İŞARET İŞLEME TEKNİKLERİ KULLANARAK EEG İŞARETLERİNDEN MİGREN HASTALIĞININ KARAKTERİSTİKLERİNİN BELİRLENMESİ SELAHADDİN BATUHAN AKBEN

Transkript

1 T.C. KAHRAMANMARAŞ SÜTÇÜ İMAM ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ İŞARET İŞLEME TEKNİKLERİ KULLANARAK EEG İŞARETLERİNDEN MİGREN HASTALIĞININ KARAKTERİSTİKLERİNİN BELİRLENMESİ SELAHADDİN BATUHAN AKBEN DOKTORA TEZİ ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI KAHRAMANMARAŞ 2012

2 T.C. KAHRAMANMARAŞ SÜTÇÜ İMAM ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ İŞARET İŞLEME TEKNİKLERİ KULLANARAK EEG İŞARETLERİNDEN MİGREN HASTALIĞININ KARAKTERİSTİKLERİNİN BELİRLENMESİ SELAHADDİN BATUHAN AKBEN Bu tez, Elektrk Elektronk Mühendslğ Anablm Dalında DOKTORA dereces çn hazırlanmıştır. KAHRAMANMARAŞ 2012

3 Kahramanmaraş Sütçü İmam Ünverstes Fen Blmler Ensttüsü öğrencs Selahaddn Batuhan AKBEN tarafından hazırlanan İŞARET İŞLEME TEKNİKLERİ KULLANARAK EEG İŞARETLERİNDEN MİGREN HASTALIĞININ KARAKTERİSTİKLERİNİN BELİRLENMESİ adlı bu tez, jürmz tarafından 05/07/2012 tarhnde oy brlğ le Elektrk Elektronk Mühendslğ Anablm Dalında Doktora tez olarak kabul edlmştr. Yrd. Doç. Dr. Ahmet ALKAN (DANIŞMAN). Elektrk Elektronk Mühendslğ Anablm Dalı, Kahramanmaraş Sütçü İmam Ünverstes Prof. Dr. M. Kemal KIYMIK (ÜYE). Elektrk Elektronk Mühendslğ Anablm Dalı, Kahramanmaraş Sütçü İmam Ünverstes Prof. Dr. Etem KÖKLÜKAYA (ÜYE). Elektrk Elektronk Mühendslğ Anablm Dalı, Sakarya Ünverstes Doç. Dr. Denz TUNCEL (ÜYE). Nöroloj Anablm Dalı, Kahramanmaraş Sütçü İmam Ünverstes Doç. Dr. A. Serdar YILMAZ (ÜYE). Elektrk Elektronk Mühendslğ Anablm Dalı, Kahramanmaraş Sütçü İmam Ünverstes Yukarıdak mzaların adı geçen öğretm üyelerne at olduğunu onaylarım. Prof. Dr. M. Hakkı ALMA Fen Blmler Ensttüsü Müdürü.

4 TEZ BİLDİRİMİ Tez çndek bütün blglern etk davranış ve akademk kurallar çerçevesnde elde edlerek sunulduğunu, ayrıca tez yazım kurallarına uygun olarak hazırlanan bu çalışmada orjnal olmayan her türlü kaynağa eksksz atıf yaıldığını bldrrm. Selahaddn Batuhan AKBEN Bu çalışma K.S.Ü. Blmsel Araştırma Projeler Yönetm Brm tarafından desteklenmştr. Proje No: 2011/2-11M Not: Bu tezde kullanılan özgün ve başka kaynaktan yaılan bldrşlern, çzelge, şekl ve fotoğrafların kaynak gösterlmeden kullanımı, 5846 sayılı Fkr ve Sanat Eserler Kanunundak hükümlere tabdr.

5 İŞARET İŞLEME TEKNİKLERİ KULLANARAK EEG İŞARETLERİNDEN MİGREN HASTALIĞININ KARAKTERİSTİKLERİNİN BELİRLENMESİ (DOKTORA TEZİ) SELAHADDİN BATUHAN AKBEN ÖZ Bu çalışmada Elektroansefalograf (EEG) şaretler kullanılarak mgren hastalığının karakterstk özellkler ve teşhs üzerne araştırma yaılmıştır. Çalışmada kullanılan verler K.S.Ü. Tı Fakültesnden elde edlmştr. Bu verler 30 adet mgren hastasından ve 30 adet sağlıklı nsandan (kontrol grubuna) alınmıştır. Verler öncelkle frekans eksennde sonrada zaman eksennde ncelenmştr. Frekans eksenne aktarma aşamasında Fourer dönüşümü temell statstksel yöntemler kullanılmıştır. Bu statstksel yöntemlerden hangsnn daha verml olduğu kıyaslanmıştır. Kıyaslama sonucunda en uygun frekans eksenne aktarma teknğ seçlmş ve frekans eksennde mgren hastalığına at brçok karakterstk özellkler bulunmuştur. Bulunan bu özellkler yne sınıflandırma teknkler ve kümelenme teknkler yardımı le analz edlmştr. Daha sonra zaman eksenndek verlere fltreleme ve hstogram alma gb şaret şleme le lgl ön şlemeler uygulanmıştır. Ön şlemeye tab tutulan bu EEG şaretlernden mgrene at yen EEG karakterstkler bulunmuştur. Bulunan bu karakterstkler kümelenme yöntem yardımı le doğrulanmıştır. Sonuç olarak mgren hastalığı le lgl bazı karakterstkler elde edlmş ve mgren hastalığının otomatk teşhsne yönelk farklı önerlerde bulunulmuştur. Anahtar Kelmeler: Mgren; EEG; Burg-AR; Destek Vektör Makneler; K-Ortalama; FIR Fltre; Kahramanmaraş Sütçü İmam Ünverstes Fen Blmler Ensttüsü Elektrk Elektronk Mühendslğ Anablm Dalı, Temmuz 2012 Danışman: Yrd. Doç. Dr. Ahmet ALKAN Sayfa sayısı: 94

6 DETERMINATION OF THE CHARACTERISTICS OF MIGRAINE BY USING SIGNAL PROCESSING TECHNIQUES FROM EEG SIGNALS (Phd. THESIS) SELAHADDİN BATUHAN AKBEN ABSTRACT In ths study, characterstcs of mgrane and mgrane detecton methods are researched by usng Electroencehalograh (EEG) sgnals. Data of ths study are obtaned from K.S.Ü. Faculty of Medcne whch were conssted of 30 mgrane atents and 30 healthy subjects (control grou). Ths study s related to frequency doman and tme doman based sgnal rocessng methods. And am s to determne whch methods are effcent. To aly the frequency doman transform hase, Fourer transform based statstcal methods were aled. And effcent statstcal frequency transform method was selected. Thus, EEG characterstcs of mgrane n frequency doman were determned. Also these characterstcs were statstcally classfed by usng classfcaton and clusterng methods. After rerocessng methods, flterng and hstogram methods were aled n tme doman. And EEG characterstcs of mgrane n tme doman were obtaned from ths rerocessed EEG sgnals. These determned characterstcs were statstcally analyzed agan by usng clusterng methods. As a result some EEG characterstcs of mgrane were determned by usng sgnal rocessng methods. And automatc mgrane detecton methods were offered. Key Words: Mgrane; EEG; Suort Vector Machnes; K-Means; FIR Flter; Kahramanmaraş Sütçü İmam Unversty Insttute for Graduate Studes n Scence and Technology Deartment of Electrcal and Electroncs Engneerng July 2012 Suervsor: Assst. Prof. Dr. Ahmet ALKAN Page number: 94

7 İŞARET İŞLEME TEKNİKLERİ KULLANARAK EEG İŞARETLERİNDEN MİGREN HASTALIĞININ KARAKTERİSTİKLERİNİN BELİRLENMESİ ÖZET Elektroansefalograf (EEG) şaretler nsan vücudundak meydana gelen değşm ve oluşumlarla lgl öneml blg çermektedr. Mgren öneml beyn rahatsızlıklarından br olu, halen nörologlarca sadece Uluslararası Baş Ağrısı Derneğnn krterlerne göre teşhs konulablmektedr. Güncel mgren çalışmalarında, flaş ışığı uyarısının, mgren hastalarının EEG şaretlernde br genlk artışına neden olduğu fade edlmektedr. Bu tez çalışmasında flaş ışığı verlmş mgren hastalarının EEG şaretlernde gözlemlenen genlk artış mktarları kullanılarak, aurasız mgren hastalığının karakterstk özellklernn ncelenmes amaçlanmıştır. Çalışmada kullanılan verler K.S.Ü. Tı Fakültes Nöroloj Bölümünden elde edlmştr. Bu verler 30 adet mgren hastasından ve 30 adet sağlıklı nsandan (kontrol grubunan) kaydedlmş olu verler frekans ve zaman eksennde ncelenmştr. EEG versne frekans eksen (FFT ve AR tabanlı GSY) ve zaman eksen (EMD, hstogram ve statstksel arametreler) ön-şleme yöntemler uygulanmıştır. Elde edlen özellklere şaret şleme aşamasında sınıflandırma (DVM ve YSA) ve kümeleme (FCM ve K- Ortalamalar) teknklerne uygulanmıştır. En başarılı yöntem elde etmek çn kullanılan analz yöntemlernn sonuçları karşılaştırılmıştır. Yaılan karşılaştırmalar sonucunda en y ön-şleme ve şleme yöntemler belrlenmş ve analz sonuçları uzman nörolog danışmanlığında yorumlanmıştır. Bulunan en y mgren analz sonuçları, frekans eksennde sınıflandırma, zaman eksennde se kümeleme yöntem le elde edlmştr. Sonuç olarak mgren hastalığına at EEG karakterstkler şaret şleme teknkler kullanılarak belrlenmştr. Elde edlen bu EEG karakterstkler yardımıyla mgren hastalığının bazı fzyolojk davranışları (tekler) hakkında blgler ednlmş ve hastalığın otomatk teşhsne yönelk önerlerde bulunulmuştur.

8 DETERMINATION OF THE CHARACTERISTICS OF MIGRAINE BY USING SIGNAL PROCESSING TECHNIQUES FROM EEG SIGNALS SUMMARY Electroencehalograh (EEG) sgnals carry sgnfcant nformaton about the underlyng functonng of the human body. Recent studes related to dagnoss of mgrane wthout aura have reorted a magntude ncrease n EEG sgnals of mgrane atents under flash stmulaton. Mgrane s one of the mortant bran dsorders that can be dagnosed only by usng Internatonal Headache Socety (IHS) crtera by neurologsts. The am of ths study s to analyze the each EEG channel searately for mgrane atents based on magntude ncrease amount under flash stmulaton at the beta band of EEG channels. EEG data s obtaned from K.S.Ü. Faculty of Medcne. EEG data s recorded from 30 mgrane atents and 30 healthy subjects (control grou) and analyzed by usng frequency doman and tme doman based sgnal rocessng methods. Frequency doman (PSD by usng FFT and AR technques) and tme doman re-rocessng technques (EMD, hstogram and statstcal arameters) were aled to EEG data. The obtaned features were aled to sgnal rocessng stages as classfcaton (SVM and ANN) and clusterng (FCM and K-Means) technques. Results of the used analyss methods were comared to get the most successful technques. After comarsons the best re-rocessng and rocessng technques were determned and analyss results wth these technques were nterreted by consultng an exert neurologst. As a result, some EEG characterstcs of mgrane were determned by usng sgnal rocessng methods and knowledge about some hysologcal reactons of mgrane was acqured by means of these EEG characterstcs. And obtaned mgrane characterstcs based automatc mgrane detecton methods were offered that can be used to mgrane dagnoss. v

9 TEŞEKKÜR Gderek gelşen şaret şleme teknklerne aralel olarak byomedkal chazlardan elde edlen şaretlern kullanıldığı otomatk hastalık teşhs etme teknkler de gelşmektedr. Üstelk bu şaret şleme teknkler kullanılarak brçok hastalığa at karakterstk özellkler de ortaya çıkartılablmektedr. Bu çalışmada hem frekans eksennde hem de zaman eksennde mgren hastalarının EEG şaretler farklı ön şlemle yöntemleryle şlenmş ve elde edlen özellk vektörler brçok sınıflandırma algortmaları le sınıflandırılmıştır. EEG şaretlernn, bu sınıflandırma ve önşleme algortmaları le sınıflandırılma başarıları değerlendrlmştr. Sonuç olarak mgren hastalığının otomatk teşhsne yönelk önerler elde edlmş ve mgren hastalığına at karakterstk özellkler bulunmuştur. Bu sayede ler zamanlarda uygulanablecek otomatk mgren teşhs chazı çn uygun yöntemler önerlmştr. Aynı zamanda mgren hastalığına at bazı karakterstk özellkler belrlenerek tı blmne mgren hastalığının ncelenmesnde ve sebebnn bulunmasında katkıda bulunulmuştur. Tez çalışmamın tamamlanmasında ve doktoramın btrlmesnde, blg ve tecrübesyle yol gösteren danışmanım Sayın Yrd. Doç. Dr. Ahmet ALKAN a, Tezmde kullandığım verler sağlayı sonuçlarını değerlendren Doç. Dr. Denz TUNCEL e ve doktora önces yetşmem de bana yardımcı olan yüksek lsans danışman hocam olan Doç. Dr. Abdülhamt SUBAŞI ya, Madd ve manev desteklern hçbr zaman esrgemeyen babama ve anneme, En umutsuz anlarımda bana lham kaynağı olarak araştırmalarımın devam etmesn sağlayan sevgl eşm Tubam a sonsuz teşekkür ederm. v

10 ÖZ İÇİNDEKİLER Sayfa No... ABSTRACT... ÖZET... SUMMARY... v TEŞEKKÜR... v İÇİNDEKİLER... v ŞEKİLLER DİZİNİ... x ÇİZELGELER DİZİNİ... x SİMGELER ve KISALTMALAR DİZİNİ... x 1. GİRİŞ Mgren EEG EEG çekm EEG şaretlernn özellkler EEG frekansları ÖNCEKİ ÇALIŞMALAR MATERYAL VE METOT Materyal Denekler Verlern kayıt şlem Kullanılan verler Metot Ön şleme metotları Öz bağlanımlı (autoregressve) arametre tahmn Burg metodu Alt uzay metotları v

11 MUSIC metodu Sonlu darbe yanıtlı fltreleme (FIR fltreleme) Bağımsız bleşen analz le ver azaltma metodu Standart sama Genlk hstogramı Deneysel k ayrışımı (DKA) Sınıflandırma metotları Yaay snr ağları (YSA) Destek vektör makneler Kümelenme metotları K-Ortalamalar metodu Bulanık c-ortalamalar metodu Performans değerlendrme ROC (recever oeratng characterstc) analz Çaraz geçerllk (cross valdaton) BULGULAR VE TARTIŞMA Frekans Eksennde Mgrene At Karakterstklern Belrlenmes Frekans eksennde mgren karakterstklernn bulunu sınıflandırılması Frekans eksennde mgren teşhs çn en uygun yöntemn bulunması Sektral analz yöntemlernn karşılaştırılması Sınıflandırma yöntemlernn karşılaştırılması Ver azaltma teknklernn mgren teşhsndek başarısı Gürültü (aykırı değer) fltrelemenn mgren teşhsne etks Zaman Eksennde Mgrene At Karakterstklern Belrlemes Ortalama genlkler arası uzaklık le zaman eksennde mgren teşhs Genlk hstogramı le zaman eksennde mgren teşhs Deneysel k ayrışımı le zaman eksennde mgren teşhs v

12 5. SONUÇ ve ÖNERİLER KAYNAKLAR EKLER ÖZGEÇMİŞ v

13 ŞEKİLLER DİZİNİ Sayfa No Şekl 1.1. Beyn çevresndek damarlar... 1 Şekl 1.2. Örnek EEG chazı... 4 Şekl 1.3. Normal br nsanın EEG kaydı... 4 Şekl 1.4. EEG çekm çn elektrot yerleşm sstem... 5 Şekl 1.5. Farklı bantlardak EEG dalgaları... 7 Şekl 3.1. EEG çekm Odası Şekl 3.2. Vasys Health Care Frmasına At EEG Chazının Örnek Görüntüsü Şekl 3.3. Frekans Tabanlı Analz Akış Dyagramı Şekl 3.4. Zaman Tabanlı Analz Akış Dyagramı Şekl 3.5. FIR Fltrelern Yaısı Şekl 3.6. Çalışmada Kullanılan FIR Fltrelern Genlk Cevabı Şekl 3.7. BBA Yöntemn İşleyş Şekl 3.8. Örnek EEG İşaret Şekl 3.9. Çıkartılacak olan değernden büyük verler Şekl DKA nın elde edlmesnde kullanılan şaretler Şekl Çok Katmanlı Yaay Snr Ağı Model Şekl İk Olası Ayıraç Düzlem Şekl Doğru Ve Yanlış Seçlen Ayıraç Düzlemler Şekl Ayıraç Düzlem İçn Uzaklığın En İyleştrlmes Şekl K-Ortalamalar Yöntem Akış dyagramı Şekl 4.1. Sağlıklı İnsanın Işık Uyartısız EEG İşaretne At Frekans-Genlk Grafğ Şekl 4.2. Sağlıklı İnsanın Işık Uyartılı EEG İşaretne At Frekans-Genlk Grafğ Şekl 4.3. Mgren Hastasının Işık Uyartısız EEG İşaretne At Frekans-Genlk Grafğ Şekl 4.4. Mgren Hastasının Işık Uyartılı EEG İşaretne At Frekans-Genlk Grafğ x

14 Şekl 4.5. Sağlıklı İnsanın Işık Uyartılı Ve Uyartısız EEG İşaretne At PSD Grafğ Şekl 4.6. Mgren Hastasının Işık Uyartılı Ve Uyartısız EEG İşaretne At PSD Grafğ Şekl 4.7. Mgren Hastasının Farklı Işık Uyartım Frekanslarındak EEG İşaretler Şekl 4.8. Sağlıklı İnsanın Farklı Işık Uyartım Frekanslarındak EEG İşaretler Şekl 4.9. İk Sanyelk Işık Uyartısının Beta Bandında Oluşturduğu Genlk Farkı Şekl Dört Sanyelk Işık Uyartısının Beta Bandında Oluşturduğu Genlk Farkı Şekl Altı Sanyelk Işık Uyartısının Beta Bandında Oluşturduğu Genlk Farkı Şekl Sekz Sanyelk Işık Uyartısının Beta Bandında Oluşturduğu Genlk Farkı Şekl On Sanyelk Işık Uyartısının Beta Bandında Oluşturduğu Genlk Farkı Şekl Kafadak Yüzeysel Ana Damarlar Şekl Ortalama Değerler Arası Uzaklık (ODAU) Şekl Sağlıklı İnsanların Işık Uyartısı Sonucu ODAU değşm Şekl Mgren Hastalarının Işık Uyartısı Sonucu ODAU değşm Şekl ODAU Değşmlerne Göre Oluşan Kümeler Şekl Kümelenme Sonucu: Mgren Hastaları (Gru 1), Sağlıklı İnsanlar (Gru 2) Şekl Işık Uyartısı Sonucu değşen Genlk Hstogramları (Tek br Hasta İçn) Şekl Genlk Hstogramı Farkları. İlk 30 Ver Sağlıklı, Dğerler İse Mgrenldr Şekl Genlk Farklarına Göre Oluşan Kümeler Şekl Kümelenme Sonucu: Mgren Hastaları (Gru 1), Sağlıklı İnsanlar (Gru 2) Şekl Sağlıklı İnsanların 1. AKF değerlernde Işık Uyartısıyla Oluşan Değşm Şekl Mgren Hastalarının 1. AKF değerlernde Işık Uyartısıyla Oluşan Değşm Şekl Sağlıklı İnsanların 1. AKF lernde Işık Uyartısıyla Değşen Standart Sama Değerler (İlk 30: Işık Uyartısız, İknc 30: Işık Uyartılı) Şekl Mgren Hastalarının 1. AKF lernde Işık Uyartısıyla Değşen Standart Sama Değerler (İlk 30: Işık Uyartısız, İknc 30: Işık Uyartılı) Şekl Sağlıklı İnsanların Kümeye At Olma Dereceler Şekl Mgren Hastalarının Kümeye At Olma Dereceler x

15 Şekl Kümelenme Başarısı (Slüet Değerler) Şekl Kümelenme Başarısı (Mgren Hastaları Gru 1, Sağlıklı İnsanlar se Gru 2) 62 Şekl 5.1. İnsan Beynnn İştme ve Görme İle İlgl Bölgeler Şekl 5.2. Çalışma Sonucunda Önerlen Mgren Teşhs Yöntemnn Akış Dyagramı Şekl 5.3. Çalışma Sonucunda Önerlen Mgren Teşhs Yöntemnn Arayüz Programı x

16 ÇİZELGELER DİZİNİ Sayfa No Çzelge 1.1. Uluslar arası Baş Ağrısı Derneğ nn (IHS) Mgren Krterler... 2 Çzelge 1.2. EEG şaretlernn kasadıkları bantlar... 6 Çzelge 3.1. Çalışmada kullanılan ver matrs Çzelge 3.2. Hata Matrs Çzelge 4.1. EEG şaretlernn beta bandındak genlk artışına göre yaılan mgren teşhsnn başarı oranının YSA sınıflandırıcı kullanılarak belrlenmes Çzelge 4.2. EEG şaretler le mgren teşhsne ışık uyartım frekanslarının başarı oranları Çzelge 4.3. EEG şaretler le mgren teşhs çn ışık uyartım sürelernn başarı oranları 44 Çzelge 4.4. EEG kanallarının mgren teşhsnde başarı oranları (DVM le elde edlmştr) Çzelge 4.5. Sektral analz yöntemlernn EEG le mgren teşhsnde başarı oranları Çzelge 4.6. Sınıflandırma yöntemlernn EEG le mgren teşhsnde başarı oranları Çzelge 4.7. BBA ver azaltma teknğnn EEG le mgren teşhsndek başarı oranları (DVM le sınıflandırılmıştır) Çzelge 4.8. Aykırı değer fltrelemenn sağlıklı nsanların EEG şaretlernde meydana getrdğ değşmler Çzelge 4.9. Aykırı değer fltrelemenn mgren hastalarının EEG şaretlernde meydana getrdğ değşmler Çzelge Aykırı değer fltrelemenn EEG le mgren teşhsndek başarı oranları Çzelge Brnc AKF değerlern ışık uyartısı sonucu değşen standart sama değerler x

17 SİMGELER ve KISALTMALAR DİZİNİ EEG EKG EMG AR PSD : Elektroensefalograf : Elektrokardyograf : Elektromyograf : Özbağlanımlı (Autoregressve) : Güç Sektral Yoğunluğu (Power Sectral Densty) MUSIC : Çoklu İşaret Sınıflandırma (Multle Sgnal Classfcaton) EV YSA MLP CV DVM FIR BBA : Egen Vektör (Egen Vector) : Yaay Snr Ağları : Çok Katmanlı Algılayıcı (Mult Layer Percetron) : Karşılıklı Geçerllk (Cross Valdaton Error) : Destek vektör makneler (Suort Vector Machne), : Sonlu Darbe Yanıtı (Fnte Imulse Resonse) : Bağımsız Bleşen Analz ODAU : Ortalama Değerler Arası Uzaklık AKA AKF ROC GSY : Amrk K Ayrışımı : Ayrık K Fonksyonları : Recever Oeratng Characterstc : Güç Sektral Yoğunluğu x

18 1. GİRİŞ Gderek gelşen ve yaygınlaşan şaret şleme teknklernn byomedkal chazlardan elde edlen byoelektrksel şaretler çn kullanılmasıyla brçok hastalığın otomatk teşhs ve bu hastalıkların karakterstk özellklernn belrlenmes mümkün olablmektedr. Bu çalışmada, günümüze dek üzernde şaret şleme teknkler ek fazla kullanılmamış br hastalık olan mgren hastalığına at byoelektrksel EEG şaretler, şaret şleme teknkler kullanılarak şlenerek hastalığın otomatk teşhsne yönelk önerlerde bulunulacaktır. Ayrıca hastalığa at karakterstk blgler elde edlerek tı dünyasının kullanımına sunulacaktır. Sonuç olarak mgren hastalığına at byoelektrksel şaretlern şlenmes konusundak açığın kaatılmasına yardımcı olunacaktır. Çünkü mgren hastalığı yaşam kaltesn oldukça olumsuz etkleyen br hastalıktır. Özellkle mgrenn sebe olduğu şddetl ağrı hayat önem arz eden şler ble aksatablmektedr Mgren Mgren kadınlarda erkeklerden 3 kat daha fazla görülen ve sebeb blnmeyen br beyn hastalığı olarak kabul edlmektedr. Mgrenn en öneml belrts çok şddetl baş ağrısıdır (Stovner ve ark., 2006). Tk br mgren ağrısı genelde tek taraflı olu bu 4 le 72 saat arası sürer. Mgren ağrısı beyn çevresndek şekl 1.1 dek damarların genşlemes ve snr uçlarının bu damarların genşlemes sonucu uyarılması le meydana gelr. Böylece çok şddetl ve zonklayıcı br ağrı oluşur. Bu ağrıya çoğu zaman mde bulantısı ve kusma da eşlk eder. Mgren ağrısı yaşam kaltesn etkleyecek kadar ağır br ağrıdır. Şekl 1.1. Beyn çevresndek damarlar (Anonm, 2005) 1

19 Mgren tetkleyen brçok faktör vardır. Bunlardan başlıcaları ışık, gürültü, açlık ve strestr. Bu tetkleyc etkenlerden ışık ve gürültü çalışmada mgren ortaya çıkartmak çn kullanılacaktır. Br nsana mgren teşhs koyulablmes çn hastanın uluslar arası baş ağrısı derneğnn koyduğu çzelge 1.1 dek IHS krterlere uyması gerekr. (Headache Classfcaton Subcommttee of the Internatonal Headache Socety, 2004). Çzelge 1.1. Uluslar arası Baş Ağrısı Derneğ nn (IHS) Mgren Krterler Aurasız mgren çn aşağıdak krterlere uyan en az 5 nöbet gerekr. a saat süren baş ağrısı, b. Aşağıdak krterlerden en az ksne uyan baş ağrısı - Tek taraflı, - Zonklayıcı, - Orta ve şddetl ağrı, - Fzksel aktvte le artış. c. Aşağıdaklerden en az br - Bulantı ve/veya kusma, - Fotofob ve fonofob. d. Aşağıdaklerden en az brne uyan baş ağrısı - IHS sınıflamasında 5-11 yaşları arasında yer alan fzksel ve nörolojk bozuklukların bulunmaması, - IHS sınıflamasında 5-11 yaşları arasında yer alan fzksel ve nörolojk bozuklukların düşünülmes fakat gerekl araştırma yöntemler le tanı dışı bırakılması, - Böyle bozuklukların bulunması fakat mgren ataklarının bu bozukluklara bağlı olmaması. Auralı mgren çn ağrının aşağıdak krterlerden en az üçüne uyması gerekr. a. Hastanın doktora gelnceye kadar 2 veya daha fazla nöbet geçrmş olması, b. Kortkal veya beyn saı dsfonksyonu gösteren br veya daha fazla aura semtomu, c. Aura semtomlarının brnn 4 dakkadan uzun sürede gelşmes veya brbrn zleyen 2 veya daha fazla semtomun olması, d. Aura semtomlarının 60 dakkadan fazla sürmemes, e. Auradan sonra baş ağrısının başlaması çn geçen sürenn 60 dakkayı aşmaması. 2

20 Üstelk mgren hastalığını otomatk teşhs edeblecek br sstem otorteler tarafından henüz kesn olarak kabul edlmemştr. Mgren hastalığı kadınlarda %23 le %29 arasındak, erkeklerde se %15 le %20 arasındak oranda görülmektedr (Waters ve O'Connor, 1975). Mgren hastalığının otomatk teşhsne yönelk çalışmalar se oldukça az sayıdadır. Bugüne dek yaılan çalışmalarda brçok byomedkal araç denenmştr (Gozke ve ark., 2004; Bowyer ve ark., 2001). Ancak bunlardan en dkkat çeken EEG chazıdır. Çünkü mgren br beyn hastalığıdır. EEG chazı se beyndek elektrksel şaretler ölçen chazdır. Mgren teşhsne yönelk bu çalışmalarda mgrenn karakterstğn ortaya çıkartmak çn ışık uyartısı ve lazer uyartısı gb sun mgren oluşturma yöntemler kullanılmıştır (De Tommaso ve ark. 2005; Valeran ve ark.,2003). Ancak bunlardan en çok terch edlen yöntem flaş ışıkları le uyartımdır (Ozkul ve ark., 2001; De Tommaso ve ark, 2005; De Tommaso ve ark, 2003). Çünkü bu metot aynı zamanda EEG le eles teşhsnde de kullanıldığından EEG laboratuvarlarında hazırda bulunmaktadır (Hshkawa, ve ark., 1967; Adel ve ark., 2003). Üstelk mgren hastaları çn ışık uyartısı güçlü br tetkleyc faktördür EEG Elektroensefalograf (EEG) beyn aktvtesnn elektrksel olarak zlenmesn sağlayan yöntemdr. EEG çekm asta (Elektro jel) denlen letken br madde aracılığıyla küçük elektrotların saçlı derye yaıştırılmasıyla gerçekleştrlr. Bu elektrotların ks arasındak elektrksel otansyel değşklkler blgsayara kayıt edlr ve sonuç uzman tarafından yorumlanarak, hastaya gerekl blg verlr. Elde edlen kaydın ncelenmesnde, zaman eksenndek ya da frekans eksenndek değşklklern normale göre kıyaslanması sonucunda hastalık teşhs yaılablr (Khall ve Muslus, 2006). Aşağıdak şekllerde örnek br EEG chazı ve örnek br EEG kaydı gösterlmştr. 3

21 Şekl 1.2. Örnek EEG chazı (Anonm, 2009a) Şekl 1.3. Normal br nsanın EEG kaydı 4

22 EEG çekm EEG şaretler eryodk değldr. Genlk, faz ve frekansları sürekl değşr. Bu nedenle anlamlı br ver elde etmek çn ölçümlern oldukça uzun br sürede yaılması gerekr. Rutn EEG çekmler genelde 20 dakka sürer. Bu 20 dakkanın 1 dakkası dern nefes alı verme (Herventlasyon) ve 1 dakkası da ışık uyartımıdır (fotk stmulasyon). Işık uyartımı esnasında önce düşük frekansta belrl br süre ışık uyartımı verlr. Ardından bu süre kadar dnlenme süres olur. Aynı şlem ışık uyartım frekansları yükseltlerek tekrarlanır. Işık uyartım süres genelde 10 sanye sürer. EEG çekm yaılırken hastanın dış etkenlere tek vererek bozuk şaretler üretmemes çn ortam gürültüsüz ve loş olmalıdır. Çünkü hasta çekm esnasında duyusal br uyarıya maruz kalmamalıdır. Mümkünse EEG çekm yaılan ortamlardan elektronk chazlar uzak tutulmalıdır. Çünkü bu elektronk chazların yaydığı manyetk dalgalar EEG chazının verlernde gürültü oluşmasına sebe olur. EEG çekmnde genelde elektrot sstem kullanılır. Bu sstemde elektrotlar göz burun brleşm noktası (nason) le boyun kafatası brleşm noktası (non) arasındak mesafenn %10 u ve %20 s aralıklarla yerleştrlmektedr. Bu ssteme göre 75 elektrot bölges test edlse de klnk uygulamalarda genellkle 8 le 32 arası elektro sayısı yeterl görülmektedr (Oostenveld ve ark. 2001). Bu ssteme göre elektrotların yerleşm aşağıdak gbdr. (Nedermeyer ve Slva, 2004). Şekl 1.4. EEG çekm çn elektrot yerleşm sstem (Alkan ve ark, 2005) 5

23 EEG şaretlernn özellkler EEG şaretler genş br frekans bandında ortaya çıkar ancak EEG şaretlernn klnk ve fzyolojk olarak ncelenmes 0,5 le 30 Hz arasında gerçekleştrlr (Adel ve ark, 2003). EEG şaretler genlk olarak 0 le 100µV arasındadır (Ochoa, 2002) EEG frekansları EEG, EKG ve EMG şaretlernde olduğu gb şekl bakımından değl, kasadığı frekanslara göre değerlendrlmektedr. EEG şaretlernn frekansı le beyn aktvtes yakından lşkldr. Aktvte le frekans brlkte yükselr. EEG şaretlernn analznde klnk lg Hz arasındadır. Bu bandın üzerndek banda gama şaretler denlr. Gama şaretler çok nadr kullanılır. Çünkü genlkler çok küçük olduğundan ek anlamlı değldr (Ochoa, 2002). Alttak tabloda, EEG şaretler, kasadıkları frekans bantları ve bu bantlara verlen özel smler le brlkte verlmştr. Çzelge 1.2. EEG şaretlernn kasadıkları bantlar EEG Frekans Bantları Frekans Bantları (Hz) Genlk (µv) Delta (δ) Teta (θ) Alfa (α) Beta (β) Gama (γ) 30< 1< Delta Dalgaları: 4 Hz n altındak beyn dalgalarıdır. Bazı durumlarda 1 Hz n altına da düşer. Süt çocuklarında ve ağır organk beyn hastalıklarında görülür. Genlkler teeden teeye 100 μv dan küçüktür. Teta Dalgaları: 4-8 Hz arasındak dalgalardır. Özellkle, çocuklarda çıkarlar. Yetşknlerde de duygusal gergnlk, düş kırıklığı durumlarında ortaya çıkarlar. Genlkler 100 μv (-) dan küçüktür. Alfa Dalgaları: 8-13 Hz arasındak beyn dalgalarıdır. Uyanık normal ve sakn kmselerde görülür. Genlkler 5 μv kadardır. Uyku durumunda yok olurlar. Uyanık kş dkkatn özel br şeye yöneltrse α dalgaları yerne, daha yüksek frekanslı, fakat düşük genlkl EEG şaretler (Beta dalgaları) meydana gelr. 6

24 Beta Dalgaları: Frekansları 13 Hz ve üzerndek beyn dalgalarıdır. 30 Hz e kadar uzanırlar. Merkez snr sstemnn kuvvetl aktvasyonunda veya gergnlk hallernde ortaya çıkar. Zhnsel aktvtenn artması le ortadan kalkarlar ve yerlerne düşük genlkl asenkron şaretler oluşur. Gama Dalgaları: Frekansları 30 Hz üzerndek beyn dalgalarıdır. Genlkler çok küçük ve anlamsız olduklarında klnk uygulamalarda ek fazla kullanılmaktadır. Alttak şeklde, EEG şaretlerne at farklı frekans aralıklarındak dalgalar gösterlmştr. Şekl 1.5. Farklı bantlardak EEG dalgaları (Anonm, 2004) 7

25 2. ÖNCEKİ ÇALIŞMALAR Benna ve ark. (1985) Görsel ve ştsel uyarıların mgren hastalarının ağrısız durumlarındak EEG şaretlernde genlk değşklğ meydana getrdğn belrlenmştr. Böylece mgren tetkleyen faktörler kullanarak sun mgren oluşturma ve bu yönteme dayalı olarak mgren hastalığı hakkında blg ednmeye dayalı önerler ortaya çıkmıştır. Bu çalışmada elde edlen sonuç otomatk hesalamayı kolaylaştıran modern blgsayarlar henüz yokken yaıldığından lerk çalışmalar çn fkr üretmekten öteye gdememştr. Jensen ve ark. (1988) EEG şaretler le mgren hastalığı üzerne yatığı araştırmada temoral bölgenn mgren hastalığındak yer hakkında önerde bulunmuştur. Çalışmada algometre kullanarak kasılma (basınç) ağrı eşğ de oluşturulmuş ve bu sayede kasların ağrı esnasındak kasılma durumlarını ölçerek mgren hastalığının beyn bölgeler le alakasını da araştırmıştır. Bu çalışma le EEG şaretler kullanarak mgrenn karakterstğ hakkında blg ednme yolunda öneml br sonuç ortaya çıkmıştır. Çünkü mgren bölgesel olarak nceleyen br çalışmadır. EEG ölçümlernn hang bölgelerden yaılması gerektğ hakkında fkr vermektedr. Bu çalışma da yne modern blgsayarlarla yaılan hesalamalar çn temel fkr oluşturmuştur. Genco ve ark. (1994) flaş ışığı uyartısı sonucunda aurasız mgren hastalarının EEG şaretlernn F1 genlklernde br genlk artışı olduğunu bulmuştur. Çalışma frekans eksennde mgren teşhs ve mgren karakterstğ ortaya çıkarma açısından büyük öneme sahtr. Çalışmada aynı zamanda auralı mgren hastaları ve çocuk mgren hastaları da ncelen auralı olanlarda delta, çocuklarda se teta bandında karakterstk br fark olduğu bulunmuştur. Bu bulgular eşlğnde mgren hastalığının EEG le teşhs konusu yenden önem kazanmıştır. Çünkü öncek çalışmalarda elde dlen bulgular zaman eksennde olu kesnlk kazanamamıştır. Oysa frekans eksennde yaılan bu ncelemelerde gözle görülür karakterstkler elde edlmştr. Çalışmanın ardından EEG şaretlernn frekans eksenndek ncelemeler blgsayar teknolojsnn de gelşmesne bağlı olarak artık blgsayar destekl olarak yaılmıştır. La ve ark. (1995) EEG şaretlernn mgren teşhsnde kullanımında, blgsayar desteğ le farklı sonuçlar çıkableceğn önermştr. Çalışmada mgren hastalarının EEG şaretlernn areta-okstal bölgesnde genlk değşmne bağlı karakterstkler bulunmuştur. Çalışma aynı zamanda beynn bölgelernde görülen EEG karakterstklerne göre mgren hastalığının toografk hartasının çıkarılması le lgl br çalışmadır. Çalışma 8

26 sonucunda lk defa mgren hastalığının byomedkal chazlar le karakterstğnn çıkarılmasında statstksel yöntemler kullanılmıştır. Böylece sonuç olarak öncek çalışmaların modern chazlar kullanarak tekrar analz edlmesnn daha kesn sonuçlar ortaya çıkarableceğ görülmüş ve lerk çalışmalar çn yen başlangıç noktası ortaya koymuştur. La Sna ve ark. (1997) EEG le transkranyal doler beraber kullanarak yaılan çalışmada, mgren atağı sırasında EEG şaretlernde genlk artışı olurken kan akış hızında da artış olduğunu gözlemlemştr. Farklı br byomedkal chazın da mgren karakterstğ çıkarmada kullanılableceğn gösteren öneml br çalışmadır. Ayrıca bu farklı byomedkal chazların brbr le lşklerne dayanarak mgren hastalığının vücutta meydana getrdğ aktvasyon değşklkler hakkında da fkr verlmştr. Özetle mgren hakkında elde edlen blgler EEG nn dışına taşımış ve mgrenn etklern farklı ölçümler le yorumlamıştır. Valeran ve ark. (2003) CO 2 lazer uyartımı sonucunda mgren hastalarında meydana gelen değşklkler ncelemştr. Farklı br uyartım yöntem kullanarak mgren hakkında blg ednmeye dayalı öneml br çalışmadır. Uygulanablrlğ zordur ancak bu yöntem gelştrldğ taktrde kesn br sonuç ortaya çıkarablr. De Tomasso ve ark. (2003) Mgren hastalarına hang frekanslarda flaş ışığı uyartısı verldğnde EEG şaretlernn F1 genlğnde ne gb değşklkler olduğunu araştırmıştır. Çalışmada mgren hastalarının temoral bölgesnde 3-9 Hz ışık uyartımları sonucu meydana gelen F1 genlğ değşmler araştırılmış ve 3Hz cvarındak ışık uyartımında temoral bölgenn F1 genlğndek değşmn daha kuvvetl olduğu test edlmştr. Üstelk bu çalışma sonucunda mgren hastalığının beynde meydana gelme bölgeler üzerne öneml br kaynak elde ednlmştr. Çünkü hang bölgenn F1 genlğn hang ışık uyartısında daha net br değşklğe uğradığı da tablolara halnde gösterlmştr. Genelde 3-5Hz arası ışık uyartımının mgren hastalarının EEG şaretlernn F1 genlğnde daha net br değşm ortaya çıkardığı sonucuna varılmıştır. Bu çalışma le lerk safhalarda yaılacak araştırmalar çn hang bölgelern öncelkl olarak ncelenmes gerektğ hakkında kolaylık sağlanmıştır. Bu çalışma aslen Genco ve ark ın 1994 de yatığı çalışmanın blgsayar destekl hal olarak da adlandırılablr. Roberto ve ark. (2004) Çocukluk dönemndek mgren ağrılarında görsel uyarılar sonuncu EEG şaretlerndek oluşan genlk artışını gözlemlemştr. Özellkle görsel uyarılara karşı çocukların verdğ refleks şaretlern araştırmıştır. Ancak bu genlk artışının 9

27 düşük mktarda olduğunu belrtmştr. Sonuçta mgrene at bulunan bu karakterstklern yaş le değş değşmedğ açısından öneml br araştırmadır. Çünkü aynı karakterstğn olgunluk ve yaşlılık dönemlerndek artışı, azalışı, ya da yernde sayması değerlendrlerek mgrene at bulunacak EEG karakterstklern yaş le lşkl olu olmadığı belrleneblr. Sreafco ve ark. (2004) Görsel uyarıların, EEG şaretlernde meydana getrdğ genlk değşmnn mgren teşhs çn yeterl olmadığını bulmuştur. Böylece EEG şaretler kullanarak yaılan mgren teşhsnde bazı çatışmalar ortaya çıkmıştır. Modern chazlarla yaılan ncelemelerde daha öncek çalışmaların tekrar gözden geçrlmes ya da yen şaret şleme yöntemler le teşhse yönelk araştırma yaılmasının kesn önerler çn gerekllğn gösteren br çalışmadır. Ancak bu çalışmada ncelemeler çn ışık uyartısı le oluşan latans genlklernn değşmler ncelenmştr. Bu nedenle genel anlamdak br genlk değşmn hakkında blg çermemektedr. Albert ve ark. (2004) mgren hastalarına EEG le beyn hartalaması yaarak mgren hastalığında beynn hang bölgelernn aktf olableceğ hakkında önerde bulunmuştur. Mgrenn fzyolojs açısından büyük önem taşımaktadır. Çalışmada mgren le lgl öncek çalışmaların genelde delta ve teta bandında olduğunu belrterek alfa bandının da ncelenmes gerektğ savunulmuştur. Yaılan ncelemeler sonucunda temoral bölgede alfa bandında değşmler olduğu gösterlmştr. Tüm bu ncelemelerde ışık uyartısı le mgren hastalarında oluşan EEG değşmler gözlemlenmştr. Bu çalışmanın sonucunda mgren hastalığına at öneml karakterstklern alfa ve beta bandında olableceğ önerlmştr. Angeln ve ark. (2004) flaş ışığı uyartısı verlen mgren hastalarının EEG şaretlernde faz kayması olduğunu test etmştr. Çalışmada Hlbert dönüşümü yöntem kullanılmıştır. Çalışmada hem mgren hastalarının EEG şaretlernn yüksek frekans bantlarının önem hem de analtk şaret şlemle teknklern mgren karakterstğ belrlemedek önem vurgulanmıştır. Ayrıca farklı şaret şleme teknkler kullanıldığında mgren hakkında daha çok blg ednlebleceğ bu çalışma le görülmüştür. De Tomasso ve ark. (2005) Mgren hastalığına at karakterstk özellklern çıkartılmasına lşkn öneml bulgulardan brn önermştr. Çalışmada Mgren hastalarının T5-T3 kanalından alınan EEG şaretlernn alfa bandında ışık uyartısı le değşen faz kayması olduğu bulunmuştur. Çalışmada daha önce yaılan araştırmalarda T5-T3 kanalının önemn görerek yalnızca bu kanal üzernde nceleme yaılmıştır. Çalışmada T5-T3 10

28 kanalının alfa bandından alınan şaretler hem grafğe dökülerek hem de statstksel olarak değerlendrlerek bu karakterstğn rastlantısal olmadığı da satlanmıştır. Çalışmada kullanılan frekans eksenne aktarma metodu yne Hlbert dönüşümüdür. Çalışma sonucunda EEG le mgrene at karakterstklern belrlen belrlenemeyeceğ şeklndek sorular gderek azalmıştır. Bu çalışma Angeln ve ark. (2004) çalışması le lşkldr. Drake ve ark. (2005) Mgren hastalığına at EEG şaretlernde zaman eksennde ne gb değşklkler olduğu hakkında önerlerde bulunmuştur. Çalışmada mgren hastalarının EEG şaretlernn alfa bantları aretal, okstal ve frontal bölgeler çn ncelenmştr. Daha önce bulunan alfa bandı değşmler farklı beyn bölgeler çn de ncelenmştr. Sonuçta öncek çalışmalar kadar kuvvetl bulgulara rastlanamasa da benzer değşmlern bu kanallarda da olduğu fade edlmştr. Bu çalışma zaman eksennde mgren hastalığının EEG şaretler kullanarak teşhs üzerne yaılan br çalışmadır. De Marns ve ark. (2007) görsel uyarı metotlarının mgren hastalığına etks üzerne araştırma yamıştır. Göz kaalı ken mgren hastalarının flaş ışığına verdğ EEG tekler değerlendrlmştr. Latans değerlern değşm le sonuç elde edlmeye çalışılmıştır. Sonuçta latans değerlernn değşmlerne bakılarak mgren hastalarına uygulanan flaş ışığı uyartısının 10 sanye süreden az olması durumunda beynn buna zamana bağlı değşen özel br tek verdğn göstermştr. Bu çalışma le ışık uyartısının verldğ süre ve bu ışık uyartısı sonucu oluşan teknn kalıcılığının olmayableceğ gösterlmştr. Böylece flaş ışığı le mgren hastalığı teşhsnde ışık uyartım süresnn öneml olduğu da bulunmuştur. De Marns ve ark. (2007) farklı mgren türler çn renk algılamanın sonuçlarını bulmuştur. Auralı ve aurasız mgrenlerde renk algılamanın oluşturduğu sonuçların farklılığı bu çalışma le gösterlmştr. Mgrenn özellğ le renklern değşm lşksn gösteren br çalışmadır. Çalışmada özellkle kırmızı ve mav renkler kullanılmıştır. Bu çalışma aynı kşlern br öncek çalışmasının devamı ntelğnde olu renk algılamanın mgren çn önem bu çalışma le daha da belrgnleştrlmştr. De Tomasso ve ark. (2007) Lazer uyartısı verlen mgren hastalarının EEG şaretlernn oztf kısımlarındak değşmn şzofren, deresyon v.b. hastalıklarda meydana gelen değşklklerle lgl olableceğn önermştr. Farklı br uyartım yöntem kullanılarak yaılmış olan bu mgren nceleme çalışmasında mgrenn dğer hastalıklarla lşksnn olableceğ ve bu dğer hastalıklara uygulanan teşhs, tedav yöntemlernn 11

29 mgren çnde geçerl olableceğ önerlmştr. Bu çalışmanın sonucuna göre mgreneles ve mgren-şzofren lşkler şeklnde brçok araştırma yaılmıştır. Bellott ve ark. (2007) frekans eksennde yaılan araştırmaların mgren hastalığının flaş ışığı le değşen genlk saçılmaları ncelenmştr. Araştırma sonucunda flaş ışığı verlen mgren hastalarının EEG şaretlernde genlk saçılmaları olduğu test edlmştr. Bu genlk saçılma değerler yaay snr ağları le sınıflandırılmış ve oldukça yüksek br başarı oranı elde dlmştr. Bulunan bu sonuçlar okstal bölgeden elde edlen şaretler çn geçerldr. Böylece görsel uyarı le beynn görsel bölges olan okstal bölgenn alakalı olduğu da ynelenmştr. Bu araştırmada deneklern br kısmı ağrılı durumda br kısmı da ağrısız durumda bulunduğundan ağrı esnasında elde edlen bulguların da ne şeklde değştğ de gösterlmştr. Bjork ve ark. (2008) Mgren hastalarının EEG şaretlernn ortalama güçler üzernden yaılan bu araştırmada mgrendek asmetr ve ağrısız durumdan ağrılı duruma geçş sürecnde meydana gelen EEG değşmler gözlemlenmştr. Çalışmada ağrısız durumda frontosentral bölgede kuvvetl delta, haff teta ve alfa yükselmes gözlemlenmştr. Yne okstoaretal bölgede teta ve alfa bandında, temoral bölgede de alfa bandında asmetr gözlemlenmştr. Ayrıca ağrılı durumlarda da alfa bandında haff br artış olduğu da gözlemlenmştr. Böylece QEEG kullanılarak mgren hastalığını elektrksel değşmnn gözlemlenmes le hastanın atağın gel gelmeyeceğnn bulunableceğ önerlmştr. Bu çalışma le öncek bulguların QEEG kullanılarak br adım öteye taşınableceğ görülmüştür. Bjork ve ark. (2011) Bu çalışmada ağrısız durumlardak mgren hastalarının mgren atağından 36 saat önce belrl frekanslardak ışık uyartısı verldğnde teta bantlarındak şaretlernn değşmlernn gözlemlendğ bulunmuştur. Çalışmada değşmler aynı zamanda QEEG kullanılarak da yaılmıştır. Çalışma sonucunda mgren hastalığın ağrısız durumdan ağrılı duruma geçş sürecnde beynn ne tür elektrksel şaretler ürettğn göstermştr. Sonuçta da bu değşmlern başka hastalıklarla lşks anlatılmıştır. 12

30 3. MATERYAL VE METOT 3.1. Materyal Denekler Bu çalışmada kullanılan verler Kahramanmaraş Sütçü mam Ünverstes Nöroloj bölümünden alınmıştır. Çalışmada 30 adet mgren hastasından ve kontrol amacı le 30 adet sağlıklı nsandan EEG verler alınmıştır. Bu verlern sağlıklı nsanlara at olanlarında herhang br beyn rahatsızlığı yoktur. Mgren hastalarına at olanlara se mgren teşhs IHS (Internatonal Headache Socety) kıstaslarına göre uzman nörolog tarafından konulmuştur. Ayrıca mgrenllern mgrenn dışında herhang br beyn hastalığı bulunmamaktadır. Çalışmada verler kullanılan deneklern tamamı 20 le 40 yaş arasındadır. Bu deneklerden mgrenl olanlarda çekm esnasında mgren ağrısı meydana gelmemştr. Her k mgrenl ve sağlıklı denekler çekmden 1 hafta öncesne kadar herhang br laç kullanmamıştır. Tüm verler uyanık durumda kayıt edlmştr. Tüm verlern kullanımı le lgl etk kurul onayı tezn ek kısmında gösterlmştr Verlern kayıt şlem Ver kaydı çn kullanılan EEG chazı Vasys Health Care Frmasının Ncolet One model chazıdır. Verlern kaydı esnasında ortam loş olu gürültü çıkmamasına dkkat edlmştr. EEG kayıt odasında gürültülü ver oluşturmaması çn ce telefonu v.b. elektronk chazlar çalıştırılmamıştır. Kayıt esnasında denekler yatar ozsyonda tutulmuş ve hareket etmemeler özellkle stenmştr. Deneklern kayıt yaılırken uyumamaları çn EEG chazının bağlı bulunduğu ekrandan hastaların uyuyu uyumadığı kontrol edlmştr. Çalışmada kullanılan EEG çekm odası şekl 3.1 dek gbdr. Şekl 3.1. EEG çekm Odası 13

31 EEG ver kayıt şlemler 20 dakka sürmüştür. Bu 20 dakkanın 1 dakkası dern nefes alı verme (Herventlasyon) 1 dakkası se flaş ışığı uyartısı şeklnde geçmştr. Bu flaş ışığı uyartım süresnn lk 10 sanyesnde deneklere 2Hz lk flaş ışığı uygulanmıştır. Tak eden 10 sanyede se bekleme le geçmştr. Aynı uyartım verme ve bekleme şlem önce 4Hz sonra 6Hz frekanslı flaş ışıkları vererek 1 dakkalık süre doldurulmuştur. Flaş ışığı uyartısı sırasında deneklern göz hareket yamaması gerektğ önceden kendlerne bldrlmştr. Uygulanan flaş ışığı denekler aşırı derecede rahatsız etmeyecek uzaklıktan verlmştr. Verlen kaydı çn EEG chazının elektrotları uluslararası elektrot yerleştrme sstemne göre yerleştrlmştr. Çalışmada kullanılan Vasys Health Care Frmasına at EEG chazının ekran görüntüsü Şekl 3.2 dek gbdr. Şekl 3.2. Vasys Health Care Frmasına At EEG Chazının Örnek Görüntüsü 14

32 Kullanılan verler Elde edlen her br EEG kaydı 20 kanal çn yaklaşık 20 dakkalık sürede yaılmış olduğundan kullanılan EEG chazının 256 örnekleme yatığı blndğne göre her br kanalın vers yaklaşık örnekten oluşmaktadır. Bu kadar uzun br vernn tamamını aynı anda ncelemek ek sağlıklı olmadığından tüm kanal verler çn ver ayıklama şlem yaılmıştır. Bu ver ayıklama şlemne göre öncelkle EEG kaydı esnasında herhang br uyartım olmayan durumlardak örneklerden yaklaşık 30 sanyelk örnekler ayıklanmıştır. Kullanılan EEG chazı 256 örnekleme le kayıt yatığı çn tüm deneklere at uyartısız durumda yaılan EEG kaydına at 7500 örneklk verler uyartısız çekm olarak adlandırılmış ve ayıklanmıştır. Tolam 1 dakka süren ışık uyartılı durumlarda se sırasıyla 2Hz, 4Hz ve 6Hz ışık uyartısı uygulanan 30 sanyelk bölüme at verler se aynı şeklde ayıklanarak yne 7500 örneklk verler elde edlmştr. Bu verlere se uyartılı çekm adı verlmştr. Kullanılan deneklere se sağlıklı nsanlara çn N Mgren hastaları çn M harf kullanılmıştır. Eğer bu N ve M verler ışık uyartısız duruma at se verlern adının sonuna N ışık uyartılı duruma at se P ek eklenmştr. Böylece sağlıklı nsanlara at uyartısız verler N1N, N2N,.,N30N şeklnde adlandırılmıştır. Bu sağlıklı nsanlara at ışık uyartılı verler se N1P, N2P,.,N30P şeklnde adlandırılmıştır. Aynı adlandırma şlem mgrenller çn uyartısız durumda M1N, M2N,.,M30N ve ışık uyartılı durumda M1P, M2P,.,M30P olacak şeklde yaılmıştır. Bu adlandırma şlem verlern sınıflandırılması çn kolaylık sağlamıştır. Elde edlen tüm verler öncelkle her br satırında 7500 adet örnek bulunduran 60 satırlık matrse dönüştürülmüştür. Bu matrsn satırlarının lk 30 unda sağlıklı nsanlara at verler. İknc 30 unda se mgren hastalarına at verler bulunmaktadır. Her k sağlıklı ve mgrenl verler barındıran bu 30 satırlık bölümlern se lk 15 ışık uyartısı yokken knc 15 se ışık uyartısı verlmş ken kayıt edlen verlerden oluşmaktadır. Bu şeklde oluşturulan matrs zaman eksenndek ncelemelerde doğrudan, frekans eksenndek ncelemelerde se frekans eksenne aktarılarak kullanılmıştır. Çalışmada kullanılan ver matrsn yaısı çzelge 3.1 de gösterlmştr. 15

33 Çzelge 3.1. Çalışmada kullanılan ver matrs N1N Sağlıklı nsanlara at 30 adet EEG kaydı. Her br kayıt 7500 adet örnekten oluşmaktadır. Bu 30 satırdak verlern tamamı ışık uyartısı yokken kayıt edlmştr. N2N * * N30N N1P Sağlıklı nsanlara at 30 adet EEG kaydı. Her br kayıt 7500 adet örnekten oluşmaktadır. Bu 30 satırdak verlern tamamı ışık uyartısı verlrken kayıt edlmştr. N2P * * N30P M1N Mgren hastalarına at 30 adet EEG kaydı. Her br kayıt 7500 adet örnekten oluşmaktadır. Bu 30 satırdak verlern tamamı ışık uyartısı yokken kayıt edlmştr. M2N * * M30N M1P Mgren hastalarına at 30 adet EEG kaydı. Her br kayıt 7500 adet örnekten oluşmaktadır. Bu 30 satırdak verlern tamamı ışık uyartısı verlrken kayıt edlmştr. M2P * * M30P 3.2. Metot Çalışmada mgren hastalığına at karakterstkler öncelkle frekans eksennde ncelenmştr. Bu ncelemeler le elde edlen bulgulara göre zaman eksennde de mgrene at karakterstk bulunu bulunmadığı araştırılmıştır. Frekans eksennde yaılan ncelemede öncelkle T5-T3 kanalına at verler Burg-AR yöntem le frekans eksenne aktarılı her br vernn Frekans-GSY grafkler elde edlmştr. Bu grafk değerler YSA sınıflandırma sonuçlarına göre değerlendrlmş ve mgrene at br EEG karakterstğ 16

34 bulunmuştur. Daha sonra bu karakterstğn hang ışık uyartısında, hang ışık uyartım süresnde ve hang EEG kanalında daha verml sonuç ürettğn bulmak çn farklı ışık uyartım frekansları, farklı şık uyartım süreler ve tüm EEG kanalı çn şlemler tekrar edlmştr. Sonuçta mgren teşhsnde kullanılablecek esas ışık uyartısının ne şeklde kullanılması gerektğ belrlendkten sonra elde edlen erformansı artırmak çn sınıflandırma yöntemler (YSA ve DVM) ve frekans eksenne aktarma yöntemler de (Burg-AR ve MUSIC) aynı şlemler tekrarlanarak denenmştr. Mgrene at EEG karakterstğn çıkaran esas yöntem belrlendkten sonra bu yöntemn vermllğn artırmak çn ham EEG verlerne BBA ve aykırı değer fltreleme şlemler de uygulanarak esas yöntem tekrar uygulanmıştır. Sonuçta hang yöntemler kullanılarak mgren at EEG karakterstklernn belrlenebleceğ ve bu karakterstklern neler olduğu belrlenmştr. Şekl 3.3 de çalışmanın frekans eksenndek akış dyagramları gözükmektedr. BBA Aykırı Değer Fltreleme Sağlıklı İnsanlar İçn Işık Uyartısız Ham EEG Snyaller Sağlıklı İnsanlar İçn Işık Uyartılı Ham EEG Snyaller Mgren Hastaları İçn Işık Uyartısız Ham EEG Snyaller Mgren Hastaları İçn Işık Uyartılı Ham EEG Snyaller GSY (Burg-AR) GSY (Burg-AR) GSY (Burg-AR) GSY (Burg-AR) GSY Farkları GSY Farkları YSA, DVM SONUÇ GSY (MUSIC) Şekl 3.3. Frekans Tabanlı Analz Akış Dyagramı İknc aşamada se bu ana kadar elde edlen bulguların desteğyle EEG şaretler zaman eksennde ncelenmştr. Bu aşamada EEG şaretlernn tamamına FIR fltre uygulanarak şaretlern beta bantları fltrelenmştr. Daha sonra bu beta bantlarına at genlk hstogramı alma ve deneysel k ayrışımı yöntemler uygulanarak elde edlen hstogram 17

35 değerler ve ayrık k fonksyonları kümelenme yöntemler (K-ortalamalar ve C-Bulanık ortalamalar) le değerlendrlmştr. Değerlendrme sonucunda zaman eksennde de aynı karakterstklern bulunableceğ bu yöntemlern ne gb avantajları ve dezavantajları olduğu belrlenmştr. Şekl 3.4 de çalışmanın zaman eksenndek akış dyagramları gözükmektedr. Sağlıklı İnsanlar İçn Işık Uyartısız Ham EEG Snyaller Sağlıklı İnsanlar İçn Işık Uyartılı Ham EEG Snyaller Mgren Hastaları İçn Işık Uyartısız Ham EEG Snyaller Mgren Hastaları İçn Işık Uyartılı Ham EEG Snyaller BETA Bandı Fltreleme BETA Bandı Fltreleme BETA Bandı Fltreleme BETA Bandı Fltreleme Hstogram Alma Hstogram Alma Hstogram Alma Hstogram Alma Hstogram Farkları Hstogram Farkları K-Ortalama Bulanık C-Ortalama SONUÇ DKA Şekl 3.4. Zaman Tabanlı Analz Akış Dyagramı Ön şleme metotları Öz bağlanımlı (autoregressve) arametre tahmn Br x(n) ver dzsnn belrl kurallara göre sınıflandırılan, doğrusal br sstemn çıkışı olarak modellenmes mantığına dayanan model-tabanlı yöntemdr. Bu yöntem aynı zamanda arametrk yöntemler olarak da blnr. Çünkü bu yöntemde çıkış arametrelere bağlıdır. Model tabanlı yöntemlerde güç sektral yoğunluğu (Power Sectral Densty-PSD) tahmn, ver dzs ve tahmn edlen metot arametreler kullanılarak hesalanır. AR modelleme yöntemnde, şaretn bell br anındak genlğ daha öncek örneklenmş kısımların örneklernn genlklernn farklı oranlarda tolanması ve bu tolama br tahmn hatasının eklenmes sonucu elde edlr. AR model arametreler doğrusal denklemlern çözümüyle elde edldğnden, AR yöntem çok yaygın kullanıma sahtr. Ver, grş beyaz gürültü olan nedensel, tüm-kutulu ayrık fltre çıkışı olarak modelleneblr. Dereces olan AR model, X t t 1 X (3.1a) t 18

36 19 İfadesyle verlr. Burada AR katsayıları ve t varyansı 2 olan beyaz gürültüdür. AR() model, ]} [ [2],..., [1], { AR model arametreleryle karakterze edlr. Bu denklemnde t X fades le t fadesnn yern değştrmek gerekr. Bu değşklğ yaarken 0 t t X X olduğu düşünülürse denklemdek değşklk sonucunda t t t t X X X (3.1b) Denklem elde edlr. Bu t t X 0 denklem formülü aşağıda verlen le t X nn konvolüsyon çarımıdır. t t X X 0 (3.1c) İk şaretn konvolüsyon çarımlarının Fourer dönüşümü, Fourer dönüşümlernn çarımına eşt olduğuna göre otoregresyon formülümüzün Fourer dönüşümü j t j t e X e (3.1d) Şeklnde olacaktır. Böylece şaretn frekans eksenndek karşılığı olan Fourer dönüşümü j t j t e X e (3.1e) Formülü le fade edleblr. İşaretn güç sektrumu Fourer dönüşümünün kares olduğundan bu formüldek eştlğn her k tarafında karesn aldığımızda şarete at güç sektrumunu ) ( f P e X e AR j t j (3.1f) Olarak buluruz. Aynı formül ]... [1 ) ( ) ( ) ( j j j AR e e e f f P f (3.1g)

37 20 Olarak da yazılablr. Genlk oranlarını belrleyen AR katsayıları çeştl yöntemler kullanılarak hesalanablr. Levnson-Durbn ve Burg algortmaları bu yöntemler arasındadır. Burg yöntemnde AR katsayıları şaretten alınan örneklere dayanan ler ger hataları le bulunur. Fltrenn, yan modeln dereces AR katsayılarının sayısı le belrlenr (Proaks ve Manolaks 1996) Burg metodu Burg metodu AR model arametrelernn tahmnn çn kullanılan br yöntemdr. Yöntem ler ger yöndek tahmn hatalarının en küçükleştrlmes ve yansıma katsayısı tahmnn le gerçekleştrlr. Bu yöntemde amaç doğrudan yansıma katsayısı tahmn yamaktır.. derece model çn ler ve ger tahmn hataları aşağıdak gb fade edleblr. f N n n x a n x n e 1,,,..., 1... (3.2a) b N n n x a n x n e 1,,,..., 1... (3.2b) Yansıma katsayısı k le lşkl AR katsayıları eştlk (3.2c) de verlmştr. k a k a a, 1 1,...,, 1, 1,, (3.2c) Yansıma katsayısı tahmn N n b f N n b f n e n e n e n e k 1 2 1, 2 1, 1 1, 1, 1) ( * ) ( 1) ( * ) ( 2 (3.2d) İfades le verlr. İler ve ger yöndek tahmn hataları aşağıda verldğ gb olu, bu fadeler AR katsayılarının tahmnnde kullanılır. 1) ( ) ( ) ( 1, 1),(, n e k n e n e b f f (3.2e) n e k n e n e f b b ( 1) ( ) ( 1, * 1),(, ) (3.2f)

38 hesalanır. AR arametrelernn tahmnnden, güç sektral yoğunluğu (PSD) aşağıdak şeklde P BURG ( f ) 1 e a k 1 k e j2fk 2 (3.2g) Burada e e f, eb, tolam en küçük karesel hatadır (Stoca ve Morses, 1997; Akake, 1974). Burg yöntem AR arametrelern tahmn edlmes çn uygulanan şlemsel olarak verml br yöntemdr. Yöntem kararlı br AR yöntemnn gerçekleşmesn sağlar. Bu yöntemde en krtk sorun model derecesnn seçlmesdr. Model derecesnn doğru seçleblmes çn ek çok öner lteratürde bulunmaktadır. Fakat lteratürdek bu önerlerden en çok terch edlen se Akake Informaton Crteron (AIC) dır (Akake, 1974). Çalışmada AIC ölçütüne göre model dereces 10 olarak seçlmştr Alt uzay metotları Yüksek çözünürlük metotları olarak da blnen alt uzay metotlarında br şaretn korelasyon matrsnn egen analz temell frekans bleşen tahmnler yaılır. Bu kategorde yer alan metotlar başlıca katlı şaret sınıflandırma(music) ve egen vektör (Egen Vector-EV) metotlarıdır. Bu metotlar özellkle snüzodal şaretlern sektrumlarının oluşturulmasına uygundur ve özellkle düşük şaret gürültü oranlı, gürültüye gömülmüş snüzodlern belrlenmesnde etkldrler. İşaret alt-uzay metotları kullanılan adet en büyük öz-değere (en büyük özvektörler) karşılık gelen özvektörlern kullanır; var olduğu farz edlen snüzod sayısıdır MUSIC metodu Gürültü alt uzayına karşılık gelen tüm egen vektörlern ortalaması alınmış sektrumunu kullanarak şühel sıfırların etksn ortadan kaldıran çoklu şaret sınıflandırma (Multle Sgnal Classfcaton-MUSIC) metodu Schmdt (Schmdt, 1986) tarafından önerlmştr. MUSIC algortması, grş şaretnn kovaryans matrsnn öz değerlern kullanarak yüksek çözünürlüklü br sektrum üretr (Schmdt, 1986). MUSIC, gelen şaret hakkında brçok blg veren br şaret arametreler kestrm algortmasıdır. MUSIC algortmasının temel aşağıdak formül le gösterleblr. u( t) S 1 l0 a( ) x ( t) (3.3a) l l t 21

39 Bu formüldek değerler: : Gelen şaret sayısı a ( 1 ) : l. şaretn gelş doğrultusuna karşı düşen dz yöneltme vektörü x ( ) : ;Gelen şaret vektörü 1 t t : Gürültü vektörü u( t) Bu duruda grş u (t) y aşağıdak gb fade edeblrz: x0 ( t) x ( t) 0 1 S 1 t (3.3b) xs ( t) 1 a( ) a( ) a( ) ( t) Ax( t) ( ) ( ) 0( t) 1( t) M 1 T t ( t) (3.3c) T x t) x ( t) x ( t) x M ( t) (3.3d) ( Bu vektörlere kısaca u, x, dersek grş vektörü u (t) nn kovaryans matrs R uu aşağıdak gb yazablrz: yu R uu H H H H E[ uu ] AE[ SS ] A E[ ] (3.3e) H R AR A (3.3f) uu xx 2 göre: Bu R şaret korelasyon matrsnn özdeğerler,,..., } olduğuna uu { 0 1 M 1 Ruu I 0 (3.3g) Olur. Sonuçta Belrl br özdeğerne karşı düşen özvektör se R I q 0 (3.3h) uu Şeklne dönüşür. Öz vektörler, A vektörünü oluşturan D adet yöneltme vektörüne dk olduğundan güç sektral yoğunluğu aşağıdak fade le gösterleblr (Gülsev N., K., 2007). P MUSIC 1 K 1 K k 0 u k u H k (3.3) 22

40 Sonlu darbe yanıtlı fltreleme (FIR fltreleme) Sonlu Darbe Yanıtı (Fnte Imulse Resonse-FIR) fltreleme br çeşt ayrık fltreleme metodudur. FIR fltreler sonludur çünkü ger beslemel değldr. Bu nedenle ssteme brm darbe grldğnde çıkış değşken olmaz. FIR fltrelern formül olarak fades aşağıdak gbdr. y[ n] b0 x[ n] b1 x[ n 1]... bn x[ n N] (3.4a) Burada x [n] grş şaret, y [n] çıkış şaret, b fltre katsayısı, N se fltreleme derecesdr. N nc fltreleme dereces (N+1) term çerr. Bu fade aynı zamanda katsayılarının grşe konvolüsyonu olarak da blnr. b y[ n] N 0 b x[ n ] (3.4b) Grşn öncek değerlernn sonlu sayısı ve güncel tolamı fltre çıkışının ağırlıkları olur. FIR fltrelern yaısı şekl 3.5 dek gbdr. Şekl 3.5. FIR Fltrelern Yaısı (Anonm, 2011) FIR fltre kullanılmasının nedenler kararlılık, ger besleme olmayışı ve kolay tasarım gb avantajlardır. Fltre katsayılarını bulmak çn encere tasarımı, frekans örnekleme ve ağırlıklı en küçük kareler gb brçok metot vardır. (Rabner ve Gold, 1975; Oenhem ve Schafer, 1999; Kaser ve Schafer, 1980). Bu çalışmada fltre tasarımı olarak encereleme metodu ve Kaser Fltres kullanılmıştır. Fltrenn kesm frekansı Hz, ve durdurma frekansı se Hz olarak belrlenmştr. Böylece geçş enceres 1 Hz olmuştur. Bu fltrenn genlk cevabı şekl 3.6. dak gbdr. 23

41 Şekl 3.6. Çalışmada Kullanılan FIR Fltrelern Genlk Cevabı Bağımsız bleşen analz le ver azaltma metodu Bağımsız bleşen analz (BBA), çok değşkenl verlerdek saklı bleşenler bulmaya çalışır. Bu bleşenler verye at öneml özellkler taşır. BBA le ver sıkıştırma, örüntü tanıma, gürültü arındırma gb brçok şaret şleme şlem yaılablr. BBA nın amacı kaynaklar arasındak lşky azaltan doğrusal dönüşümü bulmaktır. (Koçyğt ve ark 2005). Bu amacı gerçekleştrmek çn kullanılan FastIca, Infomax, Jade, Radcal gb farklı yöntemler vardır. Tüm bu yöntemler dönüşüm çn farklı yaklaşımlar kullanılmaktadır. BBA da bağımsız bleşenler blnmeyen br karıştırma matrs le karıştırılarak kaynak (gözlem) verlern oluştururlar. BBA, aşağıdak formül le fade edleblr: x Ys (3.5a) Burada x, blnen ayrık şaret; s, bağımsız bleşendr. Her k ayrık şaret ve bağımsız bleşenn vektör şeklnde olduğu düşünülürse Y, karıştırma matrsdr. Burada amaç blnmeyen Y ve s değerlernn ayrık şaretler olan, kullanılarak bulunmasıdır. BBA modelnde ayrık şaret ve bağımsız bleşen sayısı eşt olarak kabul edlr ve Y matrs kare olarak hesalanır. Y matrsnn hesalandıktan sonra bağımsız bleşenler bu matrsn ters kullanılarak aşağıdak gb hesalanablr (Cao ve ark, 2003; Duda ve ark,. 2001; Wdodo ve ark, 2007). BBA da amaç kaynaklar arasındak statksel bağımlılığı en küçükleştrecek şeklde karıştırma matrsnn tersnn 1 Y bulunmasıdır. 1 s xy (3.5b) Özetle BBA yöntemnn şleyş şekl 3.7 dek gbdr. 24

42 Gözlem matrs Önşleme uygulamaları (boyut ndrme) Y Matrsnn tahmn edlmes Bağımsız bleşenlern bulunması Şekl 3.7. BBA Yöntemn İşleyş (Işıl, 2008) Gözlem matrs blnen ayrık şarete (kaynak şarete) at örneklern satır vektörler şeklnde aşağıdak gb sıralanması le elde edlr. x x x 1 2 x M (3.5c) Bu matrs daha sonra ön şleme aşamasına tab tutulur. Bu aşama se k bölüme ayrılır. İlk bölümde ortalaması çıkarılmış gözlem vektörler hesalanır. İknc bölümde se beyazlatma şlem kullanılarak hızlı yakınsama sağlanır. Böylece boyut ndrgeme şlem de gerçekleştrlmş olunur (Sezer ve ark, 2003). Ön şleme bölümünde sırasıyla sıfır ortalamalı gözlem matrs, kovaryans matrs ve beyazlatma matrs aşağıdak gb bulunur. Sıfır ortalamalı gözlem matrsnn bulunuşu; m 1 M M j1 x j [ m1 m2 m N ] (3.5d) ~ x x m, j (3.5e) j j ~ x1 ~ ~ x2 X ~ x M (3.5f) 25

43 1 N x1 m1 x1 mn ~ x (3.5g) x 1 M m 1 x N M m N Kovaryans matrsnn bulunuşu; C ~~ T XX (3.5h) Cv eştlğnden yararlanılarak öz değer ayrıştırma yöntem uygulandığında, ortogonal özvektör matrs olan E ve dagonal özdeğer matrs olan D elde edlr. Bulunan bu değerlerden beyazlatma matrs se aşağıdak gb elde edlr; E ~~ T T { XX } EDE (3.5) T B E DE (3.5j) Böylece beyazlatılmış ver matrs; Z ~ BX (3.5k) Olarak elde edlr ve beyazlatma şlem tamamlanır. Artık gerye yalnızca matrsnn tahmn edlmes kalır (Işıl, 2008). 1 Y Standart sama Standart sama verlern ortalamadan saçılmalarını ölçmek çn kullanılan br statstk termdr. Verlern ortalamaya yakın olması standart samayı düşürür. Yüksek olması se standart samayı büyütür (Scates, 1943). Standart samanın fades aşağıdak gbdr. n 0 1 ( x ) n 1 2 (3.6) Burada x n adet verden oluşan şarettr. Ve ortalama değerdr. Brçok deneyde standart sama aykırı değer fltrelemek çn kullanılır (Abbott ve ark, 1979). Çünkü aykırı değerler şaretn ortalama değer le standart samasının tolamı olan daha büyüktür (Chang ve ark, 2006). Bu nedenle çalışmada değernden değernn üzerndek değerler aykırı değer olarak seçlmştr. Ve bu değerler sıfırlanarak şaretlerden 26

44 çıkartılmıştır. Şekl 3.8 de örnek br EEG şaret ve şekl 3.9 dayukarıda bahsettğmz yöntem le çıkartılacak olan aykırı değerler gösterlmştr. Şekl 3.8. Örnek EEG İşaret Şekl 3.9. Çıkartılacak olan değernden büyük verler Genlk hstogramı Genlk Hstogramı verlern her br genlk değernden kaç adet olduğunu grafk olarak gösteren br çzmdr. Genlk hstogramı genlk sayısını analz etmek çn kullanılır (Pearson, 1895). Bu çalışmada hem mgren hastalarının hem de sağlıklı nsanların genlk hstogramlarının ışık uyartısı sonucu gözlemlenmştr. İncelemelerde -20 µv le +20 µv arası değerler dkkate alınmıştır. Çünkü EEG şaretler genelde bu aralıktadır Deneysel k ayrışımı (DKA) Deneysel K Ayrışımı x(t) şaretn I ( t),, I ( ) gb N adet Ayrık K 1 N t Fonksyonuna (AKF) dönüştürür. DKA şlemn uyguladıktan sonra şaretten gerye AKF ler ve Düşük Düzeyl Polnom Artığı (DDPA) r (t) kalır. DKA formülü aşağıdak gbdr. 27

45 N x( t) r( t) I n ( t) (3.7) n1 Şekl DKA nın elde edlmesnde kullanılan şaretler (Anonm, 2008) Her AKF aşağıdak gb elde edlr: a) Tüm mnmumlardan geçen P ( ) elde edlr. b) Tüm maksmumlardan geçen P ( ) elde edlr. 1 t 1 t 2 t c) Ortalama olnom P (t), P ( ) ve P ( ) nn matematksel ortalaması alınarak bulunur. 2 t d) İlk AKF, x (t) 'den P (t) çıkarılarak elde edlr. e) Yen şaret I ( ) olarak belrlenr ve ötelemel olarak asıl şaretn yerne koyularak aynı 1 t şlem devam ettrlr. f) Ve son kalan şaret r(t),olnom artanı olarak kalır.. Asıl şaret olnom artanı ve AKF lern tolanması le yenden elde edleblr. (Norden, 1998; Manuel, 2008; Gabrel, 2003; Yanns, 2008) Sınıflandırma metotları Yaay snr ağları (YSA) Bu çalışmada Çok Katmanlı Algılayıcı (Mult Layer Percetron-MLP) t YSA yaısı kullanılmıştır. MLP ağı br grş katmanı, br veya daha fazla saklı katman ve br çıkış katmanından oluşur. Çalışmada br adet gzl katman kullanılmıştır. Her katman bünyesnde brçok nöron hücres bulundurur. Bu hücreler brbrlerne ağırlıklı bağlantılarla 28

46 bağlıdır. MLP ağı grş vektörünü, üzernde doğrusal olmayan şlemler yaarak br çıkış vektörüne dönüştürür. Ağın çıkışı br aktvasyon fonksyonuna sah çıkış katmanı tarafından belrlenr. Şekl 3.11 de MLP ağının yaısı gözükmektedr. Şekl Çok Katmanlı Yaay Snr Ağı Model (Anonm, 2010b) Hesalanan çıkış değer le hedef değer arasındak fark ortalama karesel hata fonksyonu olarak tanımlanır. Çalışmada bu hedef değerler sağlıklı kşler çn [0,1], mgren hastaları çn [1,0] olarak belrlenmştr. MLP ağın eğtm, tanımlanan bu hata fonksyonunun en küçükleştrlmes şeklnde fade edlen br süreçtr. Bu süreç çersnde nöronlar arasındak ağırlıklı bağlantılar otmze edlr. Otmzasyon Eğm Düşümü (Gradent Descent) ve Ger Yayılım (Backroogaton) algortmaları le gerçekleştrlr. Hata fonksyonu karesel ortalama hata şeklnde fade edldğnden MLP ağlarının eğtmnde kullanılan eğtm setnn ve test verlernn dağılımı model tarafından kontrol edlemeyen öneml br arametredr. Ver set dağılımının ağ eğtmn etkleyen öneml br etken olduğu blnmektedr (Altun ve ark, 2007). MLP t sınıflandırıcılar çoklu sınıflandırma roblemlernde kolaylıkla uyarlanablr. MLP sınıflandırıcı çn grş olarak her k mgrenl ve sağlıklı kşlern ışıklı ve ışıksız şaretlernn güç frekans sektrum değerler kullanılmıştır. Bu grşler sınıflandırma roblem çn eğtlmştr. Performans ölçütü olarak karşılıklı geçerllk hata oranı (Cross Valdaton Error- CV hata) kullanılmıştır. CV hata değernn belrlenmes çn ver set beş arçaya ayrılmış ve bu beş arçanın br tanes test çn kullanılırken dğer dört tanes eğtm set çn saklanmıştır. Test set çn ayrılan arça değştrlerek aynı deney beş kez tekrarlanmış ve her deneme sonucunda elde edlen hata değerlernn ortalaması CV hata olarak hesalanmıştır. 29

47 Destek vektör makneler Destek vektör makneler (Suort Vector Machne - SVM), son yıllarda yaygın olarak kullanılan br sınıflandırma algortmasıdır. Temelde doğrusal olarak ayrıştırılablr k sınıfın karar yüzeynn destek vektörler olarak tanımlanan ve sınıf sınırlarını belrleyen örnekler arasında maksmum uzaklığın br ayıraç düzlem aracılığıyla oluşturulması lkesne dayanır. Bu ayıraç düzlemn doğru seçlmes sınıflandırıcı erformansını artırır. Şekl 3.12 de k olası ayıraç düzlem gözükmektedr. Şekl İk Olası Ayıraç Düzlem Destek vektör maknelernde en öneml roblem bu ayıraç düzlemnn doğru seçlmesdr. Eğer ayıraç düzlem yanlış seçlrse sınıflandırma erformansı düşer. Çünkü ayıraç düzlemn her k yanında kalacak sınıf değerler bu şeklde yanlı seçlmş olur. Ayıraç düzlemn en y olarak seçleblmes çn marjn uzaklığını en büyük tutan ayıraç düzlem seçlmeldr. Şekl 3.13 de aynı verler çn oluşturulmuş farklı marjn değerler ve bu değerlere göre oluşan ayıraç düzlemler görülmektedr. 30

48 Şekl Doğru Ve Yanlış Seçlen Ayıraç Düzlemler (Anonm, 2010c) Uzaklığın en büyükleştrlmes şlem br kuadratk sınırlamalı otmzasyon roblem şeklnde yazılır ve dual forma dönüştürülür. Bu uzaklığın dönüştürülmes Şekl 3.14 dek ayıraç düzlem çn aşağıdak gb gerçekleştrlmektedr. Şekl Ayıraç Düzlem İçn Uzaklığın En İyleştrlmes (Anonm, 2010c) 31

49 Şekl 3.13 de görülen vektörü, H, herdüzlemne 90 o dk duru başlangıç noktası x 0 ve y 0 noktaları olan br vektördür. Bu vektör H, herdüzlemnn x-y koordnat düzlemndek fonksyonu aşağıdak gb oluşturur. y w. x b (3.8a) Bu durumda marjn en büyük tutacak H 1 ve H 2 düzlemlernn fonksyonları se sırasıyla aşağıdak gb olacaktır. y w. x1 b (3.8b) y w. x 2 b (3.8c) Bu her k denklem 2 ve denklem 3 çn sırasıyla y değer en az +1 ve -1 olması gerektğnden bu denklemler aşağıdak gb düzenleyeblrz. w. x1 b 1 (3.8d) w. x 2 b 1 (3.8e) Bu durumda aşağıdak eştlk ortaya çıkacaktır. w.( x1 x 2 ) 2 (3.8f) Bu denklemler düzenledğmzde amacımız olan marjn en büyük yama roblemnn çözümü çn x 1 x 2 uzaklığını yan değernn en büyük yaılması gerekr (Anonm, 2010a). Doğrusal roblemler çn gelştrlen bu yaklaşım doğrusal olmayan ayrıştırma roblemler çn kernel dönüşümler kullanılarak genelleştrleblr (Crstann, ve Taylor, 2000). SVM algortması kullanılan vernn geometrk dağılımına dayalı olarak uzaklığı en büyük ölçüye taşır. SVM normalde kl sınıflandırma roblemlern çözeblen br algortmadır. Çoklu sınıflandırmanın gerekl olduğu uygulamalarda se br-dğer (onevsone) ve br-dğerler (onevs rest ) şeklnde k çerçeve tanımlanarak kl sınıflandırıcı SVM yaısı çoklu sınıflandırıcı olarak kullanılablr. Çalışmada doğrusal SVM kullanılmıştır. SVM sınıflandırıcı çn grş yne MLP de olduğu gb her k mgrenl ve sağlıklı kşlern ışıklı ve ışıksız şaretlernn güç frekans sektrum değerler kullanılmıştır. Hedef değerler sağlıklı kşler çn [0], mgren hastaları çn [1] olarak belrlenmştr. Ve yne MLP dek gb erformans ölçütü olarak karşılıklı geçerllk hata 32

50 oranı kullanılmıştır. Çalışmada, SVM sınıflandırma algortması çn %90 - %10 çaraz geçerlk kuralı uygulanmıştır Kümelenme metotları K-Ortalamalar metodu K-Ortalamalar metodu denetmsz br öğrenme yöntem olu kümelenme roblemlernn çözümünde kullanılmaktadır. Bu metot n adet gözlemn k adet sınıfta hang sınıfa at olduğunun gözlemlern küme merkezne göre belrlenmes esasına dayanır. Bu metot şekl 3.15 dek gb şler: Şekl K-Ortalamalar Yöntem Akış dyagramı (Anonm, 2006) Bu şeklden de görüldüğü gb yaılacak şlemler sırasıyla: a) Rastgele örnekler küme merkezne olarak ayarlanır. b) 2. Her örnek bu küme merkezne yakınlığına göre br kümeye dahl edlr. c) 3. Her kümenn örneklernn ortasında bulunan yen küme merkez yenden belrlenr ve bu döngü durana kadar devam edlr. Bu şlemn formül le fades se aşağıdak gbdr. J k n j1 1 ( j) x c j 2 (3.9) Bu metotta J fonksyonu, her ( j) x noktasının küme merkezne olan x c ( j) j 2 uzaklığına göre küme merkeznn belrlenmes le ortaya çıkar. Bu formülde k küme merkezdr(mac Queen, 1967). Bu çalışmada 2 adet küme merkez belrlenemeye çalışılacaktır. Bunlardan br sağlıklı nsanlar çn dğer se mgren hastaları çndr. 33

51 Bulanık c-ortalamalar metodu Bulanık sınıflandırma kümelere at olma derecesn ölçmeye dayalı br yöntemdr. Bulanık C-Ortalamalar Algortmasına göre br kümenn belrl derecedek üyes aynı zamanda belrl br derecede dğer kümeye de at olablr. Bu yöntem aşağıdak gb formüle dönüştürüleblr. N C m J m uj x c j, 1 m 1 j1 2 Burada m br reel sayıdır ve 1 den büyüktür. u j, (3.10a) x nn j, kümesndek üyelk derecesdr. x se d - boyutlu nc verdr. c j se d -boyutlu kümenn merkezdr, ve ölüçlen verler arasındak benzerlğ fade etmektedr. Bulanık kümelenme aşağıdak gb ötlenmes le bulunur: u j ve c j nn u j C k 1 x x 1 c c j k 2 m1, c j N 1 N u 1 m j u. x m j (3.10b) k k Bu ötelenme se max u 1 u, değerne ulaşınca sonlanır. Burada 0 ve 1 j j j arasındak sonladırma termdr. k öteleme basmağıdır (Dunn, 1973; Bezdek, 1981) Performans değerlendrme ROC (recever oeratng characterstc) analz Performansın karşılaştırılmasında ölçüt olarak ROC Analz yaılarak Hassasyet, Belrleyclk ve Doğruluk değerler hesalanmıştır. ROC analz le sınıflandırmada mgrenller doğru test oranı (Kesnlk) gerçek oztf oranı (GPO) olarak, sağlıklı kşler test oranı (Hassasyet) se gerçek negatf oranı (GNO) olarak belrlenmştr. Bu değerlern ortalaması (Doğruluk) se ACC olarak bulunmuştur. GP GPO GP YN GN GNO GN YP GPO GNO ACC 2 (3.11a) (3.11b) (3.11c) 34

52 Gerçek (3.11a), (3.11b) ve (3.11c) de GP: gerçek oztf, YP: yanlış oztf, GN: gerçek negatf, YN: yanlış negatf olarak kısaltılmıştır. Bu değerler Çzelge 3.2 dek hata matrsnde gösterldğ şeklde hesalanmıştır. Çzelge 3.2. Hata Matrs Sınıflandırıcı Sonucu GP YN -1 YP GN Bu çalışmada sağlıklı kşlern örnekler -1 le etketlenmş, mgren hastalarının örnekler se +1 le etketlenmştr Çaraz geçerllk (cross valdaton) Çaraz Geçerlk Yöntemnde daha doğru br değerlendrme yaablmek çn her değerlendrme de br gözlem noktası test değerler olarak seçlr ve gerye kalan gözlem noktaları se eğtm değerler olarak seçlr. Bu şeklde ortalama öngörü hatasını mnmze eder (Stone, 1974).Çalışmada Çaraz Geçerlk Yöntem sınıflandırma ve kümelenme yöntemlernn tamamında kullanılmıştır. Çaraz Geçerlk Yöntem x x, x,, x ) (3.12a) ( 1 2 M Şeklndek br ver kümes çn aşağıdak gb uygulanır: x x M C C (3.12b) Ve her çevrmde M/C defa C=C+C yaılarak Eğtm Verler= x, x,, ) (3.12c) ( 1 2 x M C Test Verler= ( xm C1, xm C2,, xm ) (3.12d) Şeklde sınıflandırma sonucu elde edlr. Sonuçta M / C Defa yaılan çevrm sonucunda her çevrmde elde edlen sınıflandırma sonuçlarının artmetk ortalaması alınır ve daha doğru br sınıflandırma sonucu ortaya çıkarılır. Burada M, tolam ver sayısını ve C se her çevrmde eğtm ve test verlernn tolam verlern yüzde olarak ne kadarını oluşturacağını gösteren değerdr. 35

53 4. BULGULAR VE TARTIŞMA 4.1. Frekans Eksennde Mgrene At Karakterstklern Belrlenmes Grş bölümünde de bahsedldğ gb EEG şaretler arasındak farkı zaman eksennde ayırt edeblmek zordur. Bu nedenle mgren teşhsne yönelk çalışma öncelkle frekans eksennde gerçekleştrlmştr Frekans eksennde mgren karakterstklernn bulunu sınıflandırılması Çalışmada öncelkle her k sağlıklı nsanların ve mgren hastalarının EEG şaretler Fourer dönüşümü le frekans eksenne aktarılmıştır. Frekans eksenne aktarılan bu şaretlern Fourer dönüşümü le elde edlmş frekans-genlk grafkler aşağıdak gbdr. Şekl 4.1. Sağlıklı İnsanın Işık Uyartısız EEG İşaretne At Frekans-Genlk Grafğ Şekl 4.2. Sağlıklı İnsanın Işık Uyartılı EEG İşaretne At Frekans-Genlk Grafğ 36

54 Şekl 4.3. Mgren Hastasının Işık Uyartısız EEG İşaretne At Frekans-Genlk Grafğ Şekl 4.4. Mgren Hastasının Işık Uyartılı EEG İşaretne At Frekans-Genlk Grafğ Bu Şekl 4.1 ve Şekl 4.2 de k grafklere bakıldığında sağlıklı nsanların frekans eksenne aktarılmış EEG şaretlernde ışık uyartısı vermenn herhang br değşklk yamadığı gözlemlenmştr. Oysa Şekl 4.3 ve Şekl 4.4 dek grafklere bakılınca aynı durumun mgren hastaları çn geçerl olmadığı da görülmüştür. Çünkü mgren hastalarına ışık uyartısı verldğnde bazı frekanslarındak genlklerde değşmler olduğu gözükmektedr. Mgren hastalarında görülen bu genlk değşmn daha y gözlemleyeblmek çn hem ışık uyartılı hem de uyartısız durumlardak tüm deneklere at EEG şaretlernn Foruer dönüşümü temell Güç Sektral Yoğunluk (Power Sectral Densty-PSD) grafkler, Burg-AR sektral yöntem kullanılarak da çzdrlmştr. 37

55 Şekl 4.5. Sağlıklı İnsanın Işık Uyartılı Ve Uyartısız EEG İşaretne At PSD Grafğ Şekl 4.6. Mgren Hastasının Işık Uyartılı Ve Uyartısız EEG İşaretne At PSD Grafğ 38

56 Şekl 4.5 ve Şekl 4.6 dak PSD grafklerne bakıldığında mgren hastalarına ışık uyartısı verldğnde EEG şaretlernn beta bandında genlk yükselmes olduğu gözükmektedr. Oysa sağlıklı nsanlarda herhang br değşm gözlenmemştr. Bu PSD grafklerne göre mgren hastalarının sağlıklı nsanlardan farklı olan temel br karakterstğ ortaya çıkarılmıştır. Çalışmada kullanılan bazı GSY grafkler ekler bölümünde verlmştr. Bulunan bu karakterstğn rakamsal olarak satını gerçekleştrmek çn tüm deneklere at PSD değerler YSA sınıflandırıcı le sınıflandırılmıştır. Bu sınıflandırma sonucu se aşağıdak çzelgedek gbdr. Çzelge 4.1. EEG şaretlernn beta bandındak genlk artışına göre yaılan mgren teşhsnn başarı oranının YSA sınıflandırıcı kullanılarak belrlenmes Sağlıklı Doğru Test Oranı (Hassasyet) Mgren Doğru Test Oranı (Kesnlk) Ortalama (Doğruluk) YSA % 83,3 % 83,3 % 83,3 Sınıflandırma sonucuna bakıldığında PSD grafklerne göre belrlenen mgrene at bu mgren teşhsndek doğruluk oranının %83,3 olduğu ortaya çıkmıştır. Buna göre mgren hastalığının otomatk teşhsnde, ışık uyartısı verlen mgren hastalarının EEG şaretlernn beta bantlarında meydana gelen genlk artışının kullanılablrlğ sayısal olarak da kanıtlanmıştır. Bu sonucun bulunmasının ardından başarı oranını artırmak ve mgren hastalarındak bu karakterstğ daha y anlayablmek çn öncelkle EEG çekm sırasında mgren hastasına verlmes gereken ışık uyartısının frekansını ve mnmum uygulanma süresn de belrlemek gerekr. Bu nedenle mgren hastalarına uygulanan 2Hz, 4Hz ve 6Hz lk flaş ışığı uyartılarının etklern tek tek gözlemleyeblmek çn tüm bu ışık uyartım frekanslarında çeklmş EEG şaretlerne at PSD grafkler aşağıdak şekllerde tek tek ncelenmştr. 39

57 Şekl 4.7. Mgren Hastasının Farklı Işık Uyartım Frekanslarındak EEG İşaretler Şekl 4.8. Sağlıklı İnsanın Farklı Işık Uyartım Frekanslarındak EEG İşaretler Şekl 4.7 dkkatle ncelendğnde ışık uyartısının frekansı arttıkça mgren hastalarının beta bandındak değşmde daha net bell olmaktadır. Ancak hang ışık uyartım frekansının beta bandındak artış temell mgren teşhsne daha uygun olduğunu anlayablmek çn sağlıklı denekler le lgl şekl 4.8 e de bakmak gerekr. Bu şekle 40

58 bakıldığında da mgren hastalarının beta bandında ışık uyartısı le oluşan genlk artışının aslında sağlıklı nsanlar çnde var olduğu gözükmektedr. Ancak sağlıklı nsanlardak genlk artışının mgren hastalarına göre hmal edlecek kadar küçük olduğu da yne şekl 4.8 den gözükmektedr. Bu çalışmada mgren hastalarının ve sağlıklı deneklern ayrıştırılması çn belrlenen karakterstk, mgren hastalarının EEG şaretlernn beta bandında ışık uyartısı le genlk artışı oluştuğunu bulurken bu genlk artışının sağlıklı nsanlar çn olmadığını bulmaktır. Bu nedenle şekl 4.7 ve şekl 4.8 beraber ncelenmeldr. Bu ncelemeye göre de şu sonuç çıkartılablr. Sağlıklı nsanlara 4Hz ışık uyartısı verldğnde beta bandında oluşan genlk değşm en küçük halde olmaktadır. Bu 4hz lk ışık uyartısı mgren hastalarına verldğnde beta bandında oluşan genlk artışı se yeterldr. Böylece mgren hastalarının EEG şaretlernn beta bandında ışık uyartısı sonucu oluşan genlk artışı temell mgren teşhs çn en uygun ışık uyartısı 4Hz dr. Bu sonucu statstksel olarak da belrleyeblmek çn her br 2, 4 ve 6Hz lk ışık uyartısı le oluşan genlk farklarına at verler yaay snr ağına ayrı ayrı grlmştr. Bu yaay snr ağı sınıflandırmasında tüm verlern %80 eğtm ve %20 s de test vers olarak kullanılırken verlern her br %20 lk test bölümü 5 kez eğtm verler le yer değştrmştr. Böylece daha doğru br sınıflandırma sonucu ortaya çıkarılmıştır. Bu şeklde elde edlen yaay snr ağı sonucu se Çzelge 4.2 dek gb gözükmektedr. Çzelge 4.2. EEG şaretler le mgren teşhsne ışık uyartım frekanslarının başarı oranları Sağlıklı Doğru Test Oranı (Hassasyet) Mgren Doğru Test Oranı (Kesnlk) Ortalama (Doğrulu k) 2HZ % 80 % 83,3 % 81,7 4Hz % 86,7 % 90 % 88,4 6HZ % 80 % 80 % 80 Çzelge 4.2 ye bakıldığında Şekl 4.7 ve Şekl 4.8 e bakılarak bulunan sonucun doğruluğu ortaya çıkmaktadır. Çünkü 2Hz ışık uyartısı le mgren hastalarının beta bandında oluşan genlk artışı mgren teşhs çn yeterl değldr. Ve bu yeterszlk mgren teşhsnn başarı oranını düşürmektedr. 6Hz lk ışık uyartım frekansında mgren 41

59 hastalarının beta bandında oluşan genlk artışı en büyüktür. Ancak bu ışık uyartım frekansı dğer ışık uyartım frekanslarına göre sağlıklı nsanlarda daha büyük genlk artışı oluşturduğundan, sınıflandırıcı kmn mgrenl kmn sağlıklı olduğunu ayrıştırmakta zorlanmıştır. Oysa 4Hz lk ışık uyartısında hem mgren hastaları çn yeterl genlk artışı sağlanmaktadır. Hem de sağlıklı nsanlarda oluşan hmal edleblecek düzeydek genlk artışı en küçük halnde gözükmektedr. Sonuç olarak mgren hastalarının EEG şaretlern beta bandında ışık uyartısı le oluşan genlk artışı temelyle belrleneblecek mgren teşhs çn en uygun ışık uyartım frekansı 4Hz olarak belrlenmştr. Bu belrlemenn ardından verlecek ışık uyartısının en az kaç sanye olması gerektğ de belrlenmeye çalışılmıştır. Bu amaçla ışık uyartılı ve uyartısız EEG şaretlernn beta bandındak genlk değşm farkları sırasıyla 2, 4, 6, 8 ve10 sanyelk 4Hz lk ışık uyartıları çn tek tek yaay snr ağına grş olarak uygulanmıştır. Oluşan sonuçlar se şekl 4.9, şekl 4.10, şekl 4.11, şekl 4.12, şekl 4.13 ve çzelge 4.3 dek gbdr. Şekl 4.9. İk Sanyelk Işık Uyartısının Beta Bandında Oluşturduğu Genlk Farkı Şekl Dört Sanyelk Işık Uyartısının Beta Bandında Oluşturduğu Genlk Farkı 42

60 Şekl Altı Sanyelk Işık Uyartısının Beta Bandında Oluşturduğu Genlk Farkı Şekl Sekz Sanyelk Işık Uyartısının Beta Bandında Oluşturduğu Genlk Farkı Şekl On Sanyelk Işık Uyartısının Beta Bandında Oluşturduğu Genlk Farkı Yukarıdak şekllere bakıldığında ışık uyartım süresn artması le sağlıklı nsan ve mgren hastalarının beta bandındak genlk artışı temelndek karakterstk farkının daha da belrgnleştğ gözükmektedr. Ancak bu belrgnlk 8 sanyeden sonra aynı gb gözükmektedr. 43

61 Çzelge 4.3. EEG şaretler le mgren teşhs çn ışık uyartım sürelernn başarı oranları Sağlıklı Doğru Test Oranı (Hassasyet) Mgren Doğru Test Oranı (Kesnlk) Ortalama (Doğruluk) 2sn %66,7 %60 %63,3 4sn %60 %76,7 %68,4 6sn %66,7 %90 %78,4 8sn % 86,7 % 90 % 88,4 10sn % 86,7 % 90 % 88,4 Çzelge 4.3 e göre de aynı sonuçlar tekrarlanmıştır. Buna göre sağlıklı nsan ve mgren hastalarının beta bandındak genlk artışı temelndek mgren teşhs çn en az 8 sanyelk ışık uyartısının verlmes gerektğ de belrlenmştr. Mgren teşhsne yönelk temel karakterstğn, verlmes gereken ışık uyartısının frekansı ve bu ışık uyartısının en küçük süresnn belrlenmesnn ardından bu şlemler çn en uygun kanalın da belrlenmes gerekmektedr. Bu nedenle 10 sanyelk ışık uyartılı ve 10 sanyelk ışık uyartısı verlmeyen durumlarda beta bandında oluşan genlk farkı temell mgren teşhs şlem tüm EEG kanallarından alınan verler çn gerçekleştrlmştr. Bu her br kanala at şaretlern beta bantlarındak ışık uyartısı sonucu elde edlen genlk farkları destek vektör maknesne grş olarak uygulanmıştır. Sonuç olarak da çzelge 4.4 oluşturulmuştur. Çzelge 4.4. EEG kanallarının mgren teşhsnde başarı oranları (DVM le elde edlmştr) F1 F7 T3 T5 O1 P3 C3 F3 Fz Sağlıklı İnsanlar% 66, , ,7 73,3 73,3 Mgren Hastaları % 70, ,3 83,6 51,4 51,4 64,3 64,3 Ortalama% 68, ,4 72,2 81,8 65,7 69,1 68,8 68,8 F2 F8 T4 T6 O2 P4 C4 F4 Pz Sağlıklı İnsanlar% 60 73,3 73,3 73, ,7 73,3 73,3 Mgren Hastaları % 51,4 51,4 57,9 57,9 83,6 70,7 51,4 64,3 64,3 Ortalama% 55,7 62,4 65,6 65,6 81,8 65,4 59,1 68,8 68,8 Çzelge 4.4 e bakıldığında çalışmada kullanılan mgren teşhs çn en uygun EEG kanallarının sırasıyla T3, F7, O1 ve O2 olduğu açıkça görülmektedr. Ancak bu tablodak 44

62 sonuçta dkkat edlmes gereken br durumlar da vardır. Bunlar mgrene at genlk artışı le lgl karakterstğn belrgn olduğu kanallardır. Çünkü bu kanallar hem asmetrk olarak başın sol tarafında yer almaktadır hem de beynn duyu ve görü bölgesnn üzernde bulunan kanallardır. Yan tekrarlayıcı flaş ışığı uyartısına verlen ceva duyu ve görü bölgesnde oluşmaktadır. Üstelk şekl 4.14 den de görülebleceğ gb baştak yüzeysel ana damarların çaına orantılı olarak karakterstklern değşmes de önem arz etmektedr. (Anonm, 2007) Şekl Kafadak Yüzeysel Ana Damarlar (Anonm, 2012) 45

63 Frekans eksennde mgren teşhs çn en uygun yöntemn bulunması Sektral analz yöntemlernn karşılaştırılması Çalışmada öncelkle sektral analz yöntemlernden Burg-AR ve alt uzay temell Musc yöntemler karşılaştırılmıştır. Karşılaştırma sonucu destek vektör maknes sınıflandırıcı le yaılmış ve çzelge 4.5 elde edlmştr Çzelge 4.5. Sektral analz yöntemlernn EEG le mgren teşhsnde başarı oranları Sağlıklı Doğru Test Oranı (Hassasyet) Mgren Doğru Test Oranı (Kesnlk) Ortalama (Doğruluk) Burg-AR % 86,7 % 90 % 88,4 Musc % 73,3 % 83,3 % 78,3 Çzelge 4.5 den görüldüğü gb AR BURG yöntem MUSIC yöntemnden oldukça daha başarılı br sonuç üretmştr Sınıflandırma yöntemlernn karşılaştırılması Çalışmada son olarak başarılı bulunan sektral analz yöntem Burg-AR yöntem hem destek vektör maknes hem de yaay snr ağı sınıflandırıcı le değerlendrlmş ve çzelge 4.6 elde edlmştr Çzelge 4.6. Sınıflandırma yöntemlernn EEG le mgren teşhsnde başarı oranları Sağlıklı Doğru Test Oranı (Hassasyet) Mgren Doğru Test Oranı (Kesnlk) Ortalama (Doğruluk) DVM % 86,7 % 90 % 88,4 YSA % 86,7 % 90 % 88,4 Çzelge 4.6 dan görüldüğü gb destek vektör maknes sınıflandırıcı yaay snr ağı sınıflandırıcı le aynı oranda başarılıdır Ver azaltma teknklernn mgren teşhsndek başarısı Han matematksel yöntemn, hang sınıflandırıcın kullanılması gerektğ belrlendkten sonra ver azaltmanın çalışmada kullanılan mgren teşhs yöntem çn etkl olu olmadığı da gözlemlenmştr. Ver azaltma yöntem olarak bağımsız bleşen analz destek vektör maknes sınıflandırıcı le denenmş ve çzelge 4.7 elde edlmştr. 46

64 Çzelge 4.7. BBA ver azaltma teknğnn EEG le mgren teşhsndek başarı oranları (DVM le sınıflandırılmıştır) Doğru Sınıflandırma Oranı Burg-AR BBA+Burg-AR Sağlıklı % 86,7 91,9 Mgren % 90 95,4 Ortalama % 88,4 93,7 Çzelgeye göre BBA yöntemnn mgren teşhs erformansını artırdığı belrlenmştr. Ancak bu yöntem kullanılırsa teşhs zamanı da uzamaktadır Gürültü (aykırı değer) fltrelemenn mgren teşhsne etks Tüm bu şlemlerden sonra gürültülern fltrelenmesnn de çalışmada kullanılan mgren teşhs yöntemne olan etks de ölçülmüştür. Gürültü fltreleme yöntem olarak standart sama eşk değer ve sınıflandırıcı olarak da destek vektör maknes sınıflandırıcı kullanılmıştır. Gürültüden ayıklanmış EEG şaretlernn ham EEG şaretler le lşksn gösteren korelasyon değerler çzelge 4.8 ve çzelge 4.9 da verlmştr. Sonuçlar se çzelge 4.10 u oluşturmuştur. Çzelge 4.8. Aykırı değer fltrelemenn sağlıklı nsanların EEG şaretlernde meydana getrdğ değşmler Işık Uyartısız Işık Uyartısız Sağlıklı Işık Uyartılı Işık Uyartılı Sağlıklı Sağlıklı İnsanlar İnsanlar İçn Ham Sağlıklı İnsanlar İnsanlar İçn Ham (HN) EEG İşaretler İle (HN) EEG İşaretler İle Gürültüden Gürültüden Arındırılmış EEG Arındırılmış EEG İşaretler Arasındak İşaretler Arasındak Korelasyon Değerler Korelasyon Değerler HN1 1 HF1 1 HN HF HN HF3 1 HN4 1 HF

65 HN5 1 HF5 1 HN HF HN HF HN HF HN9 1 HF HN HF10 1 HN HF11 1 HN HF HN HF HN14 1 HF14 1 HN HF HN16 1 HF16 1 HN HF HN HF18 1 HN19 1 HF HN HF20 1 HN HF HN HF HN HF HN24 1 HF HN HF HN HF26 1 HN HF HN HF HN HF HN HF

66 Çzelge 4.9. Aykırı değer fltrelemenn mgren hastalarının EEG şaretlernde meydana getrdğ değşmler Işık Uyartısız Işık Uyartısız Mgren Işık Uyartılı Işık Uyartılı Mgren Mgren Hastaları Hastaları İçn Ham Mgren Hastaları İçn Ham (MN) EEG İşaretler İle Hastaları EEG İşaretler İle Gürültüden (MF) Gürültüden Arındırılmış EEG Arındırılmış EEG İşaretler Arasındak İşaretler Arasındak Korelasyon Değerler Korelasyon Değerler MN1 1 MF1 1 MN MF2 1 MN3 1 MF MN4 1 MF MN5 1 MF MN MF6 1 MN MN MN MF MN MF9 1 MN MF MN MF MN MF MN MF13 1 MN14 1 MF14 1 MN MF MN16 1 MF MN17 1 MF MN MF MN MF

67 MN MF MN21 1 MF21 1 MN MN MN23 1 MF MN MF MN MF25 1 MN MF MN MF MN MF MN29 1 MF MN MF Çzelge 4.8 ve çzelge 4.9 a bakıldığında hang deneklern ham EEG şaretlernde ne kadar gürültülü olduğu gözükmektedr. Çzelge Aykırı değer fltrelemenn EEG le mgren teşhsndek başarı oranları Ham EEG İşaretler İçn Temzlenmş EEG İşaretler İçn Sağlıklı İnsanlar Mgren Hastaları Ortalama % 86,7 % 90 % 88,4 Sağlıklı İnsanlar Mgren Hastaları Ortalama % 96,7 % 90 % 93,4 Çzelgeye göre gürültü fltrelemenn mgren teşhs erformansını %5 cvarında artırdığı görülmüştür Zaman Eksennde Mgrene At Karakterstklern Belrlemes Çalışmada frekans eksennde mgren teşhs çn gerekl araştırmalar yaıldıktan sonra mevcut blg altyaısı le zaman eksennde de mgren teşhs gerçekleştrlmeye çalışılmıştır. Çünkü frekans eksennde yaılan çalışmalarda beta bandında değşklk olduğu belrlendğ çn FIR fltre kullanarak EEG şaretlernn yalnızca beta bandını fltrelemenn ve bu fltrelenmş şaret ncelemenn zaman eksennde de mgren teşhs 50

68 gerçekleştrmede şe yarayacağı düşünülmüştür. Bu nedenle öncelkle tüm EEG şaretlernn beta bantları FIR fltre kullanarak fltrelenmştr Ortalama genlkler arası uzaklık le zaman eksennde mgren teşhs Fltreleme le yalnızca beta bantları bırakılan EEG şaretlernn önce oztf genlklernn ortalama değer alınmıştır. Sonra da negatf genlklernn ortalaması alınmıştır. Ve bu k ortalama değer arasındak uzaklığın (ODAU) hem mgren hastaları hem de sağlıklı nsanlar çn ışık uyartısı le değş değşmedğ ncelenmştr. Şekl 4.15 de ODAU gösterlmş olu ODAU lığın formülü aşağıdak gbdr. Şekl Ortalama Değerler Arası Uzaklık (ODAU) ODAU NDT PDT (4.1) TDS NDT =Negatf Değerler Tolamı PDT =Poztf Değerler Tolamı TDS=Tolam Değer Sayısı Tüm EEG şaretler çn ODAU değerler elde edldkten sonra sağlıklı nsanlarda ve mgren hastalarında ışık uyartısı verldğnde gözlemlenen ODAU değşm şekl 4.16 ve 4.17 dek gbdr. 51

69 Şekl Sağlıklı İnsanların Işık Uyartısı Sonucu ODAU değşm Şekl Mgren Hastalarının Işık Uyartısı Sonucu ODAU değşm 52

70 Şekl 4.16 ya bakıldığında ışık uyartısı verlen sağlıklı nsanların ODAU değerlernde herhang br değşm olmadığı gözlemlenmştr. Fakat şekl 4.17 ye bakıldığında ışık uyartısı verlen mgren hastalarının ODAU değerlernde artış olduğu gözlemlenmştr. Böylece zaman eksennde mgren teşhsnn gerçekleştrlebleceğ görülmüştür. Ancak bu yöntemn başarı oranını belrlemek çn tüm ODAU değerler K- Ortalamalar Kümelenme yöntem le ayrıştırılmaya çalışılmıştır. Elde edlen sonuç se şekl 4.18 ve şekl 4.19 dak gbdr. Şekl ODAU Değşmlerne Göre Oluşan Kümeler Şekl Kümelenme Sonucu: Mgren Hastaları (Gru 1), Sağlıklı İnsanlar (Gru 2) 53

71 Şekl 4.18 e bakıldığında slüet değerlernn eşt dağılması gerekr. Ancak kümelern brn dğerne göre daha fazla slüet değer çerdğ görülmektedr. Bu slüet değerlerndek hatalı kümelenmenn görülmes ve slüet değerlernn daha rahat okunması çn şekl 4.19 dak kümelenme sonucuna da bakılablr. Bu kümelenme sonucuna bakıldığında 3 adet mgren hastasının ve 6 adet sağlıklı nsanın hatalı kümenn elemanı olarak kümelendğ görülmektedr. Sonuçta hatalı kümelenen denekler tolama oranı da yne 9/60=%85 olarak çıkmaktadır. Bu başarı frekans eksenndek mgren teşhs başarısına göre küçük kalmaktadır Genlk hstogramı le zaman eksennde mgren teşhs Zaman eksennde knc br yöntem olarak beta bantlarının genlk değerler le oluşan hstogramların ışık uyartısı le değş değşmedğ denenmştr. Bu nedenle tüm verlern hem uyartısız hem de ışık uyartılı genlk hstogramların karşılaştırması şekl 4.20 ve şekl 4.21 dek gb gözlemlenmştr. 54

72 Şekl Işık Uyartısı Sonucu değşen Genlk Hstogramları (Tek br Hasta İçn) Şekl Genlk Hstogramı Farkları. İlk 30 Ver Sağlıklı, Dğerler İse Mgrenldr. Şekl 4.20 ve şekl 4.21 ye bakıldığında ışık uyartısı verldğnde mgren hastalarının beta bantlarında genlk artışı olduğu görülürken sağlıklı nsanlarda bu değşm gözlemlenememştr. Böylece zaman eksennde genlk Hstogramı le de mgren teşhs yaılableceğ belrlenmştr. Ancak genlk Hstogramı yöntemnn başarısını statstksel olarak da değerlendrmek çn genlk sayıların farkları K-Ortalamalar Kümelenme yöntem değerlendrlmştr. Ve elde edlen sonuç şekl 4.22 ve 4.23 dek gbdr. 55

73 Şekl Genlk Farklarına Göre Oluşan Kümeler Şekl Kümelenme Sonucu: Mgren Hastaları (Gru 1), Sağlıklı İnsanlar (Gru 2) Şekl 4.22 e bakıldığında slüet değerlernn eşt dağılması gerekr. Ancak kümelern brn dğerne göre daha fazla slüet değer çerdğ görülmektedr. Bu slüet değerlerndek hatalı kümelenmenn görülmes ve slüet değerlernn daha rahat okunması çn şekl 56

74 4.23 dek kümelenme sonucuna da bakılablr. Bu kümelenme sonucuna bakıldığında 3 adet mgren hastasının ve 6 adet sağlıklı nsanın hatalı kümenn elemanı olarak kümelendğ görülmektedr. Sonuçta hatalı kümelenen denekler tolama oranı da yne 9/60=%85 olarak çıkmaktadır. Bu başarı frekans eksenndek mgren teşhs başarısına göre küçük kalmaktadır. Böylece fltrelenerek ayrıştırılan beta bantlarının hem ODAU değşmne hem de hstogram değşmne göre zaman eksennde de mgren teşhs yaılableceğ belrlenmştr. Her ne kadar başarı oranı olarak frekans eksenndek teşhs erformansı zaman eksenne göre yüksek olsa da hız olarak tam ters durum söz konusudur. Çünkü frekans eksennde mgren teşhs 7.2 mlsanye sürerken zaman eksenndek teşhs 1.3 mlsanye sürmektedr Deneysel k ayrışımı le zaman eksennde mgren teşhs Çalışmada zaman eksennde son olarak farklı br yöntem daha kullanılmıştır. Bu nedenle Deneysel K Ayrışımı (DKA) denenmştr. Bunun çn de tüm EEG şaretlernn Brnc Ayrık K Fonksyonları (AKF) elde edlmştr. Bu AKF değerlernde ışık uyartısı le oluşan genlk değşmler şekl 4.24 ve şekl 4.25 de görülen şekl farklılıkları le görüleblmektedr. Şekl Sağlıklı İnsanların 1. AKF değerlernde Işık Uyartısıyla Oluşan Değşm 57

75 Şekl Mgren Hastalarının 1. AKF değerlernde Işık Uyartısıyla Oluşan Değşm Şekllere ncelendğnde mgren hastalarının brnc AKF değerlernn genlklernde ışık uyartısı sonucu artış oluştuğu gözlemlenmştr. Ancak aynı değşm sağlıklı nsanlarda görülmemştr. Böylece AKA değerler le de zaman eksennde mgren teşhs yaılableceğ belrlenmştr. Ancak bu sonucun daha y görüleblmes çn çzelge 4.11 dek brnc AKF değerlernde ışık uyartısı le oluşan standart sama değşmler ve bu değşmlern sayısının gösterldğ şekl 4.26 le şekl 4.27 ye de bakmak gerekr. Çzelge Brnc AKF değerlern ışık uyartısı sonucu değşen standart sama değerler Işık Uyartısız Işık Uyartılı Işık Uyartısız Işık Uyartılı Sağlıklı İnsanlar Sağlıklı İnsanlar Mgren Hastaları Mgren Hastaları ,463 10, ,498 9, ,487 8, ,485 3, ,467 9, ,467 7, ,452 9,344 58

76 ,470 6, ,502 10, ,489 7, ,472 7, ,510 8, ,456 10, ,484 3, ,539 9, ,463 10, ,498 9, ,487 8, ,485 10, ,467 9, ,467 7, ,452 9, ,470 6, ,502 3, ,489 7, ,472 7, ,510 8, ,456 10, ,484 11, ,539 9,185 59

77 Şekl Sağlıklı İnsanların 1. AKF lernde Işık Uyartısıyla Değşen Standart Sama Değerler (İlk 30: Işık Uyartısız, İknc 30: Işık Uyartılı) Şekl Mgren Hastalarının 1. AKF lernde Işık Uyartısıyla Değşen Standart Sama Değerler (İlk 30: Işık Uyartısız, İknc 30: Işık Uyartılı) Çzelge 4.11, şekl 4.26 ve şekl 4.27 ye bakıldığında belrlenen karakterstğn 3 adet mgren hastası ve 6 adet sağlıklı nsan çn geçerl olmadığı görülmektedr. Bu sonuçları da statstksel olarak anlamlandırmak çn ışık uyartısı le brnc AKF lerde oluşan standart sama farkları bulanık C-Ortalamalar Kümelenme Yöntem le ölçülmüştür. Bunun çn 60

78 Bulanık C-Ortalamalar Kümelenme Yöntemne ışık uyartılı ve uyartısız standart sama değerler arasındak farklar grş olarak uygulanmıştır. Sağlıklı nsanların ve mgren hastalarının bu kümelenme yöntem le hang kümeye ne derece at oldukları şekl 4.28 ve şekl 4.29 dan.kümelenme başarısı se şekl 4.30 ve 4.31 den görülmektedr. Şekl Sağlıklı İnsanların Kümeye At Olma Dereceler Şekl Mgren Hastalarının Kümeye At Olma Dereceler 61

79 Şekl Kümelenme Başarısı (Slüet Değerler) Şekl Kümelenme Başarısı (Mgren Hastaları Gru 1, Sağlıklı İnsanlar se Gru 2) Bu şekllere bakıldığında DKA yöntemnde sağlıklı nsanların sınıflandırılmasında %80 ve mgren hastalarının sınıflandırılmasında %90 başarı olduğu gözükmektedr. Ortalama başarı se %85 dr. Çünkü f30 adet sağlıklı nsandan 6 tanes ve 30 adet mgren 62

80 hastasından 3 tanes doğru kümelenememştr. Böylece tüm zaman eksenndek mgren teşhs şlemlernde %85 başarı sağlanmıştır. 63

81 5. SONUÇ ve ÖNERİLER Çalışmada öncelkle frekans eksennde çalışılmıştır. Ve mgren hastalarına ışık uyartısı verldğnde EEG şaretlernn beta bandında genlk artışı meydana geldğ bulunmuştur. Ancak aynı genlk artışı sağlıklı nsanlar çn meydana gelmemektedr. Bu fark se sağlıklı nsanlar ve mgren hastaları arasındak karakterstk br özellktr. Bu karakterstk çalışmanın temeln oluşturmuştur. Bu karakterstğn en y gözlemlenmes çn kullanılan frekans eksenne aktarma yöntem Burg-AR yöntem seçlmştr. Sınıflandırıcı olarak destek vektör maknes uygun sınıflandırıcı olarak seçldkten sonra çalışmanın temeln oluşturan mgrene at karakterstğn belrlenmes çn uygulanması gereken ışık uyartısının süresnn en az 8 sanye olduğu ve bu ışık uyartısının 4Hz olması gerektğ de belrlenmştr. Daha sonra T3, F7, O1 ve O2 kanallarının bu mgren teşhs çn en uygun kanallar olduğu da belrlenmştr. Bu kanalların şekl 5.1 de görüldüğü gb beynn duyu ve görü bölgeler olması se sonucu desteklemektedr. Çünkü uygulanan tekrarlayıcı ışığın görme bölgesn ve bu ışığın çıkardığı flaş ses de ştme bölgesn etkleyecektr. Ayrıca bu kanallara göre mgrenn asmetr özellğ EEG kullanılarak da belrlenmştr. Üstelk bu kanalların altından geçen yüzeysel damarların çaları le kanalların erformanslarının orantılı oluşu, damarlardak kan akışı le de mgren teşhs yaılableceğ önerlmştr. Şekl 5.1. İnsan Beynnn İştme ve Görme İle İlgl Bölgeler (Anonm, 2009b) 64

82 Duyu ve görü bölgelerndek bu beta aktvtes değşm, mgren hastalarının görsel ve ştsel uyartılar sonucunda beynlernn dkkat sevyesn daha yükseğe çıkarması anlamına geleblr. Son olarak da BBA ve gürültü fltreleme le mgren teşhs erformansının artırılableceğ de görülmüştür. Ancak erformans artıran bu yöntemler aynı zamanda şlem zamanını da uzatmaktadır. Çalışmanın knc aşamasında zaman eksennde mgren teşhs denenmştr. Bunun çn öncelkle EEG şaretlernn beta bandı FIR fltre le fltrelenmştr. Sonra bu fltrel şaretn oztf ve negatf genlklernn ortalamaları arasındak farktan yararlanılarak zaman eksennde de mgren teşhs yaılableceğ belrlenmştr. Aynı şlem fltrel EEG şaretlernn genlk hstogramı le de yaılablmektedr. Zaman eksennde son olarak ayrık k ayrışımı yöntem le de teşhs yaılmıştır. Ancak her üç zaman eksen temell yöntemde de başarı oranı frekans eksenne göre braz daha düşüktür. Ancak fltrel şaretlern genlkler temelndek teşhs şlemnde zaman kısalığı ve şlem kolaylığı söz konusudur. Sonuçta EEG şaretler ve şaret şleme teknkler kullanılarak elde dleblecek mgren teşhs çn şekl 5.2 dek akış dyagramı önerlmştr. Sağlıklı İnsanlar İçn Işık Uyartısız Ham EEG Snyaller Sağlıklı İnsanlar İçn Işık Uyartılı Ham EEG Snyaller GSY (Burg-AR) GSY (Burg-AR) GSY Farkları Mgren Hastaları İçn Işık Uyartısız Ham EEG Snyaller Mgren Hastaları İçn Işık Uyartılı Ham EEG Snyaller GSY (Burg-AR) GSY (Burg-AR) GSY Farkları DVM SONUÇ Şekl 5.2. Çalışma Sonucunda Önerlen Mgren Teşhs Yöntemnn Akış Dyagramı Bu dyagramda kullanılan GSY değerler EEG şaretlernn yalnızca beta dalgaları çn elde edlmş olmalıdır. EEG şaretler se T5-T3 kanalından 4 Hz ışık uyartısı le en az 8 sanyelk br çekm süresnde alınmalıdır. Çalışmada mgren teşhs çn hem zaman eksennde hem de frekans eksennde önerlen yöntemlern blgsayar arayüz rogramı matlab GUI kullanılarak oluşturulmuştur. Bu arayüz rogramın görüntüsü şekl 5.3 dek 65

83 gb olu rogram zaman ve frekans eksenlernde çzm yatırarak frekans eksennde destek vektör maknes kullanarak sonuç bölümüne vernn mgren ya da sağlıklı olu olmadığını yazmaktadır. Ayrıca rogram zaman eksennde ışık uyartısı le beta bandında oluşan genlk artışının mktarını da % olarak göstermektedr. Şekl 5.3. Çalışma Sonucunda Önerlen Mgren Teşhs Yöntemnn Arayüz Programı 66