Uyku apnesi ile uyku evreleri arasındaki ilişkinin tespit edilmesi

Uyku, insan yaşamı için önemli bir süreçtir. İnsan vücudu için en temel dinlenme biçimidir ve kalitesi insan yaşamını önemli derecede etkilemektedir. Uyku kalitesizliğinden kaynaklanan kalpte ve beyinde sorunlara neden olabilen birçok hastalık vardır. Bu hastalıkların en basiti horlama en ciddisi uyku apnesidir. Uyku evreleme, günlük hayatı olumsuz yönde etkileyen ve ölüme sebep olabilen uyku rahatsızlıklarının özellikle de uyku apnesinin teşhisinde önemli rol oynamaktadır. Uyku evreleme uyku esnasında kaydedilen biyomedikal sinyallerin uyku uzmanı tarafından Amerikan Uyku Tıbbı Akademisi (American Academy of Sleep Medicine – AASM) tarafından belirlenen standartlara göre değerlendirilmesi ile yapılmaktadır. Bu sinyaller (Elektroensefalogram (EEG), Elektromiyogram (EMG), Elektrokardiyogram (EKG) ve Elektrookülogram (EOG)), Polisomonografi (PSG) cihazı ile uyku laboratuvarlarında kaydedilmektedir. Uyku, uyanıklık (Wake) evresi hariç kendi içerisinde iki ana bölüme ayrılmaktadır: Hızlı Olmayan Göz Hareketleri (NREM) ve Hızlı Göz Hareketleri (REM). NREM evresi de kendi içerisinde NREM1, NREM2, NREM3 olarak üç kısma ayrılmaktadır. Her birey uyku sırasında belli bir düzende NREM ve REM evrelerini yaşamaktadır. Bu evreleri uyku esnasında oluşma sıklığı bireyin uyku kalitesi ve sağlığı hakkında bilgi verir. Bu tez çalışmasında, PSG ile kaydedilen sinyallerden biri olan EEG ile uyku evreleme yaptıktan sonra, uyku apnesinin uyku evreleri ile ilişkisinin incelenmesi amaçlanmıştır. Uyku evreleme yapılırken, EEG sinyalinden üç farklı özellik seti oluşturulmuştur. Birinci özellik seti Ayrık Dalgacık Dönüşümü yöntemi ile elde edilen alt bantlardan çıkarılan 80 özellikten oluşmaktadır. İkinci özellik seti Ampirik Mod Ayrıştırma (Empirical Mode Decomposition- EMD) yöntemi kullanılarak elde edilen 26 adet özellikten ve üçüncü özellik seti de Varyasyon Mod Ayrıştırma (Variational Mode Decomposition- VMD) yöntemi ile çıkarılan 26 özellikten oluşturulmuştur. Özellik setlerindeki tüm özellikler birleştirilerek 132 özellikten oluşan dördüncü özellik seti elde edilmiştir. Son olarak dördüncü özellik setine Relief özellik seçme yöntemi uygulanarak en etkin 91 özellik seçilmiştir ve seçilen bu özelliklerle beşinci özellik seti oluşturulmuştur. Bu beş özellik setinin her biri için Yapay Sinir Ağları (Artificial Neural Network- ANN), Destek Vektör Makineleri (Support Vector Machine- SVM), k En Yakın Komşu Algoritması (k Nearest Neighbors- kNN) ve Torba Ağaç Algoritması (Bagged Tree- BT) sınıflandırıcıları için uyku evreleme işlemi yapılmıştır. En yüksek test başarısı %70.02 ile EMD yöntemi ile çıkarılan özellikler ve ANN sınıflandırıcısı ile elde edilmiştir. En yüksek sınıflandırıcı modeli kaydedilerek, evrelemede kullanılmayan farklı 9 hasta validasyon için kullanılmıştır ve bu 9 hastanın uyku apnesi rahatsızlığının evreler ile olan ilişkisi incelenmiştir.