Kullanılan Algoritma

Algoritmada C3-A2 kalından alınan 200Hz de örneklenmiş veriler işlem kolaylığı açısından öncelikle 128Hz örnekleme frekansıda seyreltilmişlerdir. Genlik ve frekans analizlerinin bağımsız olarak gerçekleştirilmesi amacıyla bağımsız üç öbek halinde uyku EEG verisi analiz edilmiştir. MUSIC algoritması ve KZFD kullanılarak M, ve K parametreleri, Teager Enerji Operatörü kullanılarak da T parametresi elde edilmiştir.

Eğer işlenen parametre sonuç olarak “1” ise incelenen bölgenin uyku iğciği içerdiği kabul edilmektedir. Eğer incelenen bölge “0” ise incelenen bölgede uyku iğciği olmadığı kabul edilmektedir.

Elde edilen üç parametre (M, K, ve T) kullanılarak uyku EEG kayıdında parametrik olarak uyku iğciğinin saptanması için Şekil 4.14. belirtilen algoritma kullanılmıştır.

Akış diyagramından da anlaşılacağı gibi M, K, ve T parametrelerinin de üçünün de “1”

olma durumunda sonuç olarak incelenen bölgenin uyku iğciği bulundurduğu kabul edilmektedir.

M, K, ve T Parametreleri

Sonuç = M+K+T

Sonuç = 3

Evet

Hayır Uyku İğciği Bulunamadı

Uyku İğciği Bulundu

Şekil 4.14.Analiz sonucunu elde etmek için kullılan algoritma için hazırlanan akış diagramı. İncelenen C3-A2 EEG kaydında M, K, ve T parametrelerine göre aynı anda “1” ise incelenen bölgede

Şekil 4.15.PTSB teşhisi konan bir hasta için 30sn lik bir C3-A2 uyku dönemi için, hazırlanan programın sonuçları. Şekilden de görülebileceği gibi program 12 inci sn de bulunan uyku iğciğini doğru olarak saptamıştır.

Şekil 4.16. Sağlıklı birisi için 30sn lik bir C3-A2 uyku dönemi için, hazırlanan programın sonuçları.

Yukarıda belirtilen frekans ve genlik analiz teknikleri kullanılarak (MUSIC algoritması, Teager Enerji Operatörü, ve KZFD ) parametrik olarak uyku iğciğinin saptanması ve uyku EEG sinin analizi için MATLAB arayüz tasarımcısı kullanılarak bir program hazırlanmıştır. Program hem seçilen 2sn lik bölgenin hem de 30sn sürelik bir uyku döneminin analizini gerçekleştirebilmektedir. Şekil 4.15.de PTSB teşhisi konan bir hasta için ve Şekil 4.16. da sağlıklı biri için hazırlanan programın arayüzü gösterilmiştir.

Tasarlanan program kullanılarak ortalama 8 saat süren bir gecelik uyku süresi 30sn lik uyku dönemlerine bölünmüş, dönemlerdeki olan uyku EEG si kayıtları otomatik olarak incelenebilmektedir. Kullanıcı analizinin gerçekleşmesini istediği uyku dönemini belirledikten sonra “Analiz” tuşuna basarak uyku iğciği saptanan bölgeleri gösteren sonuç grafiği elde edilebilmektedir.

5. TARTIŞMA VE SONUÇ

Uyku araştırmaları günlük hayatta çok yaygın olarak karşılaşılan uykusuzluk stres bozukluğu ve halsizlik problemlerinin çözümü için yoğun bir şekilde devam etmektedir.

Bu alanda yapılan çalışmalar, uyku iğcikleri ve uyku bozukluğu arasında çok yakın bir ilişki bulunduğunu göstermektedir. Uyku iğcikleri uykunun NREM safhasının saptanması ve uykunun sınıflandırması açısından büyük önem taşımaktadırlar (Duman vd. 2004).

Uyku iğcikleri, uyku sırasında aktif halde bulunan talamo-kortikal çevrimlerin oluşturduğu salınım örüntülerinin bir yansıması olarak, EEG kayıtlarında kendilerini patlamalar şeklinde gösteren zamanda geçici işaretlerdir. Talamus, uyanıklık anındaki algı dağıtıcı bir organ olma rolünü uyku sırasında değiştirerek, salınımı retikülar çekirdek tarafından modüle edilen bir salınım üretici organ durumuna geçer. Retikülar çekirdeğin talamus tarafından oluşturulan bu salınımları düzenlediği in vitro (Steriade and Deschénes 1984) kayıtlarda gösterilmiştir. Uyku sürecinin başlaması anında iğciklerin yoğunluğu büyük ölçüde artar; bu, retikülar çekirdeğin uykunun kurulmasında ve sürdürülmesinde hayati bir rol oynadığını düşündürmektedir. Fakat,

araştırmacılar arasında iğciklerin oluşumu hakkında tam bir fikir birliği henüz oluşmamıştır (Steriade and Deschénes 1984).

Çalışmalar iğciklerin oluşumunu açıklayan iki varsayım üzerinde durmaktadır: Birinci varsayıma göre uyku iğcikleri algı işaretlerinin korteks tabakalarına geçişini önleyerek uyku durumunun korunmasını sağlayan ve motor cevapları bastıran talamo-kortikal salınımlardır (Siapas and Wilson 1998). Çünkü, iğcik benzeri örüntüler hayvan çalışmalarında uyanıklık sırasında ve öğrenilmiş motor cevapların bastırıldığı anlarda EEG kayıtlarında gözlenmektedir. İkinci varsayıma göre ise iğcikler, önceki deneyimlerin pekiştirilmesi amacıyla korteks ile farklı beyin bölgeleri arasında oluşan işlevsel bağların kurulması sırasında oluşmaktadır. Bu varsayımlara göre iğcikler, uykunun sürdürülmesi ya da işlevsel bağların kurulması sırasında, ya da her iki durumda ortaya çıkarlar (Siapas and Wilson 1998).

Hipersomniyak ve insomniyak denekler üzerinde yapılan çalışmalar iğcik yoğunluklarının hastalığın türü ile bağlantılı olarak değiştiğini göstermekte ve iğciklerin uyku sürecini düzenleyici işlevinin olduğu bulgusunu kuvvetlendirmektedir (Bove et al.

1994). Yaşın ilerlemesi ile iğcik yoğunluğunda azalma, iğcik sıklığında ise artma görülmektedir. İğcik karekteristiğindeki bu değişmeler uyku sürecini niteleyen iyi birer gösterge olarak kabul edilmektedir (Nicolas et al. 1997). Ayrıca, iğciklerin anestetik derinliğin güvenilir göstergeleri olduğu bilinmektedir (Keifer et al. 1994).

Bu çalışmada uyku iğciklerinin yerlerinin saptanması ile birlikte, uykunun ikinci evresindeki yoğunlukları ve frekansları da belirlenmiş olacaktır. Böylelikle nitelendirilen uyku iğciklerinin sınıflandırılması da mümkün olacaktır. Bu nitelendirme işleminin bir uzman tarafından gözle yapılması nesnel olmayacağı gibi kolay uygulanabilir de değildir.

Bu çalışmada uyku EEG’sinde ortaya çıkan uyku iğciklerinin arkaplan EEG işaretinden ayrıştırılması için önerilen bir yöntem tanıtılmıştır. Çalışmanın amacı arkaplan EEG işaretine gömülü uyku iğciklerinin yerlerinin ve dalga biçimlerinin tam doğru olarak

bazı iğciklerin önerilen yöntemle ayıklandıklarında, uzmanın işaretlediklerinden farklı başlangıç ve bitiş noktalarına sahip olduğu görülmüştür. Bu farklılık, iğciklerin arkaplan işaretinden çok daha düşük güçlü olduğu, yani iğciğin arkaplan işaretine tamamen gömülü olduğu durumlarda ortaya çıkmaktadır. Diğer bir deyişle, iğciklerin tam uzunlukları her zaman gözle ayırt edilemeyebilir ve bu da iğcik dalga biçimlerinin analiz edilmek istendiği durumlarda yanlış sonuçlar elde edilmesine yol açabilir.

Önerilen yöntem ile iğciğin başlangıç ve bitiş noktaları tam olarak belirlenebildiğinden hatalı yorumlama problemine önemli bir katkı sağlanmıştır.

Çalışmada uyku iğcikleri parametrik olarak saptanmıştır. Öncelikle uyku iğciklerinin genlik ve frekans analizleri gerçekleştirilmiştir. Frekans analizleri KZFD ve MUSIC algoritması kullanılarak gerçekleştirilmiştir. Genlik analizi ise EEG işaretinin Dalgacık Dönüşümü alındıktan sonra 8-16Hz bandına düşen kısmına Teager Enerji Operatörü uygulanılarak yapılmıştır.

Birden fazla tekniğin kullanılması EEG analizinde daha da güvenilir bir sonuç elde edilmesini sağlamıştır. Böylelikle Alfa ritimleri ile karışan EEG sinyallerinin uyku iğciği olarak saptanması engellenmiş olmaktadır. Ayrıca kullanılan analiz tekniğiyle uyku iğciklerinin başlangıç ve bitiş noktaları da kesin olarak saptanabilmektedir.

24, 35, ve 36 yaşlarından oluşan 3 hasta EEG’si kullanılarak yapılan deneyde KZFD

%94, MUSIC Algoritması %97, Teager Enerji Operatörü ise %96 oranın da uyku iğciklerini doğru olarak saptamışlardır. Uyku EEG analizi gerçekleştirilen 3 hastayada Post Travmatik Stres Bozukluğu (PTSB) teşhisi konmuştur. Deneyde analiz sırasında hekimin seçtiği Uykunun 2. dönemine ait toplam 94 dönem (epoch) seçilmiştir. Sonuç olarak sistemin ortalama doğruluk oranı %94 dir. Çizelge 5.1. de uyku iğciği saptamak için kullanılan analiz tekniklerinin ayrı ayrı performansı verilmektedir. Çizelge 5.2. de ise analizi gerçekleştirilen 3 ayrı hasta için seçilen 30sn epochların sayısı verilmiştir.

Çizelge 5.1.Üç ayrı hasta için analiz tekniklerinin ayrı ayrı sonuçları

HASTA KZFD MUSIC Algoritması

Teager Enerji Öperatörü

PTSB -1 %96 %96 %100

PTSB -2 %94 %96 %98

PTSB -3 %90 %100 %90

Çizelge 5.2.Her bir hasta için analizi gerçekleştirilen epoch sayısı.

HASTA Epoch Sayısı PTSB -1 22 PTSB -2 52 PTSB -3 20 TOPLAM 94

Sağlıklı bir kişinin EEG verisi üzerinde hazırlanan algoritma uygulandığında sistem

%93 oranında uyku iğciklerini doğru olarak saptamıştır. Analiz sırasında topla 20 epoch kullanılmıştır. Çizelge 5.3. uyku iğciği saptamak için kullanılan analiz tekniklerinin ayrı ayrı performansı verilmektedir.

Çizelge 5.3. Sağlı bir kişi için analiz tekniklerinin ayrı ayrı sonuçları

Kişi KZFD MUSIC Algoritması

Teager Enerji Operatörü

Sağlıklı %93 %94 %98

Sonuç olarak MUSIC algoritması analizde en yüksek performansı göstermiştir. İkinci en iyi performans Teager Enerji Operatörü aittir. MUSIC algoritmasının ve Teager Enerji

Operatörünün KZFD göre daha iyi sonuç vermesinin sebebi, dalgacık dönüşümü kullanılarak seçilmiş bir bandın (8-16Hz) analizinin gerçekleştirilmesidir.

Kullanılan test verilerinin rastgele 50 si seçilmiş ve sistem sınıflandırma performansı ölçümü için ROC eğrisi hesaplanmıştır. Elde edilen ROC eğrisi Şekil 5.1. de gösterilmiştir.

Şekil 5.1.Uyku iğciği saptanmasında sınıflandırıcının performans analizi

ROC eğrisinin altında kalan alan 0.98 dir. Bu da sistem sınıflandırıcısın %98 oranında doğru sınıflandırma yapabileceğini göstermektedir.

Uykunun 2. safhasında bulunan uyku iğcikleri, uykunun sınıflandırılması ve analizi için önemli bir parametre teşkil etmektedir. Elde edilen sonuçlar doğrultusunda, yapılan çalışma, uyku ve uykunun yorumlanması gibi kapsamlı araştırmalara bir alt basamak teşkil edebilir.

Bu uyku iğciklerinin yerlerinin ve sürelerinin doğru olarak saptanması için yeni bir karar destek sistemi önerilmiş ve gerçekleştirilmiştir. İleriki çalışmalarda uyku

durulacaktır. Böylelikle ortalama ömrümüzün %30 kapsayan uyku ile ilgili belirsiz pek çok konunun açıklanması için yapılan yoğun çalışmalara destek olacaktır.

KAYNAKLAR

Alaya, C.F., Hamila, R., Gabbouj, M., Astola, J. 1996. Impulsive noise removal in highly corrupted color images. Proc. IEEE Int. Conf. Image Process, vol.1, 997-1000.

Asserinsky, E., Kleitman, N. 1953. Regularly occurring periods of ocular motility and concomitant phenomena during sleep. Science, No 118, 361-375.

Başar, E. 1998. Brain Function and Oscillations Vol. I: Brain Oscillaitons. Principles and approaches, Springer-Verlag, Berlin.

Bove, A., Culebras, A., Moore, JT., Westlake, RE. 1994. Relationship between Sleep Spindles and Hypersomnia. Sleep, Vol. 17, 449-455.

Cote, K.A., Epps, T.M., Campbell, K.B. 2000. The role of the spindle in human information processing of high-density stimulli during sleep. Journal of Sleep Research, Vol. 9, 19-26.

De Gennaro, L., Ferrara, M., Bertini, M. 2000. Effect of slow-wave sleep deprivation on topographical distribution of spindles. Behavioral Brain Research, No. 116, 55-59.

Destexhe, A., Contreras, D., Steriade, M. 1999. Cortically-induced coherence of a thalamic-generated oscillation. Neuroscience, Vol. 92, 427-443.

Dijk, D. 1995. EEG Slow Waves and Sleep Spindles : Windows on the Sleeping Brain.

Behav. Brain Res., Vol. 68, 109-116.

Duman, F., Eroğul, O., Telatar, Z. 2004. Çoklu Sinyal Sınıflandırması (MUSIC) Yöntemi Kullanılarak EEG Sinyallerinin Çözümlenmesi. Biyomut, Boğaziçi Üniversitesi, İstanbul, 5-10.

Duman, F., Eroğul, O., Telatar, Z., Yetkin, S. 2005. Uyku İğciklerinin Kısa ve Uzun Dönemli Analizleri. SIU-2005 , Kayseri, Konferans CD’si.

Duman, F., Eroğul, O., Telatar, Z., Yetkin, S. 2005. Automatic Sleep Spindle Detection And Localization Algorithm ,(Accepted) EUSIPCO 2005, September 2005, Antalya.

Eroğul, O., Karagöz, İ. 2004. Biyolojik Sinyaller ve Tıbbi Cihazlar. Ankara Üniversitesi

Fawcett, T. 2003. ROC Graphs: Notes and Particular Considerations for Data Mining Researchers. Hewlett-Packard Company documentation notes.

Ficca, G., Fagioli, I., Salzarula, P. 2000. Sleep organization in the first year of life:

Developmental trends in the quiet sleep-paradoxical sleep cycle. J Sleep Res, Vol. 9, 1-4.

Gelir E., Ardıç S. “İnsan Uyku Evrelerinin Standart Terminoloji, Yöntem ve skorlama El Kitabı”, Matsa Basımevi, 2000.

Görür, D. 2003. Automated Detection Of Sleep Spindles. A Thesis Submıtted To The Graduate School Of Natural And Applied Sciences Of The Middle East Technical Unıversity.

Hamila, R., Astola, J., Alaya Cheikh, F., Gabbouj, M., Renfors, M. 1999. Teager Energy and the Ambiguity Function. IEEE Transactıons On Sıgnal Processıng, Vol. 47, NO. 1., 260-262.

Hayes, M. 1996. Statistical Digital Signal Processing and Modeling. John Wiley &

Sons.

Hazarika, D. 1997. Clasification of EEG signals using the wavelet transform. Signal Processing [H.W.Wilson – AST].

Kandel, E.R., Schwartz, J.H., Jessell, T.M. 2000. Principles of Neural Science. 4th ed., McGraw-Hill Professional Publishing.

Keifer, JC., Baghdoyan, HA., Becker, L., , Lydic, R. 1994. Halothane Decreases Pontine Acetylcholine Release and Increases EEG Spindles. Neuroreport, Vol. 5, 577-580.

Levin, K.H., Lüders, H.O. 2000. Comprehensive Clinical Neurophysiology, Saunders Company, USA.

Louis, J., Zhang, J.X., Revol, M., Debilly, and Challamel, M.J. 1992. Ontogenesis of nocturnal organization of sleep spindle: a longitudinal study during the first 6 months of life. Electroencephal Clin Neurophysiol, Vol. 83, 289-296.

Maragos, P., Kaiser, J.F., Quantieri, T.F. 1993. Energy seperation in signal modulations with application to speech analysis. IEEE Trans. Signal Processing, vol. 41, 3024-3051.

Maragos, P., Boving, A.C. 1995. Image demodulation usng multidimensional energy

Mitra, S.K., Yu, T.H., Ali, R. 1994. Efficiently detail-preserving method of impulse noise removal from highly corrupted images. Image Video Process. (SPIE), vol.2182, 43-48.

Mitra, S.K., Lightstone, M., Strobel, N. 1995. Two dimensionel Teager operators and their image processing applications. Proc. IEEE workshop Nonlinear Signal Image Processing, Greece, vol.2, 959-962.

Nicolas, A., Rompre, S., Dumont, M., Laberg, L., MontPlaisir, J. 1997. Four to Five Seconds Periodicity of Sleep Spindles in Different Age Groups. Sleep Research, Vol. 26, 26-31.

Nicolas, A., Petit, D., Rompre, S., Montplaisir, J. 2001. Sleep spindle characteristics in healthy subjects of different age groups. Clinical Neurophysiology, Vol.

112, 521-527.

Ogilvie, R.D., 2001. The process of falling asleep. Sleep Medicine Reviews, Vol. 5, 247-270.

Piseranko, V.F. 1973. The retrieval of Harmonics form a covariance function.

Geophysics J.Roy.Astron.Soc., vol33, 347-366.

Rechtschaffen, A., Kales, A. 1968. A manual of standardized terminology, techniques and scoring system for sleep stages of human subjects. Brain Research Institute, UCLA, Los Angeles, USA.

Samar, V., Bopardikar, A., Rao, R., Swartz, K. 1999. Wavelet analysis of Neuroelectric Waveforms : A conceptual Tutorial. Brain and Language 66, 7-60.

Siapas, AG., Wilson, MA. 1998. Coordinated Interaction between Hippocampal Ripples and Cortical Spindles During Slow-Wave Sleep. Neuron, Vol. 21, 1123-1128.

Steriade, M., Deschénes, M. 1984. The thalamus as a neuronal oscillator. Brain Res Rev, Vol. 8, 1-63.

Steriade, M., Contreras, D., Amzica F. 1994. Synchronized sleep oscillations and their paroxysmal Developments. Trends Neurosci, Vol. 17, 199-208.

Vander, A., Sherman, J., Luciano, D. 2001. Human Physiology: The Mechanisms of Body Function, 8th ed., New York: McGraw-Hill.

Williams, R.L., Karacan, I., Hursch, C.J. 1974. Electroencephalography (EEG) of

Williams, F.C., Radant, M.E. 1983, Airborne radar and the three PRF’s. Microw. J, 272-276.

ÖZGEÇMİŞ

Adı Soyadı : Fazıl Duman Doğum Yeri : Ankara Doğum Tarihi : 08/09/1979 Yabancı Dili : İngilizce

Eğitim Durumu

Lise : Yenimahalle Anadolu Meslek Lisesi, 1997

Lisans : Baskent Univesitesi Elektrik Elektronik Müh. 2002 Yüksek Lisans : Ankara Universitesi Elektronik Müh. A.D., Devam ediyor

Çalıştığı Kurum ve Yıl

Başkent Üniversitesi Müh. Fak. Biyomedikal Müh., Araştırma Görevlisi, 2002-.

Yayınlar (Bildiriler)

1. Fazıl Duman, Osman Eroğul, Ziya Telatar, Sinan Yetkin. Automatic Sleep Spindle Detection And Localization Algorithm. (Kabul Edildi) EUSIPCO 2005, September 2005, Antalya.

2. Fazıl Duman, Osman Eroğul, Ziya Telatar, Sinan Yetkin. Uyku İğciklerinin Kısa Ve Uzun Dönemli Karma Analizi. SIU 2005, IEEE Catalog Number : 05EX1102C, ISBN : 0-7803-9239-6, Mayıs 2005, Kayseri.

3. Kutay Güneştepe, Fazıl Duman. Şehir Şebekesi Elektrik Kesintisi Kaydedici, BIYOMUT 2005, Bogazici Üniversitesi, İstanbul.

4. Mustafa Çavuşoğlu, Fazıl Duman, Osman Eroğul, Babur Baturay. Otomatik Harici Defibrilator İçin Test Cihazı Tasarımı, BIYOMUT 2005, Bogazici Üniversitesi, İstanbul.

5. Mert Tokatlı, Fazıl Duman, Arif Koçoğlu. Labview Kullanarak Ekg Simülatörü Tasarımı. BIYOMUT 2005, Bogazici , Üniversitesi, İstanbul.

6. Barış Çoruh, Fazıl Duman, Arif Koçoğlu. Labview Kullanarak Otomatik Ekg