Yapay sinir ağları yardımı ile EEG tabanlı anestezi derinliği tahmini için yöntemler

Abstract

Operasyon sırasında hastaya uygulanan anestezi seviyesi operasyonun başarılı geçmesi konusunda büyük öneme sahiptir. Anestezi seviyesi tespitinde çeştli klinik belirtilerden faydanılsa da, EEG değerlerinden anestezi seviyesi tahmininde daha objektif olarak yararlanmak mümkündür. EEG sinyallerine ait frekans bantları anestezi seviyesinin tespiti için çeşitli analiz metotları ile çalışılmaktadır. Günümüzdeki çalışmalar anestezi altında beyin aktivitesinin uykuda olduğu gibi stabil olduğunu ve daha çok EEG spektrumuna ait delta-teta bantlarının aktif olduğunu göstermektedir. Bu tez çalışmasında anestezi seviyesinin tespitini yapabilmek için EEG spektrumu içerisinde bulunan delta-teta bantları iki farklı yöntemle elde edilmiştir. İlk yöntem ışığında, Ayrık Dalgacık Dönüşümü ve ikinci yaklaşımda Ampirik Kip Ayrışımı operasyon sırasında hastalardan elde edilen EEG sinyallerine uygulanarak ilgili frekans bantlarına ulaşılacaktır. Bahsi geçen bantlara ait Güç Spektral Yoğunlukları operasyonun idame safhasında hastaya uygulanacak gaz oranının tahminini yapabilmek için tasarlanan Çok Katmanlı Algılayıcı yapısına giriş olarak sunulmuştur. Bu çalışma, kalp hızı, kan basıncı vb. gibi biyolojik belirtileri giriş olarak kullanmak yerine, sadece ilgili bantlara ait Güç Spektral Yoğunluk değerlerini Çok Katmanlı Algılayıcı yapısına sunmaktadır. Sonuç olarak Çok Katmanlı Algılayıcı yapısı çıkışında elde edilen değerler idame safhasında uygulanacak gaz miktarını daha az veri, etkili yöntem ve zaman kazandırarak yüksek doğrulukta tahmin etmiştir.

The depth of anesthesia to be applied to patient at surgical operations has a big importance, because it determines the success of operation. Although different clinical symptoms are utilized to determine the depth of anesthesia, EEG signals are more objective way to estimate the depth of anesthesia. Spectrum of EEG signals is studied with different types of processing methods to predict the depth of anesthesia. Recent studies show that the brain is stable state and delta-theta bands of EEG spectrum are active under anesthesia. In this thesis, delta-theta bands of EEG spectrum are extracted by using two different methods to predict the depth of anesthesia. In the view of first method, Discrete Wavelet Transformation and in the second approach, Empirical Mode Decomposition are applied to EEG signals to extract accurate frequency-bands. Power density spectrum values of mentioned bands will be applied as inputs to designed Multi-Layer Perceptron network. The output of the network estimate the amount of gas to be applied to patient in the maintenance stage at surgical operations. This study presents only power density spectrum values of extracted EEG bands as inputs to network, except current medical techniques which use also heart rate, pressure etc. as inputs. Finally, results of the Multi-Layer Perceptron network yields highly accurate ratio to estimate the amount of gas to be applied in the maintenance stage by using less data, effective way and saving of time.