Tıkayıcı Uyku Apnesinin Uyarlamalı Sinirsel Bulanık Çıkarım Sistemi ile Sınıflamasında Üyelik Fonksiyonlarının Etkisinin İncelenmesi
Abstract
Tıkayıcı tip uyku apnesi (TUA) birçok sonuçları olan uyku bozukluğudur. Yıllardan beri çeşitli sinyaller TUA hastalığının teşhisi için kullanmıştır. Yapılan önceki çalışmalarda, geceyi uyku laboratuvarında geçiren hastalardan Polisomnografi cihazıyla elde edilen solunum işaretleri kullanılarak TUA belirlemeye dayanır. Bu çalışmada Uyarlamalı Sinirsel Bulanık Çıkarım Sistemi (ANFIS) kullanılarak 15 hasta için TUA skorlama yapılmıştır. Morfolojik filtreler, ağ çıkışındaki istenmeyen dalgalanmaları bastırmak için kullanılmıştır. TUA sınıflandırılmasında, farklı üyelik fonksiyonları için performans değerlendirmeleri yapılarak en uygun üyelik fonksiyonu belirlenmiştir.
Keywords
References
- Avcı, C., Bilgin G., (2013) Sleep Apnea Detection Using Adaptive Neuro Fuzzy Inference System, Engineering, 2013, 5, 259-263 Aydoğan, O., Öter, A., Güney, K., Kıymık, M.K., Tuncel, D. (2016). Automatic Diagnosis of Obstructive Sleep Apnea/Hypopnea Events Using Respiratory Signals. Journal of Medical Systems, 40(12), Doi: 10.1007/s10916-016-0624-0 Berdiñas, B.G., Pereira E.H., Barral D.P. (2012). A mixture of experts for classifying sleep apneas. Expert Systems with Applications, 7084–7092. Elmas, Ç., (2003) Bulanık Mantık Denetleyiciler, Seçkin Yayıncılık A. Ş. Jang, Jyh-Shing Roger., (1993), ANFIS: Adaptive-Network-Based Fuzzy Inference System, Department of Electrical Engineering and Computer Science University of California, Berkeley, 665-685 Khandoker, A.H., Karmakar C.K., Palaniswami M. (2009). Automated recognition of patients with obstructive sleep apnoea using wavelet-based features of electrocardiogram recordings. Computers in Biology and Medicine, 88--96 Köktürk, O., (2013) “Uyku Kayıtlarının Skorlanması”, Türk Solunum Araştırma Derneği, Solunum Öter, A., (2016). Modern Parametrik Yöntemler ile Akıllı Sistemler Kullanarak Uyku Apnesinin Teşhisi ve Sınıflandırılması, Kahramanmaraş Sütçü İmam Üniversitesi Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisi Anabilim Dalı Punjabi, N. (2008). The epidemiology of adult obstructive sleep apnea. Proc Am Thorac Soc, 136-143 Romero, O.F., Berdinas B.G., Betanzos A.A., Bonillo V.M. (2005). A new method for sleep apnea classification using wavelets and feedforward neural networks. Artificial Intelligence in Medicine, 65-76. Sezgin, N. (2015). EMG classication in obstructive sleep apnea syndrome and periodic limb movement syndrome patients by using wavelet packet transform and extreme learning machine. Turk J Elec Eng & Comp Sci, 873-884. Tagluk, M. E., Akin M., Sezgin N. (2010). Classıfıcation of sleep apnea by using wavelet transform and artificial. Expert Systems with Applications, 1600–1607. Udwadia, Z. D. (2004). Prevalence of sleep disordered breathing and sleep apnea in middle-aged urban Indian men. Am J Respir Crit Care Med, 169-168. Yildiz, A., Akın M., Poyraz M. (2009). Application of adaptive neuro-fuzzy inference system for vigilance level estimation by using wavelet-entropy feature extraction. Expert Systems with Applications, 7390–7399.
Details
Primary Language
Turkish
Subjects
Electrical Engineering
Journal Section
Research Article
Publication Date
August 25, 2017
Submission Date
June 21, 2017
Acceptance Date
July 20, 2017
Published in Issue
Year 2017 Volume: 20 Number: 2