Lempel-Ziv Komplekslik Metoduyla Ekg ve Solunum Sinyallerinden Uyku Apnesi Teşhisi


Özet Görüntüleme: 22 / PDF İndirme: 31

Yazarlar

DOI:

https://doi.org/10.5281/zenodo.7474702

Anahtar Kelimeler:

Obstruktif uyku apne sendromu, Lempel-Ziv komplekslik yöntemi, EKG, Respirasyon

Özet

Uyku apnesi yaygın olarak görülen ve yaşamsal risk oluşturabilen bir hastalıktır. Hastalığın tedavisi kadar teşhisi de oldukça önemlidir. Toplum bilincinin yükselmesi ve hekimler tarafından fark edilme oranının artması ile teşhis edilmiş hasta sayısında dikkat çekici bir artış gözlenmektedir. Uyku apnesi teşhisinde yararlanılan polisomnografi ölçümleri, hasta için rahatsız edici ve birden fazla fizyolojik veri toplanmasını gerektirmektedir. Bu gibi problemler sebebiyle yeni analiz yöntemleri araştırılmaktadır. Lempel-Ziv hızlı ve doğrusal olmayan bir sinyal işleme metodu olduğundan, fizyolojik verilerin işlenmesinde çok uygundur. Lempel-Ziv komplekslik metodu kullanılarak daha az zaman ve daha az veriyle hastalığın teşhis edilmesi hedeflenmektedir. Bu hedef doğrultusunda tedavi sürecinin öne çekilmesi de sağlanmış olacaktır. Physionet.org veri tabanından alınan EKG ve solunum datalarından yararlanılarak hastalık tespit çalışmaları yapılmıştır. Analizler sonucunda EKG, göğüs solunum (Resp C) ve abdominal solunum (Resp A) verilerinden apneli zaman aralıklarında anlamlı bir fark olduğu gözlemlenmiştir. Bu yöntemle EKG, Resp C ve Resp A için uyku apnesi teşhiş edilebilmektedir.

Referanslar

A. F. Quiceno-Manrique, J. B.-H.-G.-B.-D. (2009). Detection of obstructive sleep apnea in ECG recordings using time-frequency distributions and dynamic features. 2009 Annual International Conference of the IEEE Engineering in Medicine and Biology Society, 5559-5562.

A.Şahin. (1993). Obstrüktif Uyku Apne Sendromu. Türkiye Akciğer Hastalıkları Vakfı Yayınları.

Aboy, M., Hornero, R., Abásolo, D., & Álvarez, D. (2006). Interpretation of the Lempel-Ziv Complexity Measure in the Context of Biomedical Signal Analysis. IEEE Transactions on Biomedical Engineering, 53(11), 2282-2288.

Agnieszka Pregowska, K. P. (2019). Using Lempel-Ziv complexity as effective classification tool of the sleep-related breathing disorders. Computer Methods and Programs in Biomedicine.

Akar, S. A., Kara, S., Agambayev, S., & Bilgiç, V. (2015). Major Depresyonlu Hastaların EEG Sinyallerinin Kaotik Özniteliklerle İncelenmesi. Tıp Teknolojileri Ulusal Kongresi. Muğla.

Aykent, F., & Özdere, E. (2015). Horlama ve Obstruktif Uyku Apnesi Tedavisinde Oral Aparey. Atatürk Üniv. Diş Hek. Fak. Derg., 123-128.

Daniel Ab´asolo, R. H. (2006). Analysis of EEG background activity in Alzheimer's disease patients with Lempel–Ziv complexity and central tendency measure. Medical Engineering & Physics(28), 315–322.

Diker, E., Çiftçi, B., Bayram, H., Bayram, A. N., & Güven, F. S. (2007). Obstrüktif Uyku Apne Sendromu Şiddeti ile Hipertansiyon Arasındaki İlişki. Anadolu Kardiyol Dergisi, 7, 378-82.

Dua, A., Huang, Z., Hu, M., Zhao, Z., Zhao, Q., Jin, Q., . . . Liu, Z. (2022). The comorbidity burden and disease phenotype in pre-capillary pulmonary hypertension: The contributing role of obstructive sleep apnea. Sleep Medicine.

Dvir, H., T, B. L., S, K., A, K., S, M., J, T., & H, K. (2020). Central Sleep Apnea Alters Neuronal Excitability and Increases the Randomness in Sleep-Wake Transitions. IEEE Transactions on Biomedical Engineering, 3185-3194.

Ergün, G., & Aktaş, S. (2009). ANOVA Modellerinde Kareler Toplamı Yöntemlerinin Karşılaştırılması. Kafkas Universitesi Veterinerlik Fakültesi Dergisi, 3(15), 481-484,.

Felder, J. N., Baer, R. J., Rand, L., Ryckman, K. K., Jelliffe-Pawlowski, L., & Prather, A. A. (2022). Adverse infant outcomes among women with sleep apnea or insomnia during pregnancy: A retrospective cohort study. Sleep Health.

Field, A. (2013). Discovering Statistics Using Spss. İngiltere: SAGE.

Force, A. A. (1999). Sleep-Related Brecommendations for Syndrome Definition and Measurement Techniques in Clinical Research. Sleep-Related Breathing Disorders in Adults.

Kang, B., Dang, X., & Wei, R. (2017). Snoring and apnea detection based on hybrid neural networks. 2017 International Conference on Orange Technologies (ICOT), 57-60.

Korkalainen, H., T, L., J, A., S, N., S, K., A, L., . . . J, T. (2020). Accurate Deep Learning-Based Sleep Staging in a Clinical Population With Suspected Obstructive Sleep Apnea. IEEE Journal of Biomedical and Health Informatics, 2073-2081.

Kurtulmuş, H. (2007). Obstrüktif Uyku Apnesi ve Horlamanın Tedavisinde Mandibular.

L. Almazaydeh, M. F. (2012). A Neural Network System for Detection of Obstructive Sleep Apnea Through SpO2 Signal Features. International Journal of Advanced Computer Science and Applications, 7-11.

Lin, X., Cheng, H., Lu, Y., Luo, H., Li, H., Qian, Y., . . . Wang, M. (2022). Contactless sleep apnea detection in snoring signals using hybrid deep neural networks targeted for embedded hardware platform with real-time applications. Biomedical Signal Processing and Control, 103765.

M. W. Rivolta, M. M. (2014). Effects of the series length on Lempel-Ziv Complexity during sleep. 2014 36th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, 6.

Pitkänen, H., Leppanen, B., S, T. K., A, K., S, M., J, T., & H, K. (2022). Gamma Power of Electroencephalogram Arousal Is Modulated by Respiratory Event Type and Severity in Obstructive Sleep Apnea. IEEE Transactions on Biomedical Engineering, 1417-1423.

Sériès, F. (1999). Nasal pressure recording in the diagnosis of sleep apnoea hypopnpea syndrome. Thorax, 506-510.

Sezgin, N., & Tagluk, M. (2011). A new approach for estimation of obstructive sleep apnea syndrome. Expert Systems with Applications, 5346-5351.

Shoib, S., Ulla, I., Nagendrappa, S., Taseer, A. R., Berardis, D. D., Singh, M., & Asghar, M. S. (2022). Prevalence of mental illness in patients with obstructive sleep apnea-A cross-sectional study from Kashmir, India. Annals of Medicine and Surgery, 104056.

Taran, S., Bajaj, V., Sinha, G., & Polat, K. (2021). Detection of sleep apnea events using electroencephalogram signals. Applied Acoustics.

Ulukavak Çiftçi, T. (2012). Obstrüktif Uyku Apne Sendromu Tanı ve Tedavi Uzlaşı Raporu. Türk Toraks Derneği.

Várady, P., Micsik, T., Benedek, S., & Benyó, Z. (2002). A Novel Method for the Detection of Apnea and Hypopnea Events in Respiration Signals. IEEE Transactions on Biomedical Engineering, 936-942.

Yiğit, E., & Gökpınar, F. (2010). A Simulation Study on Tests for One Way ANOVA UNDER THE Unequal Varience Assumption. Communications, Series A1:Mathematics and Statistics, 59(2), 15-34.

Yıldız, M. (2017). Kalp Seslerinden Uyku Apnesi Tespit Edilebilir mi? Türk Uyku Tıbbı Dergisi, 16-21.

Zhang, Y., Wei, S., Maria, C. D., & Liu, C. (2016). Using Lempel–Ziv Complexity to Assess ECG Signal Quality. J Med Biol Eng, 625–634.

Zhuang, Z., Wang, F., Yang, X., Zhang, L., Fu, C.-H., Xu, J., . . . Hong, H. (2022). Accurate contactless sleep apnea detection framework with signal processing and machine learning methods. Methods, 167-178.

Ziv, A. L. (1976.). On The Complexity of Finite Sequences. IEEE Transactions on Information Theory, IT-22 (1), 75–81.

Yayınlanmış

25.12.2022

Nasıl Atıf Yapılır

Şener, S. K., & Bolat, E. D. (2022). Lempel-Ziv Komplekslik Metoduyla Ekg ve Solunum Sinyallerinden Uyku Apnesi Teşhisi. Euroasia Journal of Mathematics, Engineering, Natural & Medical Sciences, 9(25), 109–120. https://doi.org/10.5281/zenodo.7474702

Sayı

Bölüm

Makaleler