Geri Dön

Epilepsi hastalarında nöbet öncesi bulguların kantitatif olarak değerlendirilmesi

Quantitative evaluation of pre-seizure findings in epilepsy patients

PDF İndir

  1. Tez No: 957403
  2. Yazar: ASIM TAŞKIN
  3. Danışmanlar: PROF. DR. AYSUN ÜNAL, PROF. DR. RİFAT KORAY ÇİFTÇİ
  4. Tez Türü: Doktora
  5. Konular: Nöroloji, Neurology
  6. Anahtar Kelimeler: Epilepsi, EEG, Kantitatif EEG (QEEG), Entropi, Spektral Analiz, LSTM, Nöbet Tahmini, Makine Öğrenmesi, Epilepsy, EEG, Quantitative EEG (QEEG), Entropy, Spectral Analysis, LSTM, Seizure Prediction, Machine Learning
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Tekirdağ Namık Kemal Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Nöroloji Ana Bilim Dalı
  12. Bilim Dalı: Klinik Nörofizyoloji Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

ÖZET Taşkın, A. Epilepsi hastalarında nöbet öncesi bulguların kantitatif olarak değerlendirilmesi", Namık Kemal Üniversitesi Sağlık Bilimleri Enstitüsü Nöroloji Anabilim Dalı Doktora Tezi, Tekirdağ, 2025. Bu çalışmanın amacı, epilepsi tanısı almış bireylerde interiktal, preiktal ve iktal dönemlerde kaydedilen elektroensefalografi (EEG) verilerini kantitatif olarak analiz etmek ve bu dönemlerin sinyal özelliklerinin gelişmiş sinyal işleme ve makine öğrenmesi yöntemleri ile ayırt edilip edilemeyeceğini değerlendirmektir. Epilepsi tanısı almış 20 hastaya ait video-EEG monitorizasyon verileri retrospektif olarak incelenmiştir. Her birey için interiktal, preiktal ve iktal dönemlere karşılık gelen 60 saniyelik EEG segmentleri seçilmiştir. Bu kayıtlarda güç spektral yoğunluğu (PSD) ve permütasyon entropisi gibi kantitatif EEG (QEEG) ölçütleri hesaplanmıştır. Ayrıca, Long Short-Term Memory (LSTM) tabanlı bir derin öğrenme modeli eğitilerek EEG kesitleri üç zamanlı kategoride sınıflandırılmıştır. Permütasyon entropisi değerleri, iktal dönemlerde interiktal döneme kıyasla anlamlı düzeyde yüksek bulunmuştur (p < 0.05); bu durum nöbet sırasında sinyal karmaşıklığında artış olduğunu göstermektedir. Spektral analiz sonuçları, iktal fazda özellikle beta ve gama frekans bantlarında belirgin bir güç artışına işaret etmiştir. LSTM modeli, EEG fazlarını sınıflandırmada %91,7 doğruluk, %90,2 duyarlılık, %93,5 özgüllük ve %91,5 F1 skoru ile yüksek performans göstermiştir. Bu bulgular, EEG'deki zamansal değişimlerin epileptik durumları güvenilir şekilde ayırt edebilecek belirgin özellikler taşıdığını ortaya koymaktadır. Çalışma, özellikle entropi ve spektral güç gibi kantitatif EEG ölçütlerinin epilepside faza özgü paternler gösterdiğini ortaya koymuştur. Bu ölçütlerin makine öğrenme algoritmaları ile bütünleştirilmesi, nöbet evrelerinin doğru sınıflandırılmasına olanak tanımakta ve gerçek zamanlı nöbet tahmini sistemleri geliştirme potansiyeli sunmaktadır. Elde edilen veriler, epilepsinin elektrofizyolojik temelini anlamaya katkı sağlarken aynı zamanda bireyselleştirilmiş tanı ve tedavi stratejilerinin geliştirilmesine de zemin hazırlamaktadır.

Özet (Çeviri)

ABSTRACT Taşkın, A. Quantitative evaluation of pre-seizure findings in epilepsy patients", Namık Kemal University Department of Neurology, Institute of Health Sciences, PhD Thesis, Tekirdağ, 2025. This study aims to quantitatively analyze electroencephalographic (EEG) data recorded during interictal, preictal, and ictal phases in patients with epilepsy, and to evaluate whether distinct signal characteristics can reliably differentiate these phases using advanced signal processing and machine learning methods. Retrospective EEG data from 20 patients diagnosed with epilepsy were collected through video-EEG monitoring. From each patient, 60-second EEG segments corresponding to interictal, preictal, and ictal phases were extracted. Quantitative EEG (qEEG) features such as power spectral density (PSD) and permutation entropy were computed. Furthermore, a deep learning model based on Long Short-Term Memory (LSTM) networks was trained to classify EEG epochs into the three temporal categories. Permutation entropy values were significantly higher in ictal segments compared to interictal segments (p<0.05), indicating increased signal complexity and irregularity during seizure activity. Spectral analysis revealed significant increases in beta and gamma band power during ictal phases. The LSTM model demonstrated a high level of accuracy (91.7%), sensitivity (90.2%), specificity (93.5%), and F1 score (91.5%) in differentiating the EEG phases. These findings suggest that temporal EEG dynamics contain robust features capable of identifying epileptic states. The study demonstrates that quantitative EEG features, especially entropy and spectral power, exhibit phase-specific patterns in epilepsy. Integration of these features into machine learning frameworks allows accurate classification of seizure phases, highlighting the potential for real-time seizure prediction and early warning systems. This approach not only enhances our understanding of the electrophysiological basis of epilepsy but also contributes to the development of individualized diagnostic and therapeutic strategies.

Benzer Tezler

  1. Tez No

    1009807

    Dirençli epilepsi tanılı hastalarda repetetif transkranıal manyetik stimulasyon uygulamasının nöbet sıklığı üzerine olan etkisi

    The effect of repetitive transcranial magnetic stimulation on seizure frequency in patients with drug-resistant epilepsy

    CANSU ÇAPITLI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    Nörolojiİzmir Katip Çelebi Üniversitesi

    Nöroloji Ana Bilim Dalı

    PROF. DR. GALİP AKHAN

  2. Tez No

    408194

    Otonomik belirtili nöbeti olan olgularda elektrofizyolojik verilerin ve otoantikorların araştırılması

    Investigation of electrophysiologic data and autoantibodies in patients with autonomic seizures

    LEYLA BAYSAL KIRAÇ

    Tıpta Yan Dal Uzmanlık

    Türkçe

    Türkçe

    2015

    Nörolojiİstanbul Üniversitesi

    Nöroloji Ana Bilim Dalı

    PROF. DR. BETÜL BAYKAL

  3. Tez No

    729628

    Epilepsi hastalarında antiepileptik tedavinin kesilmesinden sonra nöbet tekrarını etkileyen risk faktörlerinin değerlendirilmesi

    Başlık çevirisi yok

    MEHMET ÇELEĞEN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2013

    NörolojiSağlık Bakanlığı

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. AYCAN ÜNALP

  4. Tez No

    973807

    İlaca dirençli epilepsi hastalarında pilates eğitiminin etkilerinin incelenmesi

    Investigation of the effects of pilates training in patients with drug-resistant epilepsy

    DERYA ÇAĞLAR

    Doktora

    Türkçe

    Türkçe

    2025

    Fizyoterapi ve RehabilitasyonSağlık Bilimleri Üniversitesi

    Fizyoterapi ve Rehabilitasyon Ana Bilim Dalı

    DOÇ. DR. MUSTAFA ERTUĞRUL YAŞA

  5. Tez No

    115411

    Anti-epileptik ilaç tedavisi kesilen epilepsi hastalarında rekürrens

    Seizüre recurrence in epileptic children after withdrawal of anti-epileptic drugs

    BİRGİN TÖRER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2002

    Çocuk Sağlığı ve HastalıklarıSağlık Bakanlığı

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    DOÇ.DR. Y. K. YAVUZ GÜRER

    DR. ÜLKER ERTAN

Geri Dön