- Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi
- Vol: 8 Issue: 1
- AUTOMATIC SLEEP STAGE CLASSIFICATION USING ARTIFICIAL NEURAL NETWORKS WITH WAVELET TRANSFORM
AUTOMATIC SLEEP STAGE CLASSIFICATION USING ARTIFICIAL NEURAL NETWORKS WITH WAVELET TRANSFORM
Authors : Ali Öter, Osman Aydoğan, Deniz Tuncel
Pages : 59-68
Doi:10.28948/ngumuh.516809
View : 24 | Download : 7
Publication Date : 2019-01-28
Article Type : Research
Abstract : Bu çalışmada, Tıkayıcı uyku apnesi sahip kişilerden elde edilen polisomnografik uyku kayıtlarına dayanan otomatik uyku evresi sınıflandırma çalışması yapılmıştır. Çeşitli çalışmalarda, normal kişilerden elde edilen EEG kayıtlarına dayanarak uyku evreleri sınıflandırılmıştır. Tıkayıcı uyku apneli kişilerin uykusu gece boyunca sıklıkla kesintiye uğradığından, uyku bozukluklarının doğru skorlanması tanı için önemlidir. Otomatik uyku evrelerinin sınıflandırılması için sinyaller Amerikan Uyku Tıbbı Akademisi kriterlerine göre seçilmiştir. Otomatik uyku evrelerinin sınıflandırması için bu sinyal gücü değerlerinden oluşan özellik vektörleri, ANN (Yapay Sinir Ağları) girdileri olarak hesaplanmıştır. YSA'nın başarısını artırmak için geliştirilen algoritma ile sinyallerden elde edilen özellik vektör tablosunu yeniden sıralanmıştır. Bu çalışmada, YSA'nın eğitim ve test başarısı 10 kat çapraz doğrulama kullanılarak belirlenmiştir. YSA tarafından uygulanan otomatik uyku evre skorlaması çalışmasında, Uyanıklık, REM (Hızlı Göz Hareketi), NREM1 (Hızlı göz hareki olmayan), NREM2, NREM3'ün doğru tanıma oranı sırasıyla %95, % 93, % 91, % 86 ve % 92 olarak bulunmuştur. Bulgular, otomatik uyku evresi sınıflandırma eğitim ve test başarısının literatürdeki diğer çalışmalara göre daha iyi olduğunu göstermektedir.Keywords : Polisomnografi, Dalgacık Dönüşümü, Yapay Sinir Ağları, Uyku skorlama, Uyku Evreleri