EEG ve EMG sinyalleriyle uyuklama seviyesinin modern yöntemlerle kestirimi

Abstract

Ill ÖZET Beyinde üretilen elektriksel aktivitelere Elektroansefalogram(EEG). Kas hareketlerinden dolayı kaslarda üretilen biyosinyallere ise Elekromiyogram(EMG) denir. EEG işaretleri, beynin fiziksel ve zihinsel etkinliğine göre dört ana frekans bandına sahip, spektral bileşenler ( delta, teta, alfa, beta ) içermektedir. EMG işaretlerinde ise tonik EMG'lerin düşük veya yüksek seviyeli olmaları kasların aktiviteleri ile ilgilidir. Bu bileşenlere ve kas hareketlerine bakılarak vücut hakkında ve özellikle uyanık-uyku arsında bazı yorumlar yapılabilmektedir. Bu çalışmada kullanılan EEG ve EMG sinyalleri, Ankara Gülhane Askeri Tıp Akademisi(GATA) Ruh Sağlığı ve Hastalıkları Ana bilim Dalı Uyku Laboratuarında bazı deneklerden alınmıştır. Ölçümler Grass Model-78 polisomnograf kullanılarak sürekli form kağıtlara ve aynı zamanda kişisel bir bilgisayara da kaydedilmiştir. EEG ve EMG işaretleri bilgisayara kaydedilirken 12-bit'lik bir AD çevirici ile veriler sayısal olarak bilgisayara kaydedilmiştir. Bu çalışmada, Dalgacık Dönüşümü (Wavelet Transform(WT)) ve Yapay Sinir Ağları(YSA) yöntemlerini kullanarak, EEG ile birlikte EMG sinyallerin; de kullanarak uyuklamanın kestirimi amaçlanmıştır. EEG ve EMG sinyalleri 7 saatlik kayıtlarla, sayısal işaretler 20 dakikalık bloklar halinde bilgisayara aktarılmış ve 10 saniyelik bölütlere aynştırılmıştır. Dalgacık dönüşüm yöntemiyle EEG bölütleri delta, teta, alfa ve beta gibi dört altfrekans bandına aynştırılmıştır. EEG işaretleri ile eşzamanlı alınan EMG işaretleri de filtrelenerek gürültü ve EKG artifaktlarından arındırılmış ve spektrum analizleri incelenmiştir. Bu sayede uyanık, uyuklama ve uyku karakteristiği gösteren bölütler tespit edilmiş ve yapay sinir ağları yöntemiyle eğitim yapılmıştır. Daha sonra yüzlerce EEG ve EMG bölütü YSA programıyla test edilmiştir. Bu test sonuçlarından uyanık, uyuklama ve uyku bölütleri düşük bir hatn oranıyla sezilmiştir. Sonuç olarak sadece EEG ile kestirilen uyuklama seviyesi, EMG'nin de kullanılmasıyla çol- daha az bir hatayla kestirilmiştir. İşaret işleme tekniklerinin etkin olarak kullanımı ile birlikte bu çalışma, faydalı olabilecek yenilikleri ve yapılabilecek hataları en aza indirme olanağ beraberinde getirecektir.

IV SUMMARY The elecrical activities that are produced in the brain is called Electroencephalogram(EEG). Because of the muscle activities, the signals produced by the muscles are called Elecromyogram(EMG). According to functional and mental activities of the brain, the EEG has four spectral components(delta, theta, alpha and beta). In the EMG signals high or low tonus of the EMG are depending on the muscle activities and to analyse this signals can give some information about human body activity and especially awake-sleep corolation. The EEG and EMG datas used in this study were taken from Gulhane Military Medicine Academy, sleep laboratory department of Psychic healt diseases. Measurements were taken by using a Grass Model-78 Polysomnography. Datas were recorded on the papers and at the same time recorded to a PC. while the signals were transfered to the PC, all the EEG and EMG signals were digitized using 12 bit AD converter. In this study it's aimed that employing the EMG signals with the EEG signals to estimate the level of the sleepleness using the Wavelet Transform(WT) and Artifical Neural Networks(NN) methods. The EEG and EMG signals were recorded during 7 hours and seperated to epochs that each tekes 20 minutes and for study 10 seconds datas were used for each new epochs. Using the Wavelet Transform, the EEG signals were seperated to its subfrequencies delta, theta, alpha and beta signals. The EMG signals which were recorded at the same time with the EEG signals were filtered in order to reject the noisy and the ECG artifacts, then its spectrum was analysed. Then the epochs of awake, sleepleness and sleep were established and education was done by the Artifical Neural Networks. After thai hundreds of the EEG and EMG epochs were tested by the Artifical Neural Networks program The results of these tests gave the aware of low error for awake, sleepleness and sleep epochs. As a result, to analyse the EMG signals with the EEG signals gave the best result for thi estimation of the sleepleness. Using the signal processing techniques effectively with thi; study will bring the useful improvements and the opportunity of the reducing the errors.