EEG sinyallerinde uyku iğciklerinin zaman ve frekans domeni özellikleri kullanılarak analizi

(1)

ÖZET

Yüksek Lisans Tezi

EEG S NYALLER NDE UYKU C KLER N N ZAMAN VE FREKANS DOMEN ÖZELL KLER KULLANILARAK ANAL Z

Mehmet DURSUN Selçuk Üniversitesi Fen Bilimleri Enstitüsü

Elektrik-Elektronik Mühendisli-i Anabilim Dal/ Dan/0man: Doç. Dr. Salih GÜNE3

2009, 86 sayfa

Jüri: Doç. Dr. Salih GÜNE3

Yrd. Doç. Dr. Mehmet ÇUNKA3 Yrd. Doç. Dr. Nihat YILMAZ

Bu tez çal mas nda, Elektroansefalogram (EEG) kay tlar n n otomatik olarak de erlendirilip, uyku evreleri içinde N-REM (H zl Göz Hareketleri Olmayan) Evre 2’ nin bulunmas nda önemli bir bile en olan uyku i ciklerinin bulunmas amaçlanm t r.

(2)

Bu çal mada, önerilen metot iki ad m içermektedir. +lk ad mda ham EEG sinyallerinden zaman domeninde alt ve frekans domeninde dört özellik ç kar lm t r. Ham EEG sinyallerinden Frekans domeni özelliklerinin ç kar lmas nda Welch Spectral Analiz yöntemi kullan lm t r. +kinci ad mda ise yapay sinir a lar ile Levenberg-Marquardt algoritmas kullan larak daha önceden uyku uzman taraf ndan elle de erlendirilen uyku i cikleri s n fland r lm t r. Uyku i ciklerinin s n fland r lmas nda LM-YSA kullan larak elde edilen s n flama do rulu u zaman domeni özellikleri için % 100’ dür (Gizli katmandaki dü üm say s on için).

Çal mada kullan lan uyku EEG sinyalleri Selçuk Üniversitesi Meram T p Fakültesi Uyku Laboratuvar nda yap lan uyku skorland rma çal malar dâhilinde, Yrd. Doç. Dr. >ebnem Yosunkaya ve ekibi taraf ndan kaydedilmi tir. Çal ma 3 hastada, toplam 712 epok üzerinde test edilmi tir.

Son olarak; elde edilen sonuçlar, önerilen tan ma sisteminin uyku i ciklerinin otomatik olarak bulunmas nda güvenle kullan labilece ini göstermi tir. Ayn zamanda bu sistem N-REM evre 2’ nin belirlenmesinde çok önemli bir parametredir.

Anahtar Kelimeler – Uyku i ci i, Özellik Ç kar m , +statiksel Ölçümler, Welch Yöntemi, EEG Veri Kümeleri, Yapay Sinir A lar .

(3)

ABSTRACT

Master Thesis

ANALYSIS OF SLEEP SPINDLES ON EEG SIGNALS BY USING

TIME AND FREQUENCY DOMAIN FEATURES

Mehmet DURSUN Selcuk University

Graduate School of Natural and Applied Sciences Department of Electrical-Electronics Engineering

Supervisor: Assoc. Prof. Dr. Salih GÜNE3 2009, 86 pages

Jury: Assoc. Prof. Dr. Salih GÜNE3 Asst. Prof. Dr. Mehmet ÇUNKA3 Asst. Prof. Dr. Nihat YILMAZ

In this study, it was aimed that detection of Sleep-Spindles which is the one of important components determining N-REM (Non-Rapid Eye Movement) Stage 2 in the sleep stages, by automatically evaluation of Electroencephalogram (EEG) records.

(4)

In this study, the proposed method consists of two steps. In the first step, six time domain features and four frequency domain features have been extracted from raw EEG signals. The extraction of frequency domain features from raw EEG signals, Welch spectral analysis has been used. In the second step, artificial neural network (ANN) with LM (Levenberg-Marquardt) has been used to classify the sleep spindles evaluated before hand by sleep expert physicians. The obtained classification accuracies for time domain features set in the classification of sleep spindles are 100% by using LM-ANN (for ten node in hidden layer).

The sleep EEG signals used in this study are recorded with in support of sleep scoring studies carried out in Selcuk University Meram Faculty of Medicene Department Sleep Laboratory by Asst. Prof. Dr. >ebnem YOSUNKAYA and her team. The study is tested on 3 patients with 712 epochs.

Finally, the obtained results have presented that the proposed recognition system could be confidently used in the automatic classification of sleep spindles. And also, this system is a very important parameter in the determination of N-REM Stage 2.

Keywords – Slip spindles, Feature extraction, Statistical Measurements, Welch Method, EEG Data Set, Artificial Neural Networks.

(5)

TE3EKKÜR

Bu tez çal mam süresince her konuda, anlay ve deste ini esirgemeyen, çal malar mda de erli bilgi ve tecrübeleriyle bana yol gösteren dan man m Say n Doç. Dr. Salih GÜNE>’ e, Bölüm Ba kan m z Say n Prof. Dr. Saadetdin HERDEM’ e, tez süresince belirtti i görü ler ve önerilerle tezin ekil almas nda bana yard mc olan Say n Ar .Gör. Dr. Kemal POLAT’ a ayr ca Selçuk Üniversitesi Meram T p Fakültesi Gö üs Hastal klar Anabilim Dal Ö retim Üyesi Say n Yrd. Doç. Dr. >ebnem YOSUNKAYA ve Say n Uzman Uyku Teknisyeni Serkan KÜÇÜKTÜRK’ e ilgi ve yard mlar ndan dolay te ekkürü bir borç bilirim.

Sevgi ve özverileriyle bugünlere gelmemi sa layan, ho görüleri ile her zaman yan mda olan sevgili anneme, babama ve karde lerime te ekkürlerimi sunar m.

Mehmet DURSUN 2009, Konya

(6)

Ç NDEK LER

ÖZET...i

ABSTRACT...iii

TE3EKKÜR ...v

Ç NDEK LER ...vi

S MGELER VE KISALTMALAR ...viii

3EK LLER L STES ...x

TABLOLAR L STES ...xii

1. G R 3 ...1

2. L TERATÜR ARA3TIRMASI ...4

3. EEG (ELEKTROENSOFLOGRAM) ...6

3.1. EEG' nin Tarihsel Geli imi ...6

3.2. EEG Nedir ? ...7

3.3. EEG Cihaz n n Temel Çal ma >ekli ve Uygulanmas ...7

3.4. EEG De erlendirilmesi ...9

3.5. EEG + aretlerinin Elektriksel Özellikleri ...10

3.6. EEG Dalga >ekilleri...11

4. UYKU VE UYKU EVRELER ...14

4.1. Uyku ………...14

4.2. Uyku Evreleri ve Uyku Evreleme ...15

4.2.1.Uyku evreleri...16

4.2.1.1. Evre W (Uyan kl k evresi) ...16

4.2.1.2. NREM Evre I ...17

4.2.1.3. NREM Evre II ...18

4.2.1.4. NREM Evre III ...21

4.2.1.5. REM Evresi...22

4.2.2.Ya a göre uyku evrelerinin da l m ...24

4.2.3. Örnek bir uyku modeli ...24

4.3. Polisonografi ...26

4.4. Uyku Laboratuar ...27

4.5. Hastan n Haz rlanmas ...27

4.6. Hastan n +zlenmesi ...28

4.6.1. Nörofizyolojik izlem ...28

4.6.1.1. EEG kanallar ...29

4.6.1.2. EOG kanallar ...31

(7)

5. MATERYAL ve METOD...34

5.1. Üzerinde Çal lan Veriye Ait Özellikler...34

5.1.1. Spindle bulunan epok...34

5.1.2. Spindle bulunmayan epok...35

5.2. Önerilen Sistemin Ak Diyagram ...36

5.2.1. EEG de C3-A2 kanal ndaki sinyalin al nmas ...37

5.2.2. Filtreleme ...40

5.2.2.1. Filtreleme alt program ...41

5.2.3. Segmantasyon ...41

5.2.3.1. Segmantasyon alt program ...41

5.3. Özellik Ç kar m ...42

5.3.1. Zaman domeni özellik ç kar m ...42

5.3.2. Frekans domeni özellik ç kar m ...43

5.3.2.1. Welch metodu yard m ile güç spektrum yo unlu unun hesaplanmas ...44

5.3.2.1.1. Periodogram metodu ...45

5.3.2.1.2. Bartlett metodu...46

5.3.2.1.3. Welch metodu ...47

5.3.2.1.4. Welch yöntemi ile frekans domeni özelliklerini bulan alt program kodlar ...49

5.3.2.2. Pencereleme metodu ...49

5.3.2.2.1. Pencereleme i lemi ...51

5.3.3. Özellik azalt m ...52

5.4. Yapay Sinir A lar Kullan larak Uyku + ciklerinin S n fland r lmas ...53

5.4.1. Yapay sinir a lar ...53

5.4.1.1. Çok katmanl alg lay c yapay sinir a lar ...54

5.4.1.2. Levenberg – Marquardt algoritmas ...57

5.4.2. Yapay sinir a lar n n e itilmesi ...60

5.5. Tez Çal mas nda Önerilen YSA Modeli...61

6. DENEYSEL SONUÇLAR...63

6.1. Performans Kriterleri ...64

6.1.1. S n flama do rulu u...65

6.1.2. Hassasiyet...66

6.1.3. Seçicilik...66

6.2. Elde Edilen Test sonuçlar ...66

7. SONUÇLAR VE ÖNER LER ...78

7.1. Sonuçlar.... ...78

7.2. Öneriler….. ...81

(8)

S MGELER VE KISALTMALAR

Adaline : Adaptive linear neuron AFD : Ayr k fourier dönü ümü

ANN : Yapay sinir a lar (Artificial neural network) AR : Özba lan ml (Autoregressive)

ATS : Duyarl l k e ik ölçüsü (Affinity threshold scalar) BKÖS : Bilgi kazanc na dayanan özellik seçme algoritmas BT : Bilgisayarl tomografi

BVAÖ : Bulan k veri a rl kland rma ön-i leme yöntemi

DR : Dorsal Rabhe

EEG : Electroencephalography EKG : Elektrokardiyografi EMG : Elektromiyogram

FFT : H zl fourier dönü ümü (Fast fourier transform) LAA : Lineer ayr m analizi

LM : Levenberg marquard

LM-YSA : Levenberg Marquard – Yapay sinir a lar LVQ : Ö renme vektörü inceleme

MLE : Maksimum olabilirlik kestirimi MRG : Manyetik rezonans görüntüleme MUSIC : Çoklu sinyal s n fland rmas NREM : H zl olmayan göz hareketleri

(9)

REM : H zl göz hareketleri

STFT : K sa zamanl fourier dönü ümü YBS : Yapay ba kl k sistemi

YBTS : Yapay ba kl k tan ma sistemi YSA : Yapay sinir a lar

(10)

3EK LLER L STES

>ekil 3.1 Alfa dalga ekli………….……….….…...11

>ekil 3.2 Beta dalga ekli………..………..12

>ekil 3.3 Teta dalga ekli……..….……….12

>ekil 3.4 Delta dalga ekli…….…….………13

>ekil 4.1 W Evresine ait PSG sinyal kayd .…...17

>ekil 4.2 NREM Evre I e ait PSG sinyal kayd ...18

>ekil 4.3 K kompleksi ve uyku i ci i bulunan bir PSG kayd ...20

>ekil 4.4 NREM Evre II’ ye ait PSG sinyal kayd …...20

>ekil 4.5 NREM Evre III………...21

>ekil 4.6 REM Evresi ne ait PSG sinyal kayd ...23

>ekil 4.7 Sekiz saatlik örnek bir uyku süreci...25

>ekil 4.8 Uluslar aras 10-20 sistemi………...30

>ekil 4.9 EOG elektrotlar ba lant ekli………...31

>ekil 4.10 Polisomnografi kay t öncesi hasta ba lant lar ...32

>ekil 4.11 Bilgisayar destekli polisomnografi cihaz n n kay t arayüzü…...33

>ekil 5.1 Evre 2 ye ait spindle bulunan epok...35

>ekil 5.2 Evre 2 ye ait spindle bulunmayan epok………...35

>ekil 5.3 Önerilen sistemin ak diyagram ...37

>ekil 5.4 Datalar n .edf dosya format na dönü ümü...38

>ekil 5.5 Datalar n .ascii dosya format na dönü ümü...39

>ekil 5.6 Datalar n .dat dosya format na dönü ümü...40

>ekil 5.7 128 pencereye ayr lm Spindle bulunan EEG sinyalinin Welch yöntemi sonucu güç spektrum yo unlu u...52

>ekil 5.8 Zaman domeni için tasarlanan ve en yüksek s n flama do rulu u elde edilen YSA Mimarisi………...62

>ekil 6.1 Spindle bulunan 1 Epokluk ( 30 saniyelik ) EEG i areti...63

>ekil 6.2 Spindle bulunmayan 1 Epokluk ( 30 saniyelik ) EEG i areti...64

(11)

>ekil 6.4. Frekans domeninde non-lineer da l m gösteren grafik...77 >ekil 7.1. Zaman domeninde lineer da l m gösteren grafik...79 >ekil 7.2 Frekans domeninde non-lineer da l m gösteren grafik...80

(12)

TABLOLAR L STES

Tablo 3.1 EEG dalga ekilleri...10

Tablo 4.1 Ya a göre uyku evrelerinin da l m ………...24

Tablo 4.2 Standart polisomnografi parametreleri ………...26

Tablo 4.3 EEG dalga ekilleri……….………...29

Tablo 4.4 Çe itli EEG paternleri...29

Tablo 5.1 Hastalara ait istatiksel de erler...34

Tablo 5.2 Zaman domeni özellikleri...43

Tablo 5.3 Frekans domeni özellikleri...44

Tablo 5.4 Pencere tipleri ve e itlikleri………….……….…………...51

Tablo 6.1 Karma kl k matrisi...65

Tablo 6.2 Zaman domeninde Hasta 1’ e ait karma kl k matrisi...67

Tablo 6.3 Frekans domeninde Hasta 1’ e ait karma kl k matrisi...67

Tablo 6.4 Zaman - Frekans domeninde Hasta 1’ e ait karma kl k matrisi……….68

Tablo 6.5 Yapay sinir a lar kullan larak zaman ve frekans domenlerinde sleep spindllar n s n fland r lmas sonucu elde edilen sonuçlar. (Hasta 1)……...69

Tablo 6.8 Zaman - Frekans domeninde Hasta 2’ e ait karma kl k matrisi……….71

Tablo 6.12 Zaman - Frekans domeninde Hasta 3’ e ait karma kl k matrisi…..….74

(13)

1. G R 3

Organizman n çevreyle ileti iminin, de i ik iddette uyaranlarla geri döndürülebilir bir biçimde geçici, k smi ve periyodik olarak kaybolmas durumu olarak tan mlanan uyku, insano lunun her zaman çok ilgilendi i konular içerisinde yer alm t r. Bunun nedeni her birimizin günlük i levselli imizi sürdürebilmek için uyku uyumaya ihtiyac m z n olmas d r. Günlük aktivitelerimizi devam ettirebilmek ve gün içerisinde çal malar m zda daha verimli olabilmek için her gün belirli bir süre uyumam z gerekmektedir (Dursun 2008).

Bu uyku süreci çe itli evreler içermekte ve bu evrelerin karakterize edilmesinde sinir hücrelerinin olu turdu u elektriksel aktivitelerinin yap sal bile imi rol oynamaktad r.

Sleep Spindle yani uyku i cikleri, uykunun Non-Rem Evre 2 diye tan mlanan bölümünün karakteristik dalga eklidir (Dursun 2008).

+ ciklerin olu umu ve i levi hakk nda tam bir fikir birli i olmamakla birlikte kabul gören iki varsay m vard r. Birinci varsay ma göre i cikler, motor ç k n ve alg geçi lerinin bast r lmas yoluyla uyku halinin sürdürülmesini sa layan sal n mlard r. +kinci varsay ma göre ise i cikler, talamo-kortikal alanda önceki deneyimlerin bütünle tirilmesi için gereken i levlerin bir araya getirilmesine yard mc olur. Hipersomniyak ve insomniyak denekler üzerinde yap lan çal malar i cik yo unluklar n n hastal n türü ile ba lant l olarak de i ti ini göstermekte ve i ciklerin uyku sürecini düzenleyici i levinin oldu u bulgusunu kuvvetlendirmektedir (Ero ul vd 1999).

T p alan nda hastal klar n te hisinde ve bu alanda yap lan ara t rmalarda kullan lan EEG (Elektroensefalogram) i aretleri beynin sinirsel aktivitesi sonucu elde edilen biyoelektrik tabanl i aretlerdir. Bu i aretler beynin fonksiyonlar ve çal mas ile ilgili çok miktarda bilgi bar nd r r. Bu bilgilerin kullan labilir hale gelmesi için sinyal i leme alan ndaki uzmanlar çok çe itli ara t rmalar yapmaktad rlar.

EEG sinyallerinin spektral analizlerine ek olarak, s n fland rma problemlerindeki ba ar l uygulama yöntemlerinden dolay yapay zekâ

(14)

uygulamalar n n bir çe idi olan yapay sinir a lar (YSA) biyomedikal sinyal i leme alan nda çal an uzmanlar n s kl kla ba vurdu u bir s n flay c olmu tur.

YSA’nin ö renme yetene i, ara t rmac lar cezbeden en önemli özelliklerinden birisidir. Çünkü YSA herhangi bir olay hakk nda, do rusal olsun ya da olmas n, girdiler ve ç kt lar aras ndaki ili kiyi eldeki mevcut örneklerden ö renir ve daha önce hiç kar la lmam olaylar , önceki örneklerden ça r mlar yaparak olaya çözümler üretir. + te bu özellik YSA’ daki zeki davran n da temelini te kil eder (Polikar 1999).

1987 y l nda yap lan ilk yapay sinir a lar sempozyumundan sonra YSA uygulamalar yayg nla m t r. Günümüzde, YSA ile ilgili ara t rmalar yapan çok say da bilim adam ve ara t rma gruplar vard r ( Batar 2005 ).

Uyku i ciklerinin sezimi ve incelenmesi konusunda farkl yöntemler önerilmi tir (Ero ul vd 1999). + cikleri modellemek için Zygierewicz (2000) uyumlu dalgac k yöntemini kullanm t r. Ero ul vd (1999) dalgac k dönü ümü ile birlikte Teager enerji i lecini i ciklerin yerinin belirlenmesi için kullanm t r. Görür vd (2002) k sa zamanl Fourier dönü ümünü öznitelik bulmak için, i ciklerin yerinin belirlenmesi için de Çok Katmanl Perseptron ve Destek Vektör Makinesi kullanm lard r. Duman F. ve arkada lar (2009), çal malar nda EEG sinyallerinin analizinden sonra karar a ac algoritmas yla uyku i ciklerinin tesbit edilmesi, yerlerinin kesin olarak bulunmas n sa lam ve bunun için üç farkl yol kullanm lard r. Bunlar STFT (Shirt Time Fourier Transform), MUSIC (Multiple Signal Classification) Algoritmas ve TEO (Teager Energy Operator) dur.

Bu tez çal mas nda ise uyku laboratuarlar nda, uyku dönemlerinin belirlenmesi için çal an uzmanlar n uyku i ci i olarak adland rd klar ve özellikle uykunun NREM Evre 2 olarak nitelendirilen dönemlerinde ortaya ç kan EEG dalga eklinden zaman domeni özellikleri ve Welch metodu kullan larak frekans domeninde özellik ç kart m yap larak YSA ile s n fland r lmas ve sonuçta incelenen sinyalde uyku i ci i olup olmad n n bulunmas amaçlanmaktad r.

Bu tez çal mas n n birinci bölümünde konuya giri yap lm yap lan çal ma hakk nda tan mlara yer verilmi tir. +kinci bölümde tez konusuyla ilgili yap lan literatür çal mas bulunmaktad r. Üçüncü bölümde EEG hakk nda bilgi verilmekte

(15)

dördüncü bölümde ise uyku ve uykunun gece boyunca ya anan evreleri anlat lmaktad r.

Be inci bölümde çal mada kullan lan materyalden bahsedilmi ve önerilen sistemin gerçekle tirilmesinde nas l bir metod kullan ld na yer verilmi tir. Alt nc bölümde çal mada ortaya ç kan deneysel sonuçlar tart lm t r. Buradan elde edilen sonuçlar yedinci bölümde de i ik aç lardan irdelenmi ve bu alanda çal ma yapmay dü ünenlere önerilerde bulunulmu tur.

(16)

2. L TERATÜR ARA3TIRMASI

Sweldens (1994), çal mas nda bir fonksiyonun dalgac k sabitlerini bu fonksiyonun örneklerinden hesaplanmas üzerine interpolasyon, quadrature e itlik ve filtreleme metotlar yla uygulamalar sunmu tur.

Anderson ve ark. (1995), çal malar nda EEG i aretleri yard m yla zihinsel durumun tan mlanmas amac yla yapay sinir a lar kullanm lard r.

Grap (1995), makalesinde geleneksel Fourier metotlar , Dalgac k teorisi ve analizlerinin geli imini inceleyerek sinyal i leme alan temelli çe itli kar la t rmalar yapm , ayr ca henüz geli en dalgac k analizinin uygulama alanlar ndan bahsetmi tir. Kalayc ve Özdamar (1995), giri ve ç k datas n n sinyalin karakteristik özelliklerini gösterebilecek ekilde i lenebilmesi durumunda yapay sinir a lar n n daha iyi sonuç verdi ini gösteren bir çal ma yapm lard r.

Dograhmi ve ark. (1997), çal mas nda EEG kay tlar n n spektral analiz temelli s n fland r lmas n amaçlayarak elektrot say s n n ve uygulanan spektral analiz yöntemi özelliklerinin bir s n fland r c gibi kullan lmas konusunu incelemi lerdir.

Mckeown ve ark. (1997), EEG i aretlerinin analizi ve uyar de i ikliklerinin bulunmas amac yla istatistiksel yöntemler kullanarak bir çal ma yapm lard r.

Jung ve ark. (1998), çal mas nda uyku ve uyan kl k durumlar n n yapay sinir a lar ile s n fland r lmas nda, ham EEG i aretlerinden ziyade Fourier Dönü ümü al nm EEG’ nin daha uygun sonuçlar verdi ini gözlemlemi lerdir.

Miner (1998), bu raporda geleneksel Fourier metotlar , Dalgac k teorisi ve analizlerinin geli imini inceleyerek sinyal i leme alan temelli çesitli kar la t rmalar yap lm , ayr ca sürekli ve ayr k dalgac k analizi algoritmalar verilmi tir.

Torrence ve ark. (1998), çal malar nda yayg n olarak kullan lan temel dalgac k fonksiyonlar s n fland r lm , özellikleri verilerek ayr k zaman diziler için sürekli

dalgac k dönü ümü yakla kl verilmi tir. Sonlu uzunlukta zaman serilerine Pencerelenmi Fourier ve Dalgac k dönü ümü uygulayarak istatistik önem ile güvenirlik aral analizleri yapm lard r.

Önal ve ark. (1998), EEG sinyallerindeki epileptik sürecin Dalgac k Dönü ümü yöntemi ile belirlenmesini amaçlayarak bir çal ma yapm lar ve bu çal mada

(17)

parsiyel nöbet geçiren 3 ya ndaki bir çocuktan al nan gerçek EEG i areti kullanarak epileptik süreçte özellikle dü ük frekans band V’ n n etkinli ini göstermi lerdir.

Güne ve ark. (1998), EEG i aretlerine Dalgac k Dönü ümü teknikleri uygulayarak, Sürekli ve Ayr k Dalgac k Dönü ümlerinin üstünlüklerini göstermeyi amaçlayan bir çal ma yapm lard r.

Güne (1999), EEG i aretlerinin Dalgac k Analizi ve di er parametrik yöntemlerle kar la t r lmas konulu bir tez çal mas yapm t r.

Suleesathira ve ark. (2000), deterministik, dura an olmayan sinyallerin gösteriminin ayr k evrimsel dönü ümle yap labilirli i konusunda çal m lard r.

Girault ve ark. (2000), çal malar nda dura an olmayan benzetim ve gerçek sinyaller üzerinde FFT, AR, Zamanla de i en parametrik model yakla m metotlar n kullanm lar, frekans kestirimi için de kar la t rma maksad yla spektral a rl k merkezi hesab yla de erlendirmelerde bulunmu lard r.

Güler +. (2001), çal mas nda EEG sinyallerini AR (autoregressive method) kullanarak analiz etmi tir. Bu çal mada parametreler maksimum olabilirlik kestirimi (MLE) yöntemi kullan larak belirlenmi tir.

K ym k ve ark. (2004), gerçek zamanl uygulamalar için EEG sinyallerindeki epileptik sürecin belirlenmesinde STFT (Shirt Time Fourier Transform) ve Dalgac k Analiz yöntemlerini kapsayan bir çal ma yapm lar ve bu çal mada Dalgac k Dönü ümü’ nün di er spektral analiz yöntemi olan STFT’ ye oranla daha ba ar l sonuçlar verdi ini göstermi lerdir.

Ac r N. ve arkada lar (2004), yapay sinir a lar kullanarak EEG de uyku i ciklerini otomatik olarak tan yan sistemi önermi lerdir.

Álvarez, D., ve arkada lar (2009), çal malar nda apne hipapne sendromunda apneik olaylar n bulunmas na fuzzy logic tabanl bir çözüm önerisi getirmi lerdir.

Duman F. ve arkada lar (2009), çal malar nda EEG sinyallerinin analizinden sonra karar a ac algoritmas yla uyku i ciklerinin tesbit edilmesi, yerlerinin kesin olarak bulunmas sa lanm ve bunun için üç farkl yol kullan lm t r. Bunlar STFT (Shirt Time Fourier Transform), MUSIC (Multiple Signal Classification) Algoritmas ve TEO (Teager Energy Operator) dur.

(18)

3. EEG

3.1. EEG’ nin Tarihsel Geli0imi

Beyinde bir tak m elektriksel faaliyetlerin var oldu u 1875 y l nda Caton adl bir bilim adam taraf ndan hayvanlar üzerinde yapt deneyler sonucunda ortaya at lm t r. 1929 y l nda ise ilk defa insan beyninde elektriksel aktivitenin varl Alman Psikiyatrist Hans Berger taraf ndan kafaya konulan elektrotlar ve bunlara ba l bir galvanometre düzene i sayesinde ke fedilmi tir. Dünya bu olay Berger’ in "Beyin taraf ndan üretilen zay f elektrik ak mlar n grafiksel olarak ka t üzerinde kaydetmek kafatas n açmadan mümkün olmu tur" eklinde yapt beyan ile ö renmi tir. Bu geli me devrimsel bir bulu olmu tur. Asl nda Berger, Klinik

Nörofizyoloji ad yla tamamen yeni ve çok önemli bir t bbi bilim dal n ke fetmi tir.

Berger, (1930)’ da ise Elektroensefolagram ad verilen bu dalgalar n gözün aç l p kapanmas yla de i ti ini ortaya koydu.

Fakat Berger’ in kulland elektrotlar EEG' nin detayl topografik ölçümü için çok büyüktüler. Bu durum Gray Walter ad ndaki +ngiliz bilim adam nca bertaraf edildi. 1936' da kafatas na çok say da küçük elektrod yerle tirilmesi ile beyinde tümör etraf ndaki elektriksel aktivitenin belirlendi ini ve içindekinin kayboldu unu ispatlad .

EEG'nin iki boyutlu haritalar n olu turma olas l klar yla peki erek Walter 1957'de toposkopu icat etti. Toposkop, her biri kafatas na tutturulmu bir çift elektroda ba l 22 katod k tüp (TV tüpü benzeri) bulundurur. Toposkopun elektrodlar ve ilgili tüpleri iki boyutlu geometrik düzlem üzerinde ayarland , t pk her tüpün beyinde belirli alanlar n EEG ölçümlerini olu turan bir k s m ritimlerin yo unlu unun betimlemesi gibi. Gray Walter deneklerine birkaç zihinsel görev vererek EEG ritimlerinin farkl yollarla, farkl zamanda ve beynin farkl bölümleriyle de i ti i sonucunu görmü tür. Örne in, ilk olarak dinlenme halindeki alfa ritminin, dikkat isteyen zihinsel bir etkinlik esnas nda neredeyse tüm beyinden kayboldu unu ve daha h zl olan beta dalgalar n n hakim olduklar gözlemlenmi tir.

(19)

Epileptik noktalar n tespitinde toposkopun büyük yard m olabilece i gerçe inin yan s ra çok karma k ve pahal olmas ticari ba ar s n ve yayg n kullan m n engellemi tir. Beyin elektriksel etkinli inin topografik yakla m 80' li y llarda masaüstü bilgisayarlar yla birlikte yeniden do mu tur. EEG beyin topografisi günümüzde renkli beyin haritalamas olarak da an lmaktad r.

3.2. EEG nedir?

Beyinin biyoelektrik aktivitesinin incelenmesine ve uygun amplifikasyon ve yazd rma sistemleri kullan larak ka t üzerinde i lenmesi yöntemine

elektroensefalografi denir. EEG yöntemini kullanarak beyinde çe itli sebeplerden

dolay ortaya ç kan hastal klar için bazen kesin veriler elde edemezken bazen de hastal a ait küçük bir veri sonucu te his yap labilmektedir. Baz de i iklikler hastal a sebep olan durumun saptanmas n sa larken baz de i iklikler de metabolik olay n çe itleri konusunda bilgi vermektedir.

Bu yöntem beynin yap sal i levlerinden çok fonksiyonel durumu hakk nda bilgi verir. Bu nedenle yap sal görüntüleme yöntemlerinden MRG (Manyetik Rezonans Görüntüleme), BT (Bilgisayarl Tomografi) gibi geli melere ra men önemini korumaktad r. Bu yöntemler daha çok birbirini tamamlay c i levler olan yap sal ve fonksiyonel inceleme üzerinde etkili olmaktad rlar. Yap sal inceleme sonucu gözlemlenen patolojik bulgular n olmad durumlarda EEG önem ta maktad r.

3.3. EEG Cihaz/n/n Temel Çal/0ma 3ekli ve Uygulanmas/

EEG cihazlar nda genel olarak kafatas n n çe itli yerlerinden ayn anda kay t yapabilen 8, 16 veya daha fazla say da ayr amplifikatörler bulunmaktad r. Amplifikatörler beyinden al nan sinyalleri yükseltirler ve mürekkeple yazan kalemleri hareket ettirerek veya özel bir ka d yakma yöntemiyle kay t al nmas n

(20)

sa larlar. Kalemler saniyede 3cm. h zla ilerleyen ka da voltaj de i imlerini çizerler. Olu an dalgalar n frekans aral 0.5 ile 35 Hz. Aras nda de i mektedir. Böylece beyin dalgalar n n voltaj zaman grafi i elde edilir. Standart voltaj kalibrasyonu 7 mm. 50 µV olacak ekildedir.

EEG tamamen a r s z ve zarars z bir inceleme yöntemidir. Saçl deriden kay tlanan potansiyellerin ço u piramidal hücrelerdeki toplam sinaptik potansiyellerin ekstrasellüler ak mlarla ili kisinin sonucudur. Bu potansiyeller sonucu al nan kay tlar montaj ad verilen ba lant larla de erlendirilir. Eskiden kullan lan EEG aletlerinde (yukarda bahsedilen) o andaki kay t ka da yap l r ve parametreleri sonradan de i tirilemez. Oysa imdi kullan lan dijital EEG cihazlar n n en önemli avantaj kay t yap lan montajdan daha sonra di er montajlara geçilebilmesi, amplitüd ve di er parametrelerin her olgu için ve her bulgu için yeniden ayarlanarak en sa l kl bilginin sa lanmas d r.

Genelde EEG çekimi yakla k 30 dakika sürer, çekimden önce elektrotlar n yerle imi çok önemli bir haz rl k a amas d r. Elektrotlar beynin sa ve sol lopuna göre simetrik biçimde yerle tirilmelidir. Bu da hemisferler aras k yaslaman n sa l kl yap labilmesi için gereklidir. Loplara yerle tirilen elektrotlar lopun ad n n ba harfine göre solda tek say ile sa da çift say ile ifade edilir. Örne in sol arka frontal için F7 sa ön frontal için F4 kullan l r.

Yerle tirilen elektrot say s yakla k 20 civar ndad r. Genelde elektrotlar n yerle tirilece i noktalar uluslararas 10 - 20 sistemine göre yap l r. Elektrotlar kafa derisi üzerine uygun yap kan ve elektri i geçiren bir macunla yap t r larak ya da apka eklinde kauçuk bantlarla s k t r larak yerle tirilir ve baz özel pastalar ya da tuzlu su ile iletkenlikleri sa lan r.

EEG çekimi öncesinde hastan n saçlar n n temiz olmas önem ta r. EEG çekimi süresince hasta sakin bir ekilde gözleri kapal oturmal d r. EEG teknisyenin talimatlar nca hasta gözlerini aç p kapayabilir.

Tüm EEG çekimlerinde hiperventilasyon uygulan r. Bunun sebebi bir epileptik oda aktifle tirmektir. Ayr ca EEG’ de uygulanmas gereken önemli bir aktivasyon da aral kl k uyar m d r.

(21)

3.4. EEG De-erlendirilmesi

EEG bulgular n n de erlendirilebilmesi için öncelikle normal EEG özelliklerinin çok iyi bilinmesi gereklidir. Her EEG çekiminde önce temel aktivite de erlendirilir. Normal temel aktivite ya la, uyan kl k durumuyla, açl k gibi baz fizyolojik durumlarla çok belirgin farkl l klar gösterir. Üç ayl k bir bebek için normal say lan aktivite 3 ya nda bir çocuk için patolojiktir. Ya da derin uykuda olan bir eri kinin EEG aktivitesi ayn ki i uyan kken görüldü ünde ciddi bir patolojik bulgu anlam na gelebilir.

EEG de beynin hemisferleri aras nda simetri vard r, bu nedenle iki yar kürenin k yaslanmas önemlidir. Bunun d nda EEG de erlendirirken en önemli sorun artefaktlar n ay rt edilebilmesidir. Artefaktlar EEG kayd nda yer alan, ancak beyinden kaynaklanmayan (göz hareketleri, hareket ve kas artefakt , elektrot kaymas , terleme gibi) çe itli mekanik-elektriksel potansiyellerin sonucudur. Deneyimli bir ki inin hemen tan yabilece i baz artefaktlar kolayca patolojik beyin aktiviteleri san labilir.

EEG çekimi s ras nda hastan n kulland ilaçlar ve varsa metabolik problemleri mutlaka kaydedilmelidir. Çünkü baz ilaçlar n ve metabolik durumlar n EEG üzerinde etkileri belirgindir. Ayr ca epileptik hastan n nöbeti ile EEG çekimi aras ndaki süre, yani EEG’nin postiktal mi yoksa interiktal dönemde mi yap ld baz bulgular n yorumu aç s ndan önem ta r.

EEG sonucunda yorum yaparken görülen bulgular tan mlamay ye lemek ve EEG bulgusu ile klinik tan aras nda yanl olabilecek bir yak t rma yapmamak gerekir. EEG de erlendirmesini bu konuda deneyimli uzmanlar n yapmas ancak her hekimin sonuçlar yorumlayabilmesi gereklidir.

(22)

3.5. EEG 0aretlerinin Elektriksel Özellikleri

EEG i aretlerinin frekans bile enleri klinik bak mdan oldukça önemli oldu u gibi, farkl bölgelerden al nan benzer EEG i aretleri aras ndaki faz ili kileri de say sal anlamda oldukça ilgi çekicidir. Bu türden bilgiler, EEG’ nin kayna n n incelenmesinde çok faydal olup beyin çal mas ile ilgili daha birçok bilginin elde edilmesine olanak sa lar. Kafatas na yerle tirilen elektrotlar yard m yla al nan EEG sinyallerinin genli i tepeden tepeye 1–100 µV ve frekans band ise 0.5 - 35 Hz aral ndad r. Ölçümler aç k beyin ameliyatlar gibi durumlarda beyin üzerinden do rudan al nd takdirde, genlik de eri 10 kat daha artar. EEG’ de olu an farkl frekanslar n olu um mekanizmalar henüz tam olarak aç klanamam t r.

EEG, EKG ve EMG i aretlerinde oldu u gibi ekil bak m ndan de il, kapsad frekanslara göre de erlendirilmektedir. Çünkü EEG i aretleri periyodik de ildir; genlik, faz ve frekanslar sürekli olarak zaman içerisinde de i ir. Bu sebeple anlaml bir veri elde edebilmek için ölçümlerin oldukça uzun bir sürede yap lmas gerekir. EEG i aretlerinin ana frekans ile beyin aktivitesi yak ndan ili kilidir. Aktivite ile frekans birlikte yükselir. Tablo 3.1, EEG i aretleri, kapsad klar frekans bantlar ve bu bantlara verilen özel isimler ile birlikte a a daki gibi verilmi tir.

Tablo 3.1 EEG dalga ekilleri Dalga Tipi Özelli-i Beta > 13 Hz

Alfa 13-8 Hz

Teta 7-3 Hz

(23)

3.6. EEG Dalga 3ekilleri

Alfa Dalgalar/: Alfa dalgalar 8–13 Hz aras ndaki beyin dalgalar d r. Uyan k normal ve sakin kimselerde görülür. Yo un ekilde oksipital bölgede ortaya ç kar, genlikleri 5 µV kadard r. Uyku durumunda yok olurlar. Uyan k ki i dikkatini özel bir eye yöneltirse [ dalgalar yerine, daha yüksek frekansl , fakat dü ük genlikli EEG i aretleri (\ dalgalar ) meydana gelir. >ekil 3.1’ de Alfa dalgas görülmektedir (Yazgan ve Korurek 1996).

>ekil 3.1 Alfa dalga ekli

Beta Dalgalar/: Beta dalgalar , Frekanslar 13 Hz’ in üzerindeki beyin dalgalar d r. 25 Hz’ e ve nadir hallerde 50 Hz’ e kadar uzan rlar. Saçl derinin parietal ve frontal bölgelerinde belirgin olarak kaydedilebilir. Beta-I (BI) ve Beta-II (BII) diye ikiye ayr l rlar. BII dalgalar n n frekans , BI’ inkinin iki iki mislidir ve [ dalgalar nda oldu u gibi zihinsel aktivitenin artmas ile ortadan kalkarlar ve yerlerine dü ük genlikli asenkron i aretler olu ur. BII dalgalar , merkezi sinir sisteminin kuvvetli aktivasyonunda veya gerginlik hallerinde ortaya ç kar. >ekil 3.2’ de Beta dalgas görülmektedir (Yazgan ve Korurek 1996).

(24)

>ekil 3.2 Beta dalga ekli

Teta Dalgalar/: Teta dalgalar 3–7 Hz aras ndaki dalgalard r. Özellikle, çocuklarda parietal ve temporal bölgelerde ortaya ç karlar. Yeti kinlerde de duygusal gerginlik, dü k r kl durumlar nda ortaya ç karlar. Genlikleri 100 µV (p-p)’ den küçüktür. >ekil 3.3’ de Teta dalgas görülmektedir (Yazgan ve Korurek 1996).

>ekil 3.3 Teta dalga ekli

Delta Dalgalar/: Delta dalgalar 2–0,5 Hz’ in alt ndaki beyin dalgalar d r. Baz durumlarda 0,5 Hz’ in alt na da dü er. Süt çocuklar nda ve a r organik beyin hastal klar nda görülür. Genlikleri–100 µV (p-p)’ den küçüktür. >ekil 3.4’ de Delta dalgas görülmektedir (Yazgan ve Korurek 1996).

(25)

>ekil 3.4 Delta dalga ekli

Gamma Dalgalar/: Baz ara t rmac lar taraf ndan kullan lmaktad r. Baz ara t rmac lar da bu dalgalar n yerine, BII dalgalar n kullanmaktad r. Genlikleri, 2 µV (pp)’ den daha küçüktür. Kafan n merkezinde, genlikleri daha büyüktür. Uykunun karakteristik belirtisini ta rlar (Yazgan ve Korurek 1996).

(26)

4. UYKU ve UYKU EVRELER

4.1. Uyku

Uyku insano lunun her zaman çok ilgilendi i konular içerisinde yer alm t r. Bunun nedeni her birimizin günlük i levselli imizi sürdürebilmek için uyku uyumaya ihtiyac m z n olmas d r. Günlük aktivitelerimizi devam ettirebilmek için, verimli olabilmek için her gün belirli bir süre uyumam z gerekmektedir.

Her insan, ömrünün üçte birini uyuyarak geçirir. Her gün ya ad m z ve gerçekte büyük bir mucize olan uyku genellikle bilinenin aksine tüm vücut sistemlerinin pasifle ti i bir dinlenme süresi de ildir. Çünkü uyku esnas nda vücut aktif bir yenilenme sürecine girer. Tüm bu verilenler nda uykunun bir tan m n

öyle yapabiliriz.

Uyku; organizman n çevreyle ileti iminin, de i ik iddette uyaranlarla geri döndürülebilir bir biçimde geçici, k smi ve periyodik olarak kaybolmas durumudur.

Uykunun ba lamas , e zamanl olarak meydana gelen bir dizi faaliyet sonucu olmaktad r. Retiküler Aktivasyon Sistemi (RAS) ile çevresel sinir sistemi aras ndaki pozitif geribildirim döngüsünün engellenmesi (ketlenmesi), uyku merkezlerinin engelleyici etkileri ve uykuyu olu turan kimyasal ajanlar n (nörotransmiterlerin) birikmesi uyan kl ktan uykuya geçi e yol açmaktad r. Ayr ca, uykuya geçerken vücut s s ve kortizol düzeyi dü mekte, melatonin salg s artmaktad r. Organizma, “sirkadien ritm” e uygun olarak uykuya giri e haz rlanmakta, sinir sisteminde korteks alt bölgelerde, locus coeruleus’ da (LC) engellenme ba lamakta, giderek dorsal raphe çekirdeklerinde (DR) faaliyetin artt dikkati çekmektedir. Bunun sonucu, e zamanl olarak derin uyku ortaya ç kmakta, uyku derinle tikçe sinir sistemindeki engellenme derinle mektedir (Uykuder 1. Uyku Bozukluklar Kongre Kitab , 2008).

Özetle düzenli uyku vücudun performans n art r rken, kronik uykusuzluk i gücünü azaltmakta ve mental yetenekleri k s tlamaktad r. Uyku döneminde ba ta merkezi sinir sistemi olmak üzere, solunum, dola m ve kas iskelet sistemi gibi, organizman n büyük bir bölümünün günlük y pranmas tamir edilmektedir. Uykuda

(27)

bir bozukluk oldu unda tamir edilemeyen sistemler verimsiz çal maya ba lamaktad r.

4.2. Uyku Evreleri ve Uyku Evreleme

Uyku bozukluklar n n tan s için “alt n standart” yöntem olan polisomnografi; uyku s ras nda, nörofizyolojik, kardiyorespiratuar, di er fizyolojik ve fiziksel parametrelerin belli bir periyod, genellikle gece boyunca, e zamanl ve devaml olarak kaydedilmesi” eklinde tan mlanabilir. (Uykuder 1. Uyku Bozukluklar Kongre Kitab , 2008)

1968 y l nda Rechtschaffen ve Kales’ in (R&K) editörlüklerini yapt 12 ara t rmac , insan uyku evrelerinin standart terminoloji, teknik ve skorlama el kitab n haz rlam lard r. Yak n geçmi e kadar uyku evrelerinin skorlamas bu grubun belirledi i prensipler esas al narak yap lmakta ve sa l kl bir ki ide normal uyku; NREM 1, 2, 3, 4 ve REM olmak üzere iki ana bölüm ve 5 evreden olu maktayd .

Amerikan Uyku T bb Akademisi’nin (American Academy of Sleep Medicine-AASM), Dr. Iber Conrad ba kanl nda olu turdu u bir çal ma grubu uzun süren çal malar sonunda, uyku ve ili kili olaylar n skorlanmas konusunda yeni kurallar belirlemi ve 2007 y l nda bir manüel olarak yay nlanm t r. Art k günümüzde bu uzla raporu kurallar esas al nmaktad r. Buna göre;

A. Uyku evreleri uyan kl k (W), evre I (N 1), evre II (N2), evre III (N3) ve REM (R)’ den olu maktad r (Non-REM evre 4 uyku terminolojisinden kald r lm t r).

B. Uyku epoklara göre skorlan r

1. Uyku evrelerinin skorlanmas için 30 saniyelik epoklara ihtiyaç vard r. 2. Her epok bir evre ile isimlendirilir.

3. +ki evre ayn epokta yer al yorsa, epo un yar s ndan fazlas hangi evre ise o evre olarak adland nl r.

(28)

4.2.1. Uyku evreleri

4.2.1.1. Evre W (uyan/kl/k evresi)

W evresi, uyan kl k evresidir ve en alert durumdan uykuya dalmak üzere olan duruma kadar de i en bir yelpaze içerir.

W evresinde, gözler kapal yken genellikle alfa ritmi izlenir. Gözler aç kken alfa’n n ritmisitesi olmaks z n dü ük amplitudlü aktivite içeren EEG paterni izlenir. +nsanlar n %10’unda gözler kapal iken alfa dalgalar izlenmez, %lO’unda ise çok azd r. Bu ki ilerde göz aç k ya da kapal iken EEG paterni ayn d r.

W evresinde, EOG’de 0.5-2 Hz frekans nda h zl göz hareketleri (göz k rpmalar ) izlenir. Uykuya dalmak üzereyken göz k rpmalar n s kl yava lar, göz k rpmalar n yerini yava göz hareketleri al r, bu arada alfa ritmi sebat eder. E er gözler aç ksa istekli h zl göz hareketleri ya da okuyan göz hareketleri izlenebilir.

Tan/mlar:

Alfa ritmi: 8-13 Hz frekanslardad r. Gözler kapal iken ve oksipital bölgeden al n r, gözler aç l nca zay flar.

Göz k/rpma: 0.5-2 Hz’ lik vertikal göz hareketleridir.

Okuyan göz hareketleri: Ters istikametlerde önce yava sonra takibinde h zl faz içeren göz hareketleridir.

H/zl/ göz hareketleri: R evresinde geçerli olmakla beraber uyan k, göz aç k ve ki i çevreyi gözleri ile tararken de görülür. +rregüler, sert, keskin pikler tarz nda dalgalar mevcuttur.

(29)

>ekil 4.1 Uyan kl k (W) Evresine ait PSG sinyal kayd

4.2.1.2. NREM Evre I

NREM Evre I’ de Verteks keskin dalgalar bulunabilir ama NREM Evre I evresini skorlamak için gerekli de ildir.

EOG’ de, NREM Evre I’ de yava göz hareketleri izlenir ama NREM Evre I diye skorlamak için bu art de ildir. NREM Evre I boyunca çene EMG aktivitesi de i kendir ama s kl kla W evresine göre amplitüdü dü üktür. T pk alfa ritimlerinin yava göz hareketlerinden önce ba lamas gibi uyku latans alfa ritmi olu turamayanlara göre daha k sa olabilir. NREM Evre I uyku zaman n n %2 - 5’ ini içerir. E er ki i uykunun bu evresinde uyand r l rsa etraf nda olup bitenden tamamen haberdar olmamas na kar n genellikle uyumad n uyan k oldu unu söyleyecektir.

Tan/mlar:

Yava0 göz hareketleri (SEM): En az 0.5 sn’ nin üstünde bir defleksiyonla ba layan konjuge, düzenli, sinüzoidal göz hareketleridir.

Dü0ük amplitüd, kar/0/k frekansl/ aktivite: 4-7 Hz’ lik aktivite bask n durumdad r. Verteks keskin dalgalar/ (V dalgalar/): Maksimum 0.5 saniyelik keskin uçlu dalgalard r, santral bölgelerden al n r, bazal aktiviteden net olarak ayr labilir.

(30)

Uyku ba0lang/c/ (sleep onset): W d ndaki herhangi bir uyku evresinin ilk görüldü ü epoktur (olgular n ço unda, genellikle NREM Evre I).

>ekil 4.2’ de NREM Evre I’ e ait PSG sinyal kayd bulunmaktad r.

>ekil 4.2 NREM Evre I e ait PSG sinyal kayd

4.2.1.3. NREM Evre II

EOG’ de genellikle NREM Evre II’ de göz hareketleri aktivitesi yoktur, ama bazen SEM sebat eder. NREM Evre II evresinde, EMG amplitüdü de i kendir, ama genellikle W’ den dü ük hatta R kadard r. Bu evre total uykunun % 45-55’ ini içerir. Uykunun bu evresinde bilinç, ki i uyand r ld nda uykuda oldu unu hat rlayabilmesine yeterli olacak ekilde EEG paternleri görülür.

Tan/mlar:

K Kompleksi: +yi ay rt edilen negatif keskin ve onu takip eden pozitif komponenti vard r, toplam süresi 0.5 saniyeden uzundur, maksimum amplitüd frontal

(31)

derivasyonlardan sa lan r. Bir arousal’ K kompleksine e lik eden arousal kabul etmek için K kompleksinden sonra en fazla 1 saniye içinde geli mi olmas gerekir. Uyku i-ci-i: 12-14 Hz’lik (11-16 da olabilir) frekanstad r, 0.5 saniyeden uzun süren, en yüksek amplitüdün santral derivasyonlardan al nd pe pe e küçük dalgalardan olu ur.

Uyku i cikleri thalamokortikal sal n mlar n güdümüyle kortekste gözlemlenebilen geçici dalga biçimleridir. + cik aktivitesi uykunun 2. döneminde yo un olmak üzere di er NREM uyku evrelerinde nadiren de olsa mevcuttur. Ya n ilerlemesiyle, ya am boyu var olan uyku i ciklerinin yo unluklar nda azalma, frekans nda artma görülmektedir (A.Nicolas 2001).

+ ciklerin olu umu ve i levi hakk nda tam bir fikir birli i olmamakla birlikte kabul gören iki varsay m vard r. Birinci varsay ma göre i cikler, motor ç k n ve alg geçi lerinin bast r lmas yoluyla uyku halinin sürdürülmesini sa layan sal n mlard r. +kinci varsay ma göre ise i cikler, talamo-kortikal alanda önceki deneyimlerin bütünle tirilmesi için gereken i levlerin bir araya getirilmesine yard mc olur. Hipersomniyak ve insomniyak denekler üzerinde yap lan çal malar i cik yo unluklar n n hastal n türü ile ba lant l olarak de i ti ini göstermekte ve i ciklerin uyku sürecini düzenleyici i levinin oldu u bulgusunu kuvvetlendirmektedir (Ero ul vd 1999).

+ ciklerin geçici rejim özelliklerini ve arka plan EEG (elektroansefalografi) i aretlerine göre daha dü ük genliklere sahip olmalar gözle ay rt edilmelerini ve ayr t rmalar n güçle tirir. + ciklerin otomatik sezimi ve dalga biçimlerinin analizi nesnel olarak de erlendirilebilmeleri için önemlidir (Ero ul vd 1999).

>ekil 4.3’ de K kompleksi ve Uyku i ci i bulunan bir PSG sinyal kayd bulunmaktad r.

(32)

>ekil 4.3 K kompleksi ve uyku i ci i bulunan bir PSG kayd

>ekil 4.4’ de NREM Evre II’ ye ait PSG sinyal kayd bulunmaktad r.

(33)

4.2.1.4. NREM Evre III

NREM evre III’ de uyku i cikleri sebat edebilir. NREM evre III’ de göz hareketleri tipik de ildir ve EMG amplitüdü de i kendir, s kl kla NREM evre III’ dekine göre dü ük hatta bazen R’ deki kadard r. Bu evre uykunun en derin, en iyile tirici ve en uygun dinlenme noktas d r. Yava dalgal uyku evresidir. Frekans 0.5-2 Hz aras ndaki sinyaller mevcuttur bu sinyaller Delta dalgalar d r. NREM evre III’ tüm gece uykusunun %20-25 ini içerir. Ki iyi uyand rmak daha zordur. Bu esnada derin ve rüyas z bir uyku durumu vard r. Çocuklarda büyüme hormonu özellikle derin uyku döneminde (Evre III ) sal n r.

Tan/mlar:

Yava0 dalga aktivitesi: Delta dalgalar n n frekans 0.5-2 Hz’ dir. Frontal bölgeden al nan dalgan n amplitüdü >75 mikro volttur.

>ekil 4.5’ de NREM Evre III’ e ait PSG sinyal kayd bulunmaktad r.

(34)

4.2.1.5. REM Evresi

REM evresindeki dü ük amplitüd, kar k frekansl aktivite NREM evre I’ e benzer. Baz ki ilerde alfa aktivitesi NREM evre I’ den çok R’ de izlenir. R’ deki alfa aktivitesi W’ a göre 1-2 Hz daha yava t r.

A a daki fenomenler R evresini, üpheli durumlarda skorlamaya yard mc olur.

a) Testere di i dalgalar b) Geçici kas akitivitesi

c) Özellikle gecenin ilk R epizotunda, R’ de K kompleksi ve uyku i ci i izlenebilir ama h zl göz hareketleri yok ve sadece dü ük EMG söz konusu ise NREM evre II olarak skorlanmal d r.

Tüm gece uykusunun % 20-25 ini kapsar. EEG’ de dü ük voltajl h zl aktivite gözlenir. Rüyalar n % 80' inin REM s ras nda görüldü ü bilinmektedir. Bu evrede görülen rüyalar hat rlan r (bu evrede kal c bellek kayd vard r). 90 dakikada bir, 5-30 dakikal k süreçler halinde ortaya ç kar. REM s ras nda beyindeki kan ak m üzerindeki çal malar, kan ak m n n ve oksijen kullan m n n uyan kl a benzer tarzda art lar gösterdi ine i aret etmektedir. Tüm vücutta kas tonusu azal r. Kalp at mlar , solunum say s ve kan bas nc düzensizle ir. Baz düzensiz kas hareketleri (göz hareketleri gibi) olu ur. Bu evre uykunun di er evrelerinin aras na serpi tirilmi tir.

Tan/mlar:

REM: 0.5 sn’ lik defleksiyonla ba layan konjüge, düzensiz, keskin pikli göz hareketleridir.

Dü0ük EMG tonüsü: EMG aktivitesi di er herhangi bir evreden daha yüksek de ildir, genellikle bütün kayd n en dü ük seviyesine sahiptir.

Testere di0i dalgalar: Santral bölgelerden al nan, maksimum 2-6 Hz dalgal keskin uçlu, üçgenimsi, genellikle REM göz hareketlerine e lik eden dalgalard r.

Geçici kas aktivitesi: Genellikle 0.25 saniyeden k sa süreli bazaldeki dü ük EMG tonüsüne süperpoze k sa, irregüler EMG aktivitesi patlamalar eklindedir. Çene ve

(35)

bacak EMG’ sinde oldu u kadar EEG ve EOG’ de de izlenebilir. Bu aktivite h zl göz hareketleri ile beraber maksimumdur.

>ekil 4.6’ da REM Evresi’ ne ait PSG sinyal kayd bulunmaktad r.

(36)

4.2.2. Ya0a göre uyku evrelerinin da-/l/m/

Uyku evrelerinin da l m ya la de i kenlik gösterir. REM süresinde ya la de i iklik olmazken, çocuklar eri kinlere k yasla daha fazla ya l lar ise daha az yava dalga uykusu (NREM Evre 3) uyurlar. Ya a göre uyku evrelerinin da l m Tablo 4.1’ de verilmi tir.

Tablo 4.1 Ya a göre uyku evrelerinin da l m UYKU EVRELER+ ÇOCUK GENÇ ER+>K+N YA>LI Uyan k < 5 > REM = 20-25 = NREM-1 < 1-5 > NREM-2 = 40-50 > NREM-3 > 20-25 < TOPLAM saat 10-12 8-10 6-8

4.2.3. Örnek bir uyku modeli

>ekil 4.7’ deki grafikte sar hat uyan kl k dönemini simgelemektedir. Uyku ba lang c nda süratle yüzeyel uykudan derin uykuya geçilir. Genellikle uykuya dald ktan sonra 1 saat içinde NREM döneminin en derin basama olan üçüncü basama a girilir. Daha sonra uykunun derinli i azal r ve ilk REM dönemine geçilir.

(37)

>ekil 4.7 Sekiz saatlik örnek bir uyku süreci

Bu ilk REM dönemi 5-10 dakika devam eder. Bundan sonra NREM ve onu izleyen REM’ den olu an ve 80–100 dakika süren periyotlar uyku s ras nda pe pe e 4-6 kez meydana gelir. REM’ in toplam süresi, uykunun toplam süresinin % 20-25’ i kadard r.

Rem döneminde uykunun en hafif dönemine ula r z. Bu noktada uyanma ihtimalimiz çok yüksektir veya çevremizdeki sesler, hareketler, içimizdeki a r lar veya üzüntülerle aniden uyan p canlanabiliriz. Tekrar uykuya geri dönersek, bütün devreler yeniden ba lar.

Uykunun ilk üçte birinde NREM’ in derin basamaklar egemen durumdad r. Uykunun ortas nda ve ikinci yar s nda yava dalgal uyku süresi k sal r, REM döneminin süresi ise genellikle uzar.

(38)

4.3. Polisomnografi

OSAS tan s için “alt n standart” tan yöntemi olan “polisomnografi” (PSG) Yunanca ye Romence köklerden olu mu bir kelimedir. Bu terim ilk kez 1974 y l nda Holland ve arkada lar taraf ndan kullan lm t r.

"Uyku s ras nda, norofizyolojik, kardiyorespiratuar, di er fizyolojik ye fiziksel parametrelerin belli bir periyod, genellikle gece boyunca, e zamanl ve devaml olarak kaydedilmesi" eklinde tan mlanabilir (Uykuder 1. Uyku Bozukluklar Kongre Kitab , 2008).

Bu yöntemle uyku evreleri ile birçok fizyolojik parametre ayr nt l olarak izlenmekte ve çe itli organ ve sistemlerin fonksiyonu, uyku ve uyan kl k s ras ndaki etkile imleri konusunda bilgi sa lanmaktad r.

Tablo 4.2’ de standart PSG parametrelerigörülmektedir.

Tablo 4.2 Standart polisomnografi parametreleri Standart polisomnografi parametreleri 1. Elekroensefalografi (EEG) 2. Elektraokulografi (EOG) 3. Elektramyografi (EMG-submentalis) 4. Ora-nasal hava ak m 5. Torako-abdominal hareketler 6. Oksijen satürasyonu 7. Elektrokardiyografi (EKG) 8. Elektromyografi (EMG-tibialis.) 9. Vücut pozisyonu

EEG, EOG, submental EMG; uyku evrelemesini, yüzeyel uyku (NREM evre 1,2), derin uyku (evre 3) ve REM uykusunun ayr m n ve bu s rada olu abilecek patolojik bulgular n de erlendirilmesini sa lar.

(39)

Ora-nasal hava ak m ve solunumsal çaban n de erlendirilmesi (torako-abdominal hareketler) apnenin varl , tipini (obstriktüf, santral, mikst ayr m ) ve süresini saptamam z sa lar.

Oksijen satürasyonunun izlenmesi, postapneik ve/veya nonapneik desatürasyonlar n varl n , derecesini ve süresini saptar.

Nab z ve EKG kayd ile kardiyak patolojilerin (ritim bozukluklar , miyokard iskemisi, ventriküler hipertrofisi vs.) ve apneik epizotlarla ili kisinin saptanmas mümkün olur.

EMG tibialis ile, uyku s ras ndaki periyodik bacak hareketleri ara t r l r.

4.4. Uyku Laboratuar/

PSG için ilk gereksinim, yaln zca bir hastan m incelenebilece i, yeterli geni likte, tuvalet, banyosu bulunan bir uyku odas d r. Çevresel uyaranlar n uyku üzerine etkisini elimine etmek ve hastan n rahat bir ortamda uyuyabilmesini sa lamak amac yla PSG, sesten, gürültüden ar nd r lm , klimatize edilmi ve tam karanl k sa lanabilecek bir odada uygulanmal d r. Rahat bir yatak ve kay t kalitesinin yüksek olmas için yeterli teknik imkanlar bulunmal d r.

Bir infrared k kayna ve dü ük k video kamera, teknisyene uyku laboratuar ndaki hastay uzaktan görsel ve i itsel izleme olana tan r.

4.5. Hastan/n Haz/rlanmas/

Genellikle saat 20.00' de hasta uyku laboratuar na al n r. Hastaya yap lacak i lem hakk nda bilgi verilir. Daha önceden bro ür, mektup, telefon ve-veya ki isel görü me ile bilgilendirilmi hastalar n laboratuara uyumu daha iyi olmaktad r.

(40)

Çal ma öncesi hastan n uyku özellikleri ile ilgili bir anket uygulan r ve çal ma sonunda hastaya tekrar bir anket uygulanarak gece ki uykusuna yönelik sorgulama yap l r.

Hastan n normal uyku ritminin kaydedilebilmesi için, çal madan birkaç gün önce uyku düzenini etkileyen ilaçlar kesilir. Skorlamay önemli ölçüde etkilemeleri nedeniyle, bu ilaçlar uzun yar lanma ömürleri dikkate al narak çal madan 5-10 gün önce kestirilir.

Çal ma günü a r fiziksel egzersiz yapmaktan kaç n l r. Hastan n kahve, siyah çay ve alkol almas yasaklan r. Hafif bir ak am yeme inden sonra uygun bir elbise giyerek ve tuvalet ihtiyac n gidererek çal ma için haz rlan r.

Teknisyen hastan n vücuduna çe itli sensörler yerle tirir. Ba lant lar kontrol eder, kalibrasyonlar n yapar. Bu i lem 30-60 dakika süre al r. Hasta yata a al n r ve

k söndürülerek çal ma ba lat l r.

4.6. Hastan/n zlenmesi

Hastan n izlenmesi nörofizyolojik izlem, respiratuar izlem, kardiyovasküler izlem ve di er parametreler ad alt nda dört ana bölümden olu maktad r. Bu k s mda özellikle bizim için daha fazla önem ta yan Nörofizyolojik izlem anlat lacak olup di erlerinden k saca bahsedilecektir.

4.6.1. Nörofizyolojik izlem

PSG' de temel kanallar EEG, EOG ve EMG' dir. Uyku ve uyan kl n objektif olarak gösterilmesinin ba l ca dayana ise beynin elektriksel aktivitesinin kaydedildi i EEG' dir.

(41)

4.6.1.1. EEG kanallar/

EEG de erlendirilmesi dalgan n amplitüd ve frekans , bunun yan nda baz spesifik paternler göz önüne al narak yap l r. EEG aktivitesi alfa, beta, teta ve delta dalgalar olarak tan mlanabilir. Tablo 4.3’ de EEG dalga ekilleri ve hangi evrelerde görüldü ü, Tablo 4.4’ de ise çe itli spesifik uyku paternleri görülmektedir.

Tablo 4.3 EEG dalga ekilleri

Dalga Tipi Özelli-i Görüldü-ü evre

Beta > 13 Hz Uyan k, aktif ki i

Alfa 8-13 Hz Gözler kapal , sakin

uyan kl k

Teta 3-7 Hz Hafif uyku

Delta 0.5-2 Hz max. NREM derin uyku

Tablo 4.4 Çe itli EEG paternleri

EEG Paterni Özelli-i Görüldü-ü Evre

Uyku i cikleri 12-14 Hz, >0.5 sn NREM evre 2 K kompleksleri Keskin negatif, daha

yava pozitif, >0.5 sn NREM evre 2 Vertex keskin dalgalar Keskin negatif defleksiyonlar Nrem evre 1

Uyku EEG si nörolojide kullan lan klinik EEG’ den önemli farkl l klar gösterir. Ba n üzerine çok say da elektrot yerle tirilen klinik EEG nin aksine uyku EEG’ sinde ba a sadece birkaç elektrot yerle tirilir (En az 1 kanal EEG kayd gereklidir).

(42)

Ço unlukla da uyku i ciklerinin ve K komplekslerinin en iyi kaydedildi i C3 veya C4 bölgeleri kullan l r.

Alt n veya gümü kapl EEG elektrotlar yüzey temizlendikten sonra 10-20 sistemine göre kollodium ile kafa derisine s k ca yap t r l r. >ekil 4.8’ de bu sistem ayr nt l olarak gösterilmi tir.

>ekil 4.8 Uluslar aras 10-20 sistemi

REM evresindeki h zl göz hareketlerinin ve erken NREM Evre-I uykusundaki yava dairesel göz hareketlerinin saptanmas için sa ve sol EOG elektrodlar her iki göz d kantusuna biri yukar da, di eri a a da olacak ekilde yerle tirilir. Bu ekilde vertikal göz hareketleri de kaydedilmi olur.

(43)

4.6.1.2. EOG kanallar/

Uyku s ras nda göz hareketleri kayd n n iki temel nedeni vard r. Bunlar;

1- REM döneminin en karakteristik bulgusu olan h zl göz hareketleri saptan r. Böylece uyku evrelemesi için çok önemli bir kriter kaydedilmi olur.

2- Uykunun ba lang c nda görülen yava göz hareketleri (SEM) ve NREM Evre 1’ e geçi in bulgusudur.

EOG kayd için en az iki kanal gereklidir. Sa ve sol EOG elektrotlar her iki göz d kantusunun (üst göz kapa iç ve d kö esinde yer alan deri k vr mlar aras ) hafif letareline (d yan), biri 1 cm yukar da, di eri ise 1 cm a a da olacak ekilde yerle tirilir. Bu sayede hem horizantel hem de vertikal göz hareketleri kaydedilmi olur. >ekil 4.9’ da EOG elektrodlar ba lant ekli görülmektedir.

>ekil 4.9 EOG elektrotlar ba lant ekli

Genel olarak bunlar n d nda hastaya EMG aktivitelerinin ölçülmesi için çeneye ve baca a EMG elektrotlar , dola m sistemi genel bilgisi için EKG elektrotlar , ora-nasal hava ak m n n ölçülmesi için ora-nasal kanül ve termistör, oksijen saturasyonunu ölçmek için pulsoksimetre, torako-abdominal hareketler için gö üs ve kar n kemeri, horlama için horlama sensörü, uyku pozisyonunun belirlenmesi için ise pozisyon sensörleri tak l r.

(44)

Tüm bu elektrotlar n tak lmas ndan sonra kay t alma i lemi için haz rlanm hastan n görüntüsü >ekil 4.10’ da görülmektedir.

>ekil 4.10 Polisomnografi kay t öncesi hasta ba lant lar

4.7. Veri Toplanmas/ (Kay/t)

Klasik PSG uygulamas nda biyolojik sinyaller ka t üzerine mürekkep ile devaml olarak kaydedilir. Bu ekilde saniyede 10 mm’ lik h zla her kay t sayfas nda (epok) 30 sn’ lik bir kay t yap lm olur. Sekiz saatlik bir kay t sonras nda ise bu sistemle 432 m uzunlu unda ve yakla k 13 kg a rl nda bir ka t birikmektedir. Yüksek ka t maliyeti, ka t ve kalemler ile ilgili mekanik problemler, kay t ka tlar n n saklanmas gibi güçlükler klasik PSG’ nin majör k s tlamalar d r.

Bu nedenle komputerize PSG’ ler geli tirilmi tir. Dijital sistemlerde veriler DAT kasetlere, optik disklere veya CD’ lere kaydedilerek klasik PSG’ lerin maliyet

(45)

ve depolama sorunlar a lm t r. Ancak özellikle klinik çal malar için yine de klasik sistemlere ihtiyaç duyulmaktad r. >ekil 4.11’ de bilgisayar destekli polisomnografi cihaz n n kay t arayüzü görülmektedir.

>ekil 4.11 Bilgisayar destekli polisomnografi cihaz n n kay t arayüzü

PSG için genellikle uygulanan yöntem tüm gece boyunca (full-night) veya en az 6 saatlik kay t yap lmas d r. Uykuda solunum bozukluklar n n de erlendirilmesi için yar gece (half-night veya split-night) çal malar da uygulanm t r. “Split-night” çal malarda gecenin ilk yar s nda tan , ikinci yar s nda ise CPAP titrasyonu yap l r. Ancak bu yöntemle uykuda solunum bozuklu unun a rl n saptamada hata yap labilir. Çünkü apne epizodlar n n özellikle s kla t REM dönemine, daha çok gecenin ikinci yar s nda girilir. Bu nedenle sa l kl olan tüm gece yap lan çal malard r.

(46)

5. MATERYAL VE METOD

5.1. Üzerinde Çal/0/lan Veriye Ait Özellikler

Bu çal mada kullan lan EEG sinyalleri; Selçuk Üniversitesi Meram T p Fakültesi Gö üs Hastal klar Anabilim Dal Uyku Laboratuar na uyku rahats zl klar sebebiyle ba vuran üç ayr hastadan al nm t r. EEG kay tlar ortalama 7–8 saat boyunca kafatas üzerine 10-20 sistemine göre yerle tirilmi iki elektrot yard m yla C3-A2 kanal ndan al nan verilerden olu maktad r. Sinyallerin örnekleme frekans 128 Hz. dir. Hastalar içerisinde Hasta 1 (39 ya nda - kad n)’ den 500 epokluk, toplam 15000 sn’ lik kay t, Hasta 2 (55 ya nda - kad n)’ den 88 epokluk, toplam 2640 sn’ lik kay t ve Hasta 3 (33 ya nda - erkek)’ den 124 epokluk, toplam 3720 sn’ lik kay t olmak üzere genel toplamda 712 epokluk, 21360 sn. lik (5 saat, 56 dakikal k) kay t al narak çal mada kullan lm t r. Epoklar n 356’ s n n içerisinde en az bir tane spindle vard r. Burada ad geçen epoklar her biri 30 sn. lik sinyal parçalar d r.

Tablo 5.1’ de çal mada EEG kay tlar kullan lan hastalara ait istatiksel veriler bulunmaktad r.

Tablo 5.1 Hastalara ait istatiksel de erler

ADI SOYADI C NS YET YA K LO BOY

Hasta 1 Erkek 33 83 177

Hasta 2 Kad n 39 60 158

Hasta 3 Kad n 55 84 160

5.1.1. Spindle bulunan epok

>ekil 5.1’ de Hasta 1’ den al nan evre 2 ye ait spindle bulunan bir EEG kayd görülmektedir.

(47)

>ekil 5.1 Evre 2 ye ait spindle bulunan epok

5.1.2. Spinle bulunmayan epok

>ekil 5.2’ de Hasta 1’ den al nan rem evresine ait spindle bulunmayan bir EEG kayd görülmektedir.

(48)

5.2. Önerilen Sistemin Ak/0 Diyagram/

Bu tez çal mas nda uyku bozukluklar n n tan s için uyku laboratuarlar nda hastalardan al nan kay tlardan faydalan larak, uyku evrelerinin belirlenmesinde özellikle Evre 2 olarak nitelendirilen uyku bölümünün tespit edilmesinde bir i aret olarak gösterilen sleep spindle yani uyku i ciklerinin bilgisayar yard m yla bulunmas na yönelik bir yöntem önerilmi tir.

Daha önceki bölümlerde hastan n test için nas l haz rland , PSG cihaz n n yap s , hastadan hangi parametrelere ait kay tlar n hangi elektrotlar yard m yla al nd anlat lm t .

Bu k s mda PSG cihaz ndan al nan kay tlar n i lenebilir kay tlar haline getirilmesi süreci >ekil 5.3’ de gösterilen sistemin ak diyagram ndan da faydalan larak anlat lacakt r. Bu süreç u ekilde i lemektedir.

(49)

>ekil 5.3 Önerilen sistemin ak diyagram

5.2.1. EEG de C3-A2 kanal/ndaki sinyalin al/nmas/

PSG cihaz , yakla k boyutu 90 MB. olan ham datalar cihaz n ad n sembolize eden bir dosya format yla SD kart üzerine kay t eder. Bu dosyan n i lenebilir hale getirilebilmesi için baz programlar vas tas yla .edf, .ascii ve son olarak da .dat dosya format na dönü türülür.

+lk olarak dosya, cihaz n kendi ara yüz program sayesinde .edf ( European Data Format) dosya format na dönü türülür. >ekil 5.4’ de bu dönü türme ara yüzü görülmektedir.

(50)

>ekil 5.4 Datalar n .edf dosya format na dönü ümü

Buradan elde edilen .edf dosyas daha sonra EDF to ASCII dosya dönü türme program ile ASCII dosyas na dönü türülür. >ekil 5.5’ de bu dönü türme ara yüzü görülmektedir. Dönü türme ara yüzünde kaynak dosya, hedef dosya ve dönü türülecek EEG kanal seçilerek dönü türme i i yap l r. Biz EEG kanal n C3-A2 olarak seçtik.

(51)

>ekil 5.5 Datalar n .ascii dosya format na dönü ümü

Son olarak elde edilen .ascii uzant l dosya Edit Plus adl program yard m yla aç l r ve .dat dosya format nda farkl kaydedilerek sinyal i leme s ras nda kullanaca m z dosya format na ula lm olur. >ekil 5.6’ da görüldü ü gibi hastaya ait yakla k 8 saatlik veri 4.323.840 adet sat r ve bir sütundan olu an matris format na dönü türülmü olur.

(52)

>ekil 5.6 Datalar n .dat dosya format na dönü ümü

5.2.2. Filtreleme

Elimizdeki ham sinyal ilk olarak bir bant geçiren filtreden geçirilir. Sinyalin filtrelenmesinde 6. dereceden 0,5 Hz – 35 Hz frekans band n geçiren Butterworth IIR dijital filtre kullan lm t r. Burada seçilen aral k daha önceden de anlat ld gibi delta, teta, alfa ve beta olarak tan mlanan EEG sinyallerinin bulundu u frekans band d r. 0,5 Hz alt ndaki ve 35 Hz üstündeki frekanslar n, rutin saçl deri kay tlar aç s ndan s n rl bir klinik yarar vard r. Çünkü ço unlukla bu aktivitenin serebral

(53)

kökenli olup olmad aç k de ildir (Fisch 1997, Tükel 1979). Bu filtre Matlab da a a daki alt program ile tasarlanm t r.

5.2.2.1. Filtreleme alt program/

n =6; Wn = [0.5 35]/128; ftype = 'bandpass'; [b,a] = butter(n,Wn,ftype); y=filter(b,a,x); x=y 5.2.3. Segmantasyon

Segmantasyon yakla k 8 saatlik verinin 30 sn süreler ile parçalanmas sa layan alt program kümesi taraf ndan yap l r. Parçalanan her bir 30 sn lik bölüme bir epok denir. EEG sinyallerinin uyku laboratuarlar nda incelenmesi 30 sn lik bu sinyal parçalar üzerinden yap l r. Matlab da segmantasyon u alt program marifetiyle yap l r.

5.2.3.1. Segmantasyon Alt Program/

k=1; for i=1:3840:h for j=0:3839 x_eeg_epok(j+1,k)=x(j+i); end k=k+1; end x_eeg_epok=x_eeg_epok';

(54)

5.3. Özellik Ç/kar/m/

Bu tez çal mas nda EEG verilerinin i lenmesinde, pencereleme ve Welch metodlar , kullan lm t r. Sinyalleri segmentlere ay rmak için kullan lan pencereleme yöntemi ve sinyalin içerdi i frekans bile enlerini gösteren, güç spektral yo unlu unu elde edebilmek için kullan lan Welch metodu a a da anlat lm t r.

5.3.1. Zaman domeni özellik ç/kar/m/

Bir i aretin, incelenebilecek olan ve i areti karakterize eden birçok zaman domeni ölçümü veya parametresi vard r. Bunlar n en önemlisi i aretin ortalama ve efektif de erleridir.

EEG i aretlerini analiz etmek ve beynin aktiviteleri hakk nda bilgi sahibi olmak için frekans domeninde oldu u kadar zaman domeninde de pek çok parametre kullan lmaktad r.

Bu tez çal mas nda zaman domenine ait 6 özellikli uyku i ci i veri kümesini elde etmek için istatiksel ölçümler kullan lm t r. PSG cihaz ndan elde edilen EEG sinyallerine ait zaman domeni özellikleri Tablo 5.2’ de özetlenmi tir. Kullan lan zaman domeni özellikleri: ortalama de er, standart sapma, maksimum tepe de eri, e rilik, bas kl k ve ekil faktörü özellikleridir.

(55)

Tablo 5.2 Zaman domeni özellikleri 1. Ortalama de-er: 1 ( ) N m n X x n N = = 2. Standart sapma: 2 1 ( ( ) ) 1 N m n std x n x X N = =

3. Maksimum tepe de-eri: x_p =max ( )x n 4. E-rilik (Skewness): 3 1 3 ( ( ) ) ( 1) N m n ske std x n x x N x = = 5. Bas/kl/k (Kurtosis): 4 1 4 ( ( ) ) ( 1) N m n ske std x n x x N x = =

6. 3ekil faktörü (Shape factor):

1 1 ( ) rms N n x SF x n N = =

Burada, x(n), n=1,2,...,N için bir zaman serisidir. N ise, veri noktalar n n say s d r.

5.3.2. Frekans domeni özellik ç/kar/m/

EEG sinyallerinden frekans domeninde özellik ç kart m i leminde, Welch metodu pencereleme i leminde ise hamming pencere modeli kullan lm t r ve Hamming pencere say s 128 olarak seçilmi tir. E itlik 5.1’ de k frekans domenindeki özellik say s olmak üzere;

1 2 nFFT

k= + (5.1)

oldu u için elde edilen özellik say s 65 olarak bulunmu tur.

Frekans domenine ait elde etti imiz 65 özellikli uyku i ci i veri kümesinin boyutunu azaltmak için istatiksel ölçümler kullan larak özellik say m z 4’ e

(56)

indirilmi tir. Frekans domeni için özellik azalt m nda kullan lan ve Tablo 5.3’ de özetlenen istatiksel özellikler: ortalama de er, standart sapma, maksimum tepe de eri ve minimum de erdir.

Tablo 5.3 Frekans domeni özellikleri

1. Ortalama de-er: 1 ( ) N m n X x n N = = 2. Standart sapma: 2 1 ( ( ) ) 1 N m n std x n x X N = =

3. Minimum de-eri: x_p =min ( )x n 4. Maksimum tepe de-eri: x_p =max ( )x n

5.3.2.1. Welch metodu yard/m/ ile güç spektrum yo-unlu-unun (Power Spectrum Density-PSD) hesaplanmas/

Spektral analiz bize bir sinyalin frekans içeri i hakk nda bilgi verir. Baz durumlarda, sinyallerin frekans bilgileri, zaman bölgesi çözümünden daha yararl aç l mlar sa larlar. EEG, EKG, EMG, EOG gibi pek çok biyolojik sinyal, frekans bölgesinde i lendi i zaman, ihtiyac m z olan tan sal bilgileri bize rahatl kla sa lar. Bir sinyalin spektrumunun ba ar s , sinyalin periyodik, sonlu uzunlukta ve gürültüsüz olmas na ba l d r. Pek çok biyolojik uygulamada, sinyal ya sonsuz uzunlukta yada analiz için yeterli uzunluktad r. Bu her iki durumda biyolojik sinyallerin analizinde problem olabilmektedir. Bunun yan s ra, biyolojik sinyaller ço unlukla gürültü ve artefaktlar ile bozulmu lard r. Oysa gerçek sinyalin bir k sm analiz edilebilse ve/veya gürültü sinyal boyunca olsa, bütün spektrum analiz yöntemleri mutlaka gerçek spektruma yakla r. Farkl spektrum analiz yakla mlar özel spektral özelliklerin yakla m do rulu unu art rmak için çal r (Semmlov 2004).

Genel olarak spektrum yakla m yöntemleri iki grupta incelenmektedir. Welch metodunun da içinde bulundu u, spektral yakla m veya parametrik olmayan yakla m olarak adland r lan ilk kategori, spektrumun tamam n n ekli ile ilgilenir.

(57)

+kinci kategori olan parametrik yakla mda ise spektrumun tamam n n yan nda yerel özelliklerini de dikkate al r (Semmlov 2004).

Autoregressive Model parametrik spektrum yakla m n n en popüler yöntemlerinden biridir. Parametrik olmayan yöntemlerin H zl Fourier Dönü ümüne (HFD) göre avantajlar olmakla birlikte k sa veri uzunluklar nda s n rl frekans çözünürlükleri dezavantajlar olarak say labilir (Ifeachor ve Jervis 2002).

Sonlu enerjisi olmayan ve dolay s yla Fourier dönü ümü al namayan, sinyallerin sonlu ortalama güçleri vard r ve güç spektral yo unlu u ile karakterize edilirler (Proakis ve ark. 1992). Güç spekrum yo unlu u (PSD) di er bir deyi le güç spektrumunun en basit ekli periodogram ile ifade edilir. Welch metodu periodogram metoduna yeni düzenlemeler eklenerek elde edilmi bir yöntemdir. Bu sebeple Welch metodunun daha iyi anla labilmesi için öncelikle periodogram metodu ve Barlett metodunun anlat lmas faydal olacakt r.

5.3.2.1.1. Periodogram metodu

Güç spektrumu temelde otokorelasyon fonksiyonunun Fourier dönü ümü olarak da tan mlanabilir. Sonlu enerjisi olmayan ve dolay s yla Fourier dönü ümü al namayan stabil rasgele sinyaller bir ortalama güce sahiptir ve güç spektral yo unlu u ile karakterize edilirler (Proakis ve ark. 1992). x(t) dura an rastgele bir sinyali göstermektedir ve E itlik 5.2’ deki gibi tan mlanabilir.

[ ] [

0, 1,... 1

]

)

(t = XK = X X XN

x (5.2)

N örnekli

[ ]

X_K verisinin periodogram

(

P_XX

( )

f

)

,

[ ]

X verisinin Ayr k Fourier _K

Dönü ümünün

(

AFD

)

(

F

( )

jw

)

karesi olarak E itlik 5.3’ deki gibi tan mlanabilir.

( )

2

jw F f

P_XX = (5.3)

E er N veri noktas var ise en az N noktada AFD hesaplan r ve f_K =k N

(58)

( )

0,1,...., 1 1 1 2 0 2 = = = N k e n x N N k P N n N nk j XX (5.4)

Pratik olarak s k örneklenmeyen spektrumlarda sürekli P_XX

( )

f yakla m na göre kayda de er bir sonuç elde edilemez. Bu problemin a lmas P_XX

( )

f ’in ek frekanslarda da hesaplanmas yoluyla sa lanabilir. Ayn ekilde, s f r eklemesi yap larak dizinin uzunlu u artt r labilir ve daha sonra P_XX

( )

f daha yo un frekanslarda hesaplanabilir. Böylece veri dizisinin büyüklü ü L noktaya artt r larak L noktada AFD al n r. Bir sinyale s f r eklenmi ve L>Nnoktada AFD’ si hesaplanm olmas spektral yakla mda frekans çözünürlü ünü iyile tirmemektedir. Bu yanl zca daha yüksek frekansta, ölçülen spektrumun interpolasyonunu sa lar. Spektral yakla mda, frekans çözünürlü ü P_XX

( )

f veri kayd n n N uzunlu u ile tan mlan r (Proakis ve ark. 1992).

5.3.2.1.2. Bartlett metodu

Periyodogramdaki varyans indirgemek için önerilen Bartlett metodu üç ad mdan te ekkül etmi tir. Birinci ad mda, N noktal veri dizisi üst üste binmeyen K tane segmente bölünür. Her bir segmentin uzunlu u M olan K tane veri segmenti için veri yap s :