| dc.description.abstract | Uyku apnesi, uyku esnasında geçici solunum durması şeklinde tanımlanabilecek bir çeşit uyku bozukluğudur. Uykuda gerçekleşen nefes alıp vermeler arasında 10 sn ve daha fazla süre geçmesine standart olarak uyku apnesi denmektedir. Solunum çabasının olmasına rağmen fiziksel bir engel dolayısıyla ağız ve burunda hava akımının olmaması ise “obstrüktif” uyku apnesi olarak adlandırılmaktadır. Obstrüktif uyku apne sendromlu (OUAS) hastalarda gece boyunca solunumun çok sık durması kalbi etkilemekte ve EKG dalga şekillerinde belirgin farklılıklar meydana gelmesine sebep olmaktadır. Bu tezin öncelikli amacı; uzun EKG kayıtlarındaki her bir kalp atımında görülen Q, R, S, T-başlangıç ve T-son gibi noktaların otomatik olarak belirlenebilmesi için gürültülere dayanıklı bir algoritma geliştirmektir. İkinci olarak; bu algoritmayı değişik gürültü tiplerine ve dalga şekillerine sahip EKG kayıtları üzerinde denemek ve son olarak da; OUAS’li hastalar ve kontrol grubundan (OUAS teşhisi konulmayan) alınan EKG kayıtları üzerinde uygulayıp, OUAS’nin uyku EKG’si üzerindeki etkilerini istatistiksel olarak analiz etmektir.
Bu tez çalışmasında, Matlab kullanılarak her bir kalp atımında bulunan Q, R ve S noktaları türev tabanlı bir algoritma yardımıyla, T dalgasının başlangıcı ve sonu ise Haar dalgacık dönüşümü tabanlı bir algoritma yardımı ile otomatik olarak tespit edilmiştir. Geliştirilen algoritmayı test etmek ve OUAS’nin farklı uyku evrelerindeki QT ve RR dağılımlarına etkisini belirleyebilmek için, Ankara Gülhane Askeri Tıp Akademisi Ruh Sağlığı ve Hastalıkları Anabilim Dalı uyku laboratuarında kaydedilmiş 25 EKG verisi (14 OUAS’li birey, 11 OUAS teşhisi konulmamış birey) kullanılmıştır. Öncelikle, geliştirilen algoritmanın performansını test etmek için farklı QRS ve T dalgası morfolojilerine sahip örnek bir EKG veri grubu oluşturulmuştur. Daha sonra Kahramanmaraş Devlet Hastanesi’nden iki kardiyoloji uzmanı Matlab’da geliştirilen bir grafiksel kullanıcı ara yüzü kullanarak bu veri grubu üzerindeki Q ve T-son
noktalarını işaretlemiştir. R noktaları tezin yazarı tarafından işaretlenmiştir. Algoritmanın bulduğu düzeltilmiş QT (QTc) ve RR aralıkları ile kardiyoloji uzmanlarının işaretlediği QTc ve RR aralıkları arasındaki hata oranı hesaplatılmış ve algoritmanın QT aralıklarını %4,47, RR aralıklarını ise %1,31 hata payı ile bulduğu belirlenmiştir.
Son olarak, OUAS teşhisi konulan 14 ve bu teşhisin konulmadığı 11 bireyde farklı uyku evreleri için tespit edilen QTc, QTc dispersiyonu (maksimum QTc ve minimum QTc arasındaki fark, QTcd) ve RR parametreleri arasında anlamlı bir fark olup olmadığı t testi kullanılarak analiz edilmiştir. Yapılan analizler sonucunda QTc dağılımlarının farklı uyku evrelerinde anlamlı bir fark göstermediği ancak OUAS’lı ve sağlıklı popülasyonlar karşılaştırıldığında farklı dağılımlar gösterdiği görülmüştür. Ayrıca, QTcd ve RR parametreleri de uyku evresi temel alınarak karşılaştırıldığında farklı dağılımlar göstermektedir.
Sleep apnea is a sleep disorder characterized by pauses in breathing during sleep. The standard definition of any apneic event includes a minimum 10 second interval between breaths. In obstructive sleep apnea (OSA), breathing is interrupted by a physical block to airflow despite respiratory effort. The interrupts in breathing have been shown to affect the functioning of the heart, causing significant changes on electrocardiographic (ECG) wave shapes. The main purpose of this thesis is to develop a robust algorithm to automatically determine the fiducials on each heart beat, such as Q, R, S, and T-onset and T-end, on long sleep ECG recordings. Our second aim was to test our algorithm on different ECG wave shapes and noise types. The final aim of this thesis was to apply the algorithm on sleep ECG recordings coming from OSA patients and a control group (non-OSA), and to statistically analyze the effect of OSA and sleep stages on ECG intervals such as QT and RR.
In this thesis, a Matlab-based automatic fiducial detection algorithm using two approaches was developed: (1) A simple derivative-based algorithm to determine the Q, R, and S points on each heart beat. (2) A Haar wavelet transform-based algorithm to determine the onset and ending points of the T-wave on each heart beat. In order to test our algorithm and perform the analysis on the effects of OSA and sleep stages on the QT and RR intervals, 25 sleep ECG recordings (14 OSA syndrome subjects, 11 non-OSA syndrome subjects) were used which were previously obtained during sleep studies performed in Ankara Gülhane Military Medical Academy (GATA) psychiatry clinic sleep laboratories. First, a sample dataset was created that included representative heart beats possessing different QRS and T-wave shapes to test the performance of our automatic algorithm. On this dataset two cardiologists from Kahramanmaraş State Hospital annotated Q, and T-end fiducials using a Matlab-based graphical user interface. R points were annoted by the author of the thesis.
The relative error between the corrected QT (QTc) and RR intervals determined by the cardiologists and the results from the algorithm were computed, and found that QTc and RR intervals could be determined with a relative error of 4.47% and 1.31%, respectively.
Finally, automatically detected QTc, QTc dispersion (the difference between the minimum and maximum QTc values on each heart beat, QTcd) and RR intervals for different sleep stages were analyzed using t-test on OSA syndrome and non-OSA syndrome subjects, independently. Our analysis also included a statistical comparison of the same algorithm-determined-parameters between OSA syndrome and non-OSA syndrome subjects. As a result of these tests, we found that there was a significant difference in QTc interval between OSA syndrome and non-OSA syndrome populations for different sleep stages. | en_US |
