| Tez Türü | Yüksek Lisans |
| Ülke | Türkiye |
| Kurum/Üniversite | Kastamonu Üniversitesi |
| Enstitü | Fen Bilimleri Enstitüsü |
| Anabilimdalı | Biyomedikal Mühendisliği Ana Bilim Dalı |
| Tez Onay Yılı | 2021 |
| Öğrenci Adı ve Soyadı | Bahar NAZLI |
| Tez Danışmanı | DR. ÖĞR. ÜYESİ HAYRİYE ALTURAL ÖZKAN |
| Türkçe Özet | Uyku, canlıların dış uyaranlara karşı minimum seviyede tepki verdiği veya tepki vermediği tekrarlanan bir durumdur. Kronik uykusuzluk, yeme bozuklukları, huzursuz bacak sendromu ve uyku apnesi gibi rahatsızlıklar uyku kalitesini etkileyen ve ciddi sorunlara yol açan hastalıklar arasındadır. Üst solunum yollarının daralması veya tıkanması sonucunda solunumun 10 sn veya daha uzun süre boyunca tekrarlayan ataklarla durması sendromuna uyku apnesi denilmektedir ve en yaygın olanı Obstrüktif Uyku Apnesidir (OUA). Bu tez çalışması kapsamında EKG sinyalleri üzerinden makine öğrenmesi ve derin öğrenme algoritmaları kullanarak uyku apnesi tespiti yapılmıştır. İlk aşamada EKG sinyali bölütlere ayrılarak R tepe noktaları belirlenmiş ve her bir bölütün uyku apnesi olup olmadığı sınıflandırılmıştır. İkinci aşamada ise bölütlere dayalı sınıflandırma yapılan 35 EKG kaydının her birinin OUA hastası olup olmadığı sınıflandırılmıştır. Makine öğrenmesi algoritmaları olarak yedi farklı sınıflandırıcı, derin öğrenme algoritması olarak üç farklı sınıflandırıcı kullanılmıştır. Bölütlere dayalı sınıflandırmada Evrişimsel Sinir Ağı (CNN) algoritması % 89,11 doğruluk; % 94,31 hassasiyet; % 80,72 seçicilik; 0,89 F1 Puanı ve 0,87 AUC değerleri ile en yüksek sonucu veren algoritma olmuştur. Her bir kaydın Apne - Hipopne İndeksine göre yapılan OUA ve normal sınıflandırması sonuçlarında CNN mimarisi %97,14 doğruluk; %100 seçicilik; %95,65 hassasiyet; 0,97 F1 puanı ve 0,98 AUC değeri ile en yüksek başarıyı veren algoritma olmuştur. |
| İlgilizce Özet | Sleep is a repetitive state in which living creatures react minimally or unresponsively to external stimuli. Diseases such as chronic insomnia, eating disorders, restless legs syndrome and sleep apnea are among the diseases that affect sleep quality and cause serious problems. The syndrome of recurrent episodes of cessation of breathing for 10 seconds or longer because of narrowing or obstruction of the upper airways called sleep apnea, and the most common is Obstructive Sleep Apnea (OSA). In this thesis, sleep apnea detected with using machine learning and deep learning algorithms from ECG signals. In the first stage, the ECG signal divided into segments and R peaks determined and each segment classified that segments sleep apnea or not. In the second stage, each of the 35 ECG recordings that were classified based on segments classified that records OSA or not. Seven different classifiers used as machine learning algorithms and three different classifiers used as deep learning algorithms. In classification based on segments, the Convolutional Neural Network (CNN) algorithm that obtained the highest results with 89.11% accuracy; 94.31% sensitivity; 80.72% selectivity; 0.89 F1 score and 0.87 AUC values. In the results of OSA and normal classification of each recording according to the Apnea-Hypopnea Index, the CNN model was the algorithm that obtained the highest results with 97.14% accuracy; 100% selectivity; 95.65% sensitivity; 0.97 F1 score and 0.98 AUC value. |
