Geri Dön

EOG AKTİVİTELERİNİN UYKU EEG' SİNE ETKİSİNİN İNCELENMESİ

INVESTIGATION OF EOG ACTIVITIES EFFECT ON SLEEP EEG

  1. Tez No: 650856
  2. Yazar: MEHMET DURSUN
  3. Danışmanlar: PROF. DR. SALİH GÜNEŞ
  4. Tez Türü: Doktora
  5. Konular: Mühendislik Bilimleri, Elektrik ve Elektronik Mühendisliği, Biyoteknoloji, Engineering Sciences, Electrical and Electronics Engineering, Biotechnology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Uyku, günlük hayatımızdaki en önemli ihtiyaçlarımızdan biridir ve kalitesi neredeyse tüm günlük aktivitelerimizi ve günlük rutinlerimizi doğrudan etkiler. Günümüzde, uyku bozuklukları ve uykusuzluğun gündüz halsizliğe ve şiddetli yorgunluğa neden olabileceği ayrıca bilişsel ve duygusal sorunlara yol açabileceği iyi bilinmektedir. Bu sorunların altında yatan nedenleri değerlendirmek için ise Polisomnografi (PSG) altın standart olarak kabul edilir. PSG, elektroensefalogram (EEG), elektrookülogram (EOG), elektromiyogram (EMG), elektrokardiyogram (EKG) gibi fizyolojik sinyalleri ve oksijenlenme (SpO2), hava akışı, solunum çabası gibi diğer bazı parametreleri toplamak için kullanılan yöntemsel bir süreç olarak tanımlanır. Bu fizyolojik sinyaller ve parametreler uyku evreleme için gereklidir. Uyku evreleme, Amerikan Uyku Tıbbı Akademisi (AASM) Uyku ve İlişkili Olayların Puanlanması Kılavuzu yayınına göre uzman uyku hekimi tarafından yapılır. Bu işlem hastaya ait bir gecelik kaydı analiz etmek için 2-3 saat kadar sürebilir. Bu yüzden, yorucudur, insan hatasına ve öznelliğe oldukça eğimlidir. Bu sebeple otomatik uyku evreleme aktif bir araştırma alanı olmuştur. Manuel evreleme sürecinin zahmetlerinin üstesinden gelmek için birçok yöntem uygulanmıştır. Ancak, otomatik uyku evreleme sistemlerinin uzmanlar tarafından güvenilir kabul edilebilmesi, yüksek sınıflandırma kabiliyetlerine bağlıdır. Bu nedenle, önerilen bu çalışma, otomatik uyku evreleme sistemlerinin sınıflandırma doğruluğunu artırmayı amaçlamaktadır. Uyku EEG sinyali, otomatik uyku evreleme süreci için yararlı bir klinik bileşendir. Bu sinyal, EKG, EMG ve EOG gibi diğer biyolojik sinyaller ve artefaktlardan etkilenir. EEG'deki EOG, EKG ve EMG sinyalleri, Uyku EEG sinyalinin klinik değerini düşürür. Bu nedenle, uyku EEG sinyalinden EOG artefaktlarını arındırmak, bilgisayar destekli uyku evreleme için önemli bir adımdır. Bu çalışmada, EOG sinyallerinin uyku EEG'si üzerindeki etkileri incelenmiş ve neredeyse tüm artefaktları bulmaya ve uyku EEG sinyallerinden arındırılmaya çalışılmıştır. Bu çalışmada kullanılan uyku EEG sinyalleri ve EOG sinyalleri, Necmettin Erbakan Üniversitesi Meram Tıp Fakültesi Uyku Araştırma Laboratuvarı'nda yapılan uyku skorlama çalışmalarına destek olarak kaydedilmiştir. Çalışma toplam 11 hastaya ait 9187 epok üzerinde test edilmiştir. Önerilen yöntem iki uygulama adımından oluşmaktadır. İlk aşamada, uyku EEG'sinden EOG artefaktlarını arındırmak için regresyon tabanlı bir sistem tasarlanmış ve daha sonra sistemin otomatik uyku evrelemede sınıflandırma performansı üzerindeki etkisi değerlendirilmiştir. İkinci olarak korelasyon ve ayrık dalgacık dönüşümü tabanlı bir yöntem geliştirilip bu sistemin otomatik uyku evreleme işindeki sınıflama performansına etkisi değerlendirilmiştir. Son olarak ise kullanılan tüm yöntemlerin karşılaştırılması yapılmış birbirlerine olan üstünlükleri ve zayıf yönleri kıyaslanmıştır. Regresyon yöntemi sonuçları, artefakt eleme prosedürünün artefaktlardan temizlenmiş EEG kullanılarak ortalama sınıflama doğruluğunu artırdığını göstermiştir ve bu değer % 77.70 olarak bulunmuştur. Önerilen ADD tabanlı diğer çalışma, artefakt eleme prosedürünün, temizlenmiş EEG kullanılarak ortalama sınıflandırma doğruluğunu artırdığını göstermiştir. Bu yöntemlerden elde edilen sonuçları karşılaştırarak, ölçülen EEG sinyallerine göre ortalama sınıflandırma doğruluğunda sırasıyla yaklaşık % 1,28 ve % 8,03 iyileşme sağlandığı sonucuna varılmıştır. Bununla birlikte, farklı sınıflandırma yöntemleriyle kombine edilen farklı artefakt eleme yöntemleri, temizlenmiş EEG sinyalleri için daha yüksek doğruluk sağlayabileceği tahmin edilmektedir.

Özet (Çeviri)

Sleep is one of the most important needs in our everyday lives and its quality squarely affects almost all of our daily activities and routines. These days, it is already well known that sleep disturbances and sleep deprivation can cause daytime drowsiness and severe fatigue as well as cause cognitive and emotional problems. To evaluate for underlying causes of these problems Polysomnography (PSG) is considered to be the gold standard. PSG definitions to a methodical process used to collect physiologic signals as electroencephalogram (EEG), electrooculogram (EOG), electromyogram (EMG), electrocardiogram (EKG) and some other parameters as pulse oximetry (SpO2), airflow, respiratory effort. These physiological signals and parameters are essential for sleep staging. Sleep staging is done by expert sleep physician according to publication of the American Academy of Sleep Medicine (AASM) Manual for the Scoring of Sleep and Associated Events. This process can take up to 2-3 hours to analyze one night recording belonging to one patient. So, it is strenuous, highly inclined to human error and subjectivity. For this reason, automatic sleep staging has been an active research area. Many methods have been applied to overcome the cumbersome of the manual staging process. However, the ability of automatic sleep staging systems to be considered reliable by experts depends on their high classification ability. Therefore, this proposed study aims to increase the classification accuracy of automatic sleep staging systems. Sleep EEG signal is a useful clinical component for automatic sleep staging process. This signal is effected by other biological signals and artifacts, such as EKG, EMG and EOG. EOG, EKG and EMG signals in EEG reduce the clinical value of the Sleep EEG signal. Thus, rejecting EOG artifacts from sleep EEG signal is an important step for computer aided sleep staging. In this study, the effects of EOG signals on sleep EEG were investigated, and it was tried to find almost all artifacts and purified from sleep EEG signals. The sleep EEG signals and EOG signals used in this study are recorded with in support of sleep scoring studies carried out in the Sleep Research Laboratory of Meram Medicine Faculty of Necmettin Erbakan University. The study is tested on 11 patients with 9187 epochs. The proposed method consists of two aplications steps. In the first step, a regression-based system was designed to eliminate EOG artifacts from sleep EEG and than the effect of the system on the classification performance in automatic sleep staging was evaluated. Secondly, a method based on correlation and discrete wavelet transform was developed and the effect of this system on classification performance in automatic sleep staging work was evaluated. Finally, all methods used were compared and their advantages and weaknesses were compared. The results of regression method showed that artefact rejection procedure raised the average classification accuracy by using the estimated EEG was found to be 77.70% . Another proposed DWT based study showed that artefact rejection procedure raised the average classification accuracy by using the estimated EEG was found to be 68.15% . By comparing the results obtained from this methods, we deduced that an improvement about 1,28 % and 8.03 % in mean classification accuracy with regard to the measured EEG signals was achieved. However, different artifact rejection procedures combined with different classification methods may give higher accuracy for cleaned EEG signals.

Benzer Tezler

  1. Tez No

    445038

    Sleep stage classification using disagreement based co-active learning

    Anlaşmazlık tabanlı öğrenme ile uyku evrelerinin sınıflandırılması

    AYŞE BETÜL YÜCE

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YUSUF YASLAN

  2. Tez No

    642520

    The impact of genre-based reading instruction on adult EFL learners' critical literacy skills

    Tür odaklı okuma öğretiminin İngilizceyi yabancı dil olarak öğrenen yetişkinlerin eleştirel okuryazarlık becerilerine etkisi

    HAVVA KURT TAŞPINAR

    Doktora

    İngilizce

    İngilizce

    2020

    Eğitim ve ÖğretimDokuz Eylül Üniversitesi

    Yabancı Diller Eğitimi Ana Bilim Dalı

    PROF. DR. FATMA FERYAL ÇUBUKÇU

  3. Tez No

    687377

    Elektrookülografi (EOG) temelli duygu analizi

    Electrooculografy (EOG) based emotion analysis

    YUNUS EMRE ACAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OKAN ERKAYMAZ

  4. Tez No

    392053

    EOG'nin kodlanmasına dayanan bilgisayar tabanlı gözle yazı yazma sistemi geliştirilmesi

    Development of computer based eye-writing system by using EOG

    HESNA ÖZBEK ÜLKÜTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Mühendislik BilimleriBaşkent Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. METİN YILDIZ

  5. Tez No

    465000

    EOG (Elektrookülografi) kullanarak göz hareketleri ile robot kontrolü

    Robot control with eye movements using EOG (Electrooculography)

    ONUR İLYAS YAVUZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Mekatronik Mühendisliğiİstanbul Gelişim Üniversitesi

    Mekatronik Ana Bilim Dalı

    YRD. DOÇ. DR. ÜMİT ALKAN

Geri Dön