Yüksek Frekans Osilasyonların (HFO) Epileptojenik Alanda Biyomarker Olarak Kullanımı

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi-Cerrahpaşa, Mühendislik Fakültesi, Elektrik Elektronik Mühendisliği Bölümü, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: Türkçe

Öğrenci: Pelin Sarı TEKTEN

Danışman: Fırat Kaçar

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Epilepsi nöbet şeklinde kendini gösteren ve tekrarlayan nörolojik bir hastalıktır. Hastalık, beyinde bazı nöronların anormal aktivitesi sonucu ortaya çıkar. Epilepsi çocukluk çağında veya yetişkinlikte her yaşta görülebilen ve herkeste farklı semptomlar gösterebilen bir hastalıktır. Epilepsi nöbetleri genellikle kas spazmı, bilinç kaybı ve bayılma şeklinde görülür. Dolayısıyla insanların günlük yaşamlarını, yapabileceği aktiviteleri etkileyebilir. Epilepsi ömür boyu devam edebilir, ancak uygun tedavi ve ilaçlarla nöbetler kontrol altına alınabilir ve kişi normal yaşantısını sürdürebilir. Bazı hastalarda hastanın durumu uygun ise cerrahi yönteme başvurulur. Epilepsi cerrahisi ciddi bir işlemdir, bu nedenle hastalar çok dikkatli değerlendirilir. Hastanın cerrahi işleme uygunluğunu belirlemek amacıyla nörolog ve beyin cerrahlarının birlikte çalıştığı multidisipliner bir ekip tarafından değerlendirme yapılır. Epilepsi cerrahisi ile nöbet odaklarının yerine ve durumuna bağlı olarak farklı prosedürler uygulanır ve nöbetlerin azalması amaçlanır. Bu çalışmada nöbetlerden önce bir belirteç olabilecek olan yüksek frekans osilasyonlarının varlığı araştırılmıştır. Elektroensefalogram verisi; nöbet öncesi, nöbet sırası ve nöbet sonrası olarak üç ayrı sınıfa ayrılmış, sinyal işleme teknikleri kullanılarak öznitelikleri çıkartılmış, çıkarılan bu istatistiksel ve yapısal özniteliklere göre sınıflandırması yapılmıştır. Ayrıca her bir sınıf için önemli olduğu düşünülen 14 kanal belirlenmiş ve bu kanallara göre sınıflandırma çalışması yapılmıştır. HFO varlıkları belirlendikten sonra, HFO tabanlı özniteliklere göre de sınıflandırma işlemi yapılmıştır. Sınıflandırma amacıyla Bayes, K-En Yakın Komşu, Destek Vektör Makineleri, Çok Katlı Algılayıcı, Rastgele Orman Sınıflandırıcısı kullanılmıştır. Sınıflandırma sonuçlarında rastgele orman sınıflandırıcısı ile istatistiksel ve yapısal öznitelikler için %83, HFO tabanlı öznitelikler için %77,43 ve kanallar için %77,97 doğruluk oranları elde edilmiştir.