Multipl skleroz (MS) ve sağlıklı elektroensefalografi sinyallerinin sınıflandırılması

Multipl Skleroz (MS), merkezi sinir sisteminin otoimmün olduğu düşünülen kronik, inflamatuar bir demiyelinizan hastalığıdır. MS'in erken tanısı hastalığın tedavisi ve seyri için büyük önem taşımaktadır. Klinikte MS tanısı için manyetik rezonans görüntüleme (MRG), beyin omurilik sıvısı (BOS) ve uyarılmış potansiyeller kullanılmaktadır. Kullanılan bu yöntemlerin invaziv veya pahalı olması teşhis için zorluk yaratmaktadır. Hastalığın teşhisi için doğru ve etkili bir yol bulmanın önemi zamanla artmıştır. Bu doğrultuda, MS'de görülen demiyelinizasyon ve aksonal hasar sonucunda beynin serebral korteksinin etkilenmesi ve buna bağlı olarak da nöronların aktivitesinin değişmesi nedeniyle elektroensefalografi (EEG) analizinin hastalığın ön tanısına katkı sağlayacak bir yöntem olabileceği düşünülmektedir. Bunun nedeni, EEG'nin binlerce nöronun senkronize aktivitesi tarafından üretilen elektriksel potansiyeli ölçmesidir. Bu bilgilerden yola çıkılarak, bu çalışmada Başkent Üniversitesi Ankara Hastanesi Nöroloji Kliniği'nde MS tanısı konulan ve sağlıklı bireylerden alınan EEG sinyalleri analiz edilmiş ve bu iki grubu birbirinden ayırabilecek farklılıklar belirlenmiştir. Bu farklılıklar temel alınarak makine öğrenmesi yaklaşımları ile MS ve sağlıklı bireyleri yüksek doğrulukta sınıflandırabilecek bir yöntem geliştirilmesi amaçlanmıştır. Çalışmanın ilk aşamasında göz kapalı dinlenim durumunda alınan EEG sinyalleri için hemisferler arası ve hemisferler içi kanal çiftleri arasında senkronizasyon analizi gerçekleştirilmiştir. Bu doğrultuda, koherans analizi ve karşılıklı bilgi kestirimi yöntemleri uygulanmıştır. Koherans analizi sonucunda, EEG alt bantlarına (delta, teta, alfa, beta ve gama) karşılık gelen frekans aralıklarının normalize koherans spektrum eğrisinin altında kalan alanları ve kanal çiftlerinin karşılık bilgi değerleri öznitelik olarak belirlenmiştir. Çalışmanın ikinci aşamasında ise 5 Hz, 10 Hz, 15 Hz, 20 Hz ve 25 Hz frekanslarında ışıklı uyarım durumunda alınan EEG sinyallerine sürekli dalgacık dönüşümü yöntemi uygulanmıştır. Analiz sonucunda sırasıyla bu frekans uyarımı bölgelerine karşılık gelen dalgacık dönüşümü katsayıları hesaplanmıştır. Her uyarım bölgesindeki "1-4 Hz" ve "4-13 Hz" frekans aralıklarına karşılık gelen mutlak dalgacık katsayılarının toplamları, maksimumları, standart sapmaları ve minimumları öznitelik olarak belirlenmiştir. Göz kapalı ve ışıklı uyarım EEG sinyalleri için belirlenen öznitelikler kullanılarak k en yakın komşu, destek vektör makinesi, karar ağaçları ve topluluk yöntemleri ile sınıflandırma çalışmaları yapılmıştır. Çalışma sonunda, göz kapalı EEG ve ışıklı uyarım EEG sinyalleri için yüksek doğruluk oranında MS ve sağlıklı ayrımı yapabilen bir karar destek sistemi geliştirilmiştir.