Please use this identifier to cite or link to this item:
https://hdl.handle.net/20.500.13091/2854
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Özşen, Seral | - |
dc.contributor.author | Koca, Yasin | - |
dc.date.accessioned | 2022-10-06T19:58:33Z | - |
dc.date.available | 2022-10-06T19:58:33Z | - |
dc.date.issued | 2022 | - |
dc.identifier.uri | https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=kScA8XnrRb0WogX-qPGFktYqynRC76pnpgq178vbP35v5NnLlBdOdSUdWMUNu1Ak | - |
dc.identifier.uri | https://hdl.handle.net/20.500.13091/2854 | - |
dc.description.abstract | Polisomnografi(PSG), uyku ile ilgili çeşitli bozuklukların tespiti ve tedavisi için tüm gece normal uyku esnasında kişiden solunum, kandaki oksijen yoğunluğu ve belirli vücut bölgelerinden (kafa, yüz, kalp vs.) alınan sinyallerin kaydedildiği bir testtir. Kayıtların değerlendirilmesinde uygulanması gereken ilk aşama skorlamadır. Uyku evrelerinin skorlanması; uyku evreleme aşamasının önemli parçasıdır. Uyku evreleme solunum ve uyku hastalıklarının teşhisinde ve tedavisinde önemli rol oynamaktadır. Günümüzde uyku evreleme aşaması polisomnografi yöntemiyle yapılmaktadır. Uyku kayıtlarının skorlanması için ilk standart yöntemi Rechtschaffen ve Kales (R&K) tarafından 1968 yılında geliştirilmiştir. Bu yöntemde bütün polisomnagrafi, epok adı verilen 30 saniyelik parçalara bölünür ve her bir epoğa etiketleme yapılır. Her bir etiket uykunun temel evrelerinden birini gösterir. Bu evreler başta Elektroensefalogram (EEG), Elektrookülogram (EOG) ve Elektromiyogram (EMG) kayıtları olmak üzere pek çok sinyalin incelenmesi ile belirlenir. 2007 yılında Amerikan Uyku Tıbbı Akademisi (AASM), uyku kayıt teknikleri ve skorlamada standardizasyon sağlayan yeni bir skorlama el kitabı yayınlamış, 2012 yılında ise revize edilerek yayınlanan el kitabı ile skorlama kriterleri güncellenmiştir ve bu kitabcık sayesinde uyku evreleri skorlaması en son halini almış ve bilimsel çalışmalara temel oluşturmuştur. Bu çalışmada, PSG kayıtlarının uyku skorlanmasındaki önemleri gereği EEG, EOG ve EMG sinyali kullanarak uyku evlerinin skorlanması hedeflenmiştir. Necmettin Erbakan Üniversitesi Meram Tıp Fakültesi uyku laboratuvarında 124 hastadan EEG(C4A1), Çene EMG(CHIN)'si, sol göz EOG (LEOG) ve sağ göz EOG (REOG) sinyalleri elde edilmiştir. Uyanık (Wake), Non-REM-1, Non-REM-2, Non-REM-3, REM bölgeleri uyku uzmanı tarafından skorlanan bu sinyaller üzerinden, zaman, frekans ve doğrusal olmayan ortamında özellikler çıkarılmış ve sınıflandırmaya tabi tutulmuştur. Sinyaller, Uyanık (Wake), Non-REM-1(N1), Non-REM-2(N2), Non-REM-3(N3), REM olarak gruplanmıştır. Sınıflandırma algoritması olarak, Karar Ağacı (KA), k-En Yakın Komşu algoritması (kNN), Yapay Sinir Ağı (YSA), Torbalı Ağaç (TA), Destek Vektör Makinesi(DVM) algoritmaları kullanılmış olup Relief-F yöntemi ile özellik seçimi yapılmıştır. Yapılan üç çalışmanın arasında en başarılı sınıflandırma sistemi Torbalı Ağaç algoritması olmuştur. Üçüncü tam kapsayıcı son çalışmada toplam veri seti için 135 özellik hazırlanmış ve sınıflandırma sonucu %84.19 doğruluk ile en yüksek Torbalı karar ağacı algoritması vermiştir. Relief-F yöntemi ile özellik seçimi sonucunda en yüksek sınıflandırma doğruluğunun 14 özellikle Torbalı Ağaç algoritması olduğu ve %95.06 doğruluk ile sınıflandırdığı görülmüştür. | en_US |
dc.description.abstract | Polysomnography(PSG) is a test conducted by recording, during overnight sleep, patient's breathing, blood oxygen level and signals read from particular body parts (head, face, heart etc.) for diagnosis and treatment of a variety of disorders related to sleep. Scoring is the first phase required to implement in assessement of recordings. Sleep scoring is an important part of sleep staging, Sleep staging plays a crucial role in diagnosis and treatment of respiratory and sleep disorders. Today, the phase of sleep staging is scored by using polysomnography method. First standard method of scoring sleep recordings was developed by Rechtschaffen and Kales (R&K) in 1968. In this method, the entire polysomnography is divided into 30-second parts called epoch and each epoch is labeled. Each label represents one of the basic stages of sleep. These stages are identified by examining mulitple signals particularly recordigns of Electroencephalogram (EEG), Electrooculogram (EOG) and Electromyogram (EMG). In 2007, The American Academy of Sleep Medicine (AASM) published a scoring manual which provided standardization in sleep recording methods and scoring, in 2012 with the revised version of manual they updated scoring criteria and thanks to this manual sleep stages scoring took its final form and provided the basis of scientific studies. In this study, because of the importance of PSG recordings in sleep scoring, it is aimed at scoring of sleep stages using EEG, EOG and EMG signals. In the laboratory of Necmetttin Erbakan University Meram Faculty of Medicine EEG(C4A1), Chin EMG(CHIN), left eye EOG (LEOG) and right eye EOG (REOG) signals were obtained from 124 patients. These signals were scored by a sleep specialist as Awake, Non-REM-1, Non-REM-2, Non-REM-3, REM and based on these signals scored features have been extracted in time, frequency and non-linear domain and classified. Signals have been classified in five levels as Awake (Wake), Non-REM-1(N1), Non-REM-2(N2), Non-REM-3(N3), REM. Decision Tree (DT), k-Nearest Neighbor Algorithm (kNN), Artificial Neural Network (ANN), Bagged Tree (BT), Support Vector Machine (SVM) algorithms have been used as classification algorithm and feature selection has been made by Relief-F method. Bagged Decision Tree Algorithm has been the most succesful classification system of the three studies which have been carried out. In the last full comprehensive study, 135 features have been prepared for the total dataset and in consequence of classification, Bagged Decision Tree Algorithm had the highest accuracy rate with 84.19%. At the stage of feature selection with Relief-F method, it occured that the highest classification accuracy is Bagged Decison Tree with 14 features and it is observed that it was classified with 95.06% accuracy rate. | en_US |
dc.language.iso | tr | en_US |
dc.publisher | Konya Teknik Üniversitesi | en_US |
dc.rights | info:eu-repo/semantics/openAccess | en_US |
dc.subject | Elektrik ve Elektronik Mühendisliği | en_US |
dc.subject | Electrical and Electronics Engineering | en_US |
dc.title | PSG kayıtları kullanılarak uyku evrelerinin sınıflandırılması | en_US |
dc.title.alternative | Classification of sleep stages using PSG recordings | en_US |
dc.type | Master Thesis | en_US |
dc.department | Enstitüler, Lisansüstü Eğitim Enstitüsü, Elektrik-Elektronik Mühendisliği Ana Bilim Dalı | en_US |
dc.identifier.startpage | 1 | en_US |
dc.identifier.endpage | 164 | en_US |
dc.institutionauthor | Koca, Yasin | - |
dc.relation.publicationcategory | Tez | en_US |
dc.identifier.yoktezid | 730580 | en_US |
item.openairecristype | http://purl.org/coar/resource_type/c_18cf | - |
item.fulltext | With Fulltext | - |
item.grantfulltext | open | - |
item.openairetype | Master Thesis | - |
item.languageiso639-1 | tr | - |
item.cerifentitytype | Publications | - |
Appears in Collections: | Tez Koleksiyonu |
Files in This Item:
File | Size | Format | |
---|---|---|---|
730580.pdf | 3.04 MB | Adobe PDF | View/Open |
CORE Recommender
Page view(s)
724
checked on Aug 19, 2024
Download(s)
428
checked on Aug 19, 2024
Google ScholarTM
Check
Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.