Tez No	İndirme	Tez Künye	Durumu
199084		An efficient and fast method of snore detection for sleep disorder investigation / Uyku bozuklukları araştırması için etkin ve hızlı bir horlama tespit yöntemi Yazar:MUSTAFA ÇAVUŞOĞLU Danışman: YRD. DOÇ. DR. YEŞİM SERİNAĞAOĞLU Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Elektrik-Elektronik Mühendisliği Ana Bilim Dalı Konu:Biyomühendislik = Bioengineering ; Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering Dizin:	Onaylandı Yüksek Lisans İngilizce 2007 82 s.
Horlama, çoğu insanın uyku sırasında çıkardığı nefes sesleridir ve obstrüktif uykuapnesi sendromu (OSAS) gibi pek çok uyku bozukluğu için bir risk faktörü olduğubelirtilmiştir. Uyku bozukluklarının teşhisi, polisomnografi kayıtlarının alınması vehekim tarafından incelenmesi gibi zaman alıcı, klinik uzmalık gerektiren ve hastayırahatsız eden bir süreci içerir. Cerrahi ve terapatik tedaviler geliştirilmesine rağmen,apnenin ve horlamanın tedavisi için hastaya yapılan müdahelelerde karşılaşılan enönemli sorunlardan birisi, uygulanan yöntemin hasta üzerinde ne kadar etkinolduğunun objektif kriterlere dayandırılarak belirlenememesidir. Bu kriterlerinbelirlenmesini ve tedavi öncesi ve sonrası karşılaştırılarak başarı performansınınbelirlenmesini sağlayacak bir sisteme ihtiyaç vardır.Bu çalışmada, uzun süreli solunum seslerini analiz etmek amacıyla, bölütlenmişhorlama sesleri için bir sınıflandırma sistemi, ve sonuçları objektif olarakdeğerlendirmek amacıyla klinik personeli tarafından kolaylıkla kullanılabilen birarayüz geliştirilmiştir. Algoritma uyku sesleri bölütlerini alt-bant enerji dağılımlarınagöre `horlama' ve `horlama değil' şeklinde sınıflandırır. Hem aynı hastanın tümvikaydı boyunca, hem de hastadan hastaya kayıtlar karşılaştırıldığında önemlibenzerlikler gözlenmiştir. Bu gözlem, öznitelik vektörlerinin daha düşük bir boyuttatemsil edilmesine motivasyon oluşturmuştur. Bu şekildeki bir temsil de `ana bileşenanalizi' yöntemiyle mümkün olmuştur. Uyku sesleri `horlama' veya `horlama değil'olarak iki boyutlu bir uzayda başarıyla temsil edilebilmişlerdir. Ses kayıtları,Gülhane Askeri Tıp Akademisi Uyku Çalışmaları Labaratuvarı'nda OSASpatolojisinden şüphelenilen hastalardan gece uykusu boyunca, hastalarpolisomnografi cihazına bağlı iken alınmıştır. Farklı apne/hipopne indeksine (AHI)sahip 30 hastadan (18 basit horlayan, 12 OSA hastası) alınan episodlar geliştirilenalgoritma ile sınıflandırılmıştır. Sonuçlar bir KBB uzmanı tarafından yapılandeğerlendirmelerle karşılaştırılmıştır. Sistem hem basit horlayanlarda hem de OSAhastalarında yüksek belirleme oranları göstermiştir.Anahtar kelimeler: Horlama, Apne, Sınıflandırma, Spektrogramvii
Snores are breath sounds that most people produce during sleep and they are reportedto be a risk factor for various sleep disorders, such as obstructive sleep apneasyndrome (OSAS). Diagnosis of sleep disorders relies on the expertise of theclinician that inspects whole night polysomnography recordings. This inspection istime consuming and uncomfortable for the patient. There are surgical and therapeutictreatments. However, evaluation of the success of these methods also relies onsubjective criteria and the expertise of the clinician. Thus, there is a strong need for atool to analyze the snore sounds automatically, and to produce objective criteria andto assess the success of the applied treatment by comparing these criteria obtainedbefore and after the treatment.In this thesis, we proposed a new algorithm to detect snoring episodes from the sleepsound recordings of the individuals, and created a user friendly interface to processsnore recordings and to produce simple objective criteria to evaluate the results. Thealgorithm classifies sleep sound segments as snores and nonsnores according to theirsubband energy distributions. It was observed that inter- and intra-individual spectralenergy distributions of snore sounds show significant similarities. This observationmotivated the representation of the feature vectors in a lower dimensional spaceivwhich was achieved using principal component analysis. Sleep sounds can beefficiently represented and classified as snore or nonsnore in a two dimensionalspace. The sound recordings were taken from patients that are suspected of OSASpathology while they were connected to the polysomnography in Gülhane MilitaryMedical Academy Sleep Studies Laboratory. The episodes taken from 30 subjects(18 simple snorers and 12 OSA patients) with different apnea/hypopnea indices wereclassified using the proposed algorithm. The system was tested by using the manualannotations of an ENT specialist as a reference. The system produced high detectionrates both in simple snorers and OSA patients.Keywords: Snoring, Apnea, OSAS, Classification, Spectrogramv