. Elde edilen bulgular dahilinde ağrı hissinin objektif derecelendirilmesi için tasarlanan modelin iyi bir belirteç olabileciğini göstermektedir.