000			04339nam a2200457 i 4500
999			_c200437809 _d56021
003			TR-AnTOB
005			20230908000946.0
007			ta
008			171111s2019 xxu e mmmm 00| 0 eng d
035			_a(TR-AnTOB)200437809
040			_aTR-AnTOB _beng _erda _cTR-AnTOB
041	0		_aeng
099			_aTEZ TOBB FBE BMM YL’19 NAS
100	1		_aNassehi, Farhad _eauthor _9127014
245	1	0	_aAnalysis of relation of attention control and mental fatigue with apnea hypopnea index in obstructive sleep apnea patients / _cFarhad Nassehi ; thesis advisor Osman Eroğul.
246	1	1	_aObstrüktif uyku apneli hastalarda dikkat kontrolü ve zihinsel yorgunluk ile apne-hipopne indeksi arasındaki ilişkinin analizi
264		1	_aAnkara : _bTOBB ETÜ Fen Bilimleri Enstitüsü, _c2019.
300			_axiii, 61 pages : _billustrations ; _c29 cm
336			_2rdacontent _btxt _atext
337			_2rdamedia _bn _aunmediated
338			_2rdacarrier _bnc _avolume
502			_aTez (Yüksek Lisans)--TOBB ETÜ Fen Bilimleri Enstitüsü Ağustos 2019
520			_aObstrüktif uyku apnesi (OUA) en yaygın uyku solunum bozukluklarından birisidir. Gün içi uykululuk hali ve zihinsel yorgunluk OUA hastalarının kliniğe başvuru şikayetleri arasında yer almaktadır. OUA hastalarının bilişsel becerilerinin gerilediği bilinmektedir. OUA hastalığının teşhisi ve şiddeti gece boyunca süren zahmetli polysomnografi (PSG) oturumuyla yapılmaktadır. Bu tezin amacı, dinlenim durumu ve dikkat kontrolü görevi sırasında elde edilen Elektroansefalografi (EEG) sinyalleri kullanılarak, hastaları Apne – Hipopne Endeksi (AHI) ve Epworth değerlerine göre sınıflandırmaktır. Bu doğrultuda 25 katılımcı PSG kaydından sonra, toplam 13 dakika süren dinlenim durumu ve dikkat kontrolü oturumlarına katılmış ve kendilerinden EEG kayıtları alınmıştır. EEG sinyalleri arasından önemli öznitelikleri seçmek amacıyla istatistiksel olarak analiz edilmiştir. Anlamlı farklılıklar gösteren öznitelikler Yapay Sinir Ağları (YSA) için girdi olarak kullanılmıştır. YSA algoritmalarıyla elde edilen sonuçlar, oturumlar arasında farklılık gösteren EEG özniteliklerinin, hastalığın şiddetini ve semptomlarını ortalama %79.98 oranında sınıflandırılabileceğini göstermiştir. YSA ile hastalığın şiddetinin tanısında hekimlere yardımcı olabilecek bir karar destek sistemi geliştirilmiştir.
520			_aObstructive sleep apnea (OSA) is one of the most widespread breathing-based sleep disorders. Daytime sleepiness and mental fatigue are among the common symptoms that are reported by OSA patients. Previous studies reported cognitive decline in patients with OSA. The diagnosis of OSA is done with laborious overnight polysomnography (PSG) recording. The aim of this thesis is to classify OSA patients according to their Apnea – Hypopnea Index (AHI) and Epworth scores using electroencephalography (EEG) signals that recorded during resting-state and selective-attention-test sessions. For this aim, 25 patients participated to resting-state and selective-attention-test sessions, which lasted 13 minutes in total, following their PSG recordings. Statistical analyses were conducted to detect important features from the EEG signals. Statistically significant features were used as input to Artificial Neural Networks (ANNs). The results show that the EEG features that differed between sessions could classify the disease severity and symptoms with a 79.98% success rate on average. A decision support system that may help doctors to diagnose the disease severity was developed with ANNs.
650		7	_aTezler, Akademik _932546
653			_aObstrüktif uyku apnesi
653			_aDikkat kontrolü
653			_aYapay sinir ağları
653			_aElektroansefalografi sinyalleri
653			_aKarar destek sistemi
653			_aObstructive sleep apnea
653			_aAttention control
653			_aElectroencephalography signals
653			_aArtificial neural networks
653			_aDecision support systems
700	1		_aEroğul, Osman _eadvisor _9126315
710			_aTOBB Ekonomi ve Teknoloji Üniversitesi. _bFen Bilimleri Enstitüsü _977078
856	4	0	_uhttps://tez.yok.gov.tr/ _3Ulusal Tez Merkezi
942			_cTEZ _2z