Solunum eforu uyku uyarılarının makine öğrenmesi kullanılarak tanımlanması
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yozgat Bozok Üniversitesi, Lisansüstü Eğitim Enstitüsü, ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: RECEP BATUHAN GÜNAY
Asıl Danışman (Eş Danışmanlı Tezler İçin): Mehmet Bakır
Eş Danışman: Hasan Ulutaş
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Uyku, insan sağlığı ve yaşam kalitesi için vazgeçilmez bir fizyolojik süreçtir. Nitelikli bir uyku süreci, bireyin fiziksel iyilik halinin yanı sıra zihinsel ve duygusal dengesini de doğrudan etkilemektedir. Uyku bozuklukların erken teşhisi ve doğru analizi, bireyin yaşam kalitesini artırmak açısından büyük önem taşımaktadır. Uyku bozukluklarının tespitinde en yaygın yöntemlerden biri, bireyin bir gece boyunca izlenerek elde edilen polisomnografi (PSG) kayıtlarının analizidir. EEG, EMG, solunum, kalp atımı ve vücut pozisyonu gibi eşitli sensörlerden elde edilen bu çok boyutlu veriler, genellikle manuel olarak incelenmekte olup, zaman alıcı ve hata riski taşıyan bir süreçtir. Bu çalışmada, PSG kayıtları kullanılarak uyku uyarılarının anlık olarak tespit edilmesi ve bu sürecin makine öğrenmesi algoritmalarıyla otomatikleştirilmesi amaçlanmıştır. Veri seti, Yozgat Bozok Üniversitesi Göğüs Hastalıkları Uyku Laboratuvarı'nda, Philips Alice Clinic PSG cihazı kullanılarak 113 bireyden elde edilmiştir. Veri toplama süreci, ilgili etik kurul onayları alınarak yürütülmüş; kayıtlar, uzman bir doktor tarafından American Academy of Sleep Medicine (AASM) kriterlerine göre manuel olarak işaretlenmiştir. Toplamda 513,5 milyon adet sensör verisi, çeşitli makine öğrenmesi algoritmaları ile analiz edilmiş ve veri işleme teknikleri uygulanarak sınıflandırma performansı değerlendirilmiş olup kullanılan Ekstra Ağaç Sınıflandırma yöntemiyle %96,81 oranında başarım sağlanmıştır. Elde edilen sonuçlar, makine öğrenmesi tekniklerinin PSG verileriyle entegre edilerek uyku uyarılarının güvenilir ve hızlı bir şekilde tespit edilmesinde etkili bir yaklaşım sunduğunu göstermektedir. Bu çalışma, uyku bozukluklarının erken tanısına katkı sağlayabilecek otomatik sistemler için önemli bir temel oluşturmaktadır.