Tıkayıcı uyku apnesinin konuşma sinyallerinin doğrusal olmayan analizleri ile tespit edilmesi

Tıkayıcı Uyku Apnesi (TUA) en sık görülen uyku bozukluklarından biridir. TUA Altın Standart Tanı Yöntemi Polisomnografidir. TUA tanısı, bir gece uykusu boyunca çok sayıda fizyolojik parametrenin kaydı ve bu kayıtların skorlanması sonucunda konulabilmektedir. Uygulanması sırasında karşılaşılan zorluklar ve maliyetinin yüksek olması nedeniyle, son yıllarda TUA tespitinde Polisomnografinin yerine basitleştirilmiş yaklaşımların geliştirilmesine yönelik çalışmalar önem kazanmıştır. Hastaların evlerinde kendi başlarına kaydedebilecekleri fizyolojik parametrelerin ve TUA belirteçlerinden biri olan horlama seslerinin değerlendirilmesini içeren çalışmalar, apne tespitinde belli oranda başarı göstermişlerdir. Ancak bu yöntemlerde gece boyunca kayıt yapılması dezavantajı ortadan kaldırılamamıştır. Son yıllarda, solunum ve ses yolunun ortak olmasını dikkate alan çalışmalarda, hastalar uyanıkken kaydedilen birkaç dakikalık ünlü harfleri içeren konuşma seslerinin klasik ses analizleriyle değerlendirilmesi yaklaşımıyla TUA tespitine odaklanılmıştır. Bu çalışmada, literatürdeki çalışmalardan farklı olarak, TUA hastalarında uyku sırasında sarkarak solunum yolunu tıkayan kaslar (art damak, yumuşak damak, küçük dil veya dil kökü) tarafından üretilen ünsüz sesler kullanılarak yüksek doğrulukla TUA tespiti yapmak amaçlanmıştır. Çalışmada, 20 TUA hastası ve 20 sağlıklı denekten alınan; {/ca/, /ci/, /cı/, /cu/, /ga/, /gi/, /gı/, /gu/, /ha/, /hi/, /hı/, /hu/, /ka/, /ki/, /kı/, /ku/, /na/, /ni/, /nı/, /nu/, /sa/, /si/, /sı/, /su/} ünsüz ve {/a/, /i/, /ı/, /u/} ünlü seslerin doğrusal olmayan doğasını ortaya koyan özellikleri hesaplanmış ve bunların TUA tespit başarımları, K En Yakın Komşu (K-EYK) ve Destek Vektör Makineleri (DVM) sınıflayıcılarıyla değerlendirilmiştir. Öncelikle doğrusal olmayan özelliklerle sadece ünlü, sadece ünsüz ve tüm sesler için sınıflama yapılmıştır. Ardından, doğrusal olmayan özelliklere klasik ses analizlerinde kullanılan bazı özellikler eklenerek, yapılan sınıflama işlemleri tekrarlanmıştır. Doğrusal olmayan özelliklerle elde edilen TUA tespit doğrulukları; ünlü, ünsüz ve tüm sesler için sırasıyla, K-EYK ile %97,5, %97,5 ve %100; DVM sınıflayıcısıyla %95, %97,5 ve %96,25 olmuştur. Hem doğrusal olmayan hem de klasik ses analizine ait özelliklerin birlikte kullanıldığı sınıflamalarda ise K-EYK sınıflama doğruluğu sadece ünlü seslerde artarak %100'e ulaşmış, diğer gruplarda neredeyse değişiklik olmamıştır. Bu uygulamadaki DVM doğrulukları ise ünlüler ve tüm sesler için bir miktar artarken (%98,75), ünsüz seslerde (%97,5) değişmemiştir. Bu sonuçlar, ünsüz sesler için doğrusal olmayan özelliklerin ayırt edici olduğunu göstermektedir. Elde edilen sonuçlar, doğrusal olmayan özelliklerin hem ünsüz hem de ünlü sesler için, klasik ses analizleri ile literatürde elde edilenlerden çok daha yüksek TUA tespit başarımı sağladığını göstermektedir. Sonuç olarak bu tez çalışmasında, TUA hastası kişilerden alınacak birkaç dakikalık ses kaydı ve doğrusal olmayan analizlerle daha önce klasik ses analizlerini kullanarak TUA tespiti yapan çalışmaların ulaştığı başarım değerlerinin oldukça üzerinde değerlere ulaşılmıştır. Çalışmada önerilen sistemin, başarılı TUA ön tanısı yapılabileceği öngörülmektedir.