Design of an fNIRS based BCI system for identification of Impulsivity in Adolescents
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Acıbadem Mehmet Ali Aydınlar Üniversitesi, Mühendislik ve Doğa Bilimleri Fakültesi, Biyomedikal Mühendisliği Bölümü, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: İngilizce
Öğrenci: Gülnaz Yükselen
Danışman: Sinem Burcu Erdoğan
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Günümüzde, dürtüsellik için teşhis prosedürü, yapılandırılmış görüşmelere, kişisel raporlara ve oldukça öznel olan anketlere dayanmaktadır. Bu çalışma, ergenlerde dürtüselliğin tanımlanması için işlevsel yakın kızılaltı spektroskopi (İYKAS) tabanlı karar destek sistemi geliştirmeyi amaçlamaktadır. Dürtüselliğin çok yönlü doğası göz önüne alındığında, sınıflandırma algoritmalarını çok alanlı özelliklerle beslenmenin dürtüsellik semptomlarının altında yatan nörobiyolojiyi daha iyi aydınlatabileceği önerilmektedir. Çalışma, dürtüsellik tanısı konulmuş 38 hasta (29 kadın, yaşları 15,6 ± 2,4) ve dürtüsel olmayan 33 katılımcıdan (23 kadın, yaşları 15,1 ± 1,9) oluşan kontrol grubu ile gerçekleştirilmiştir. Bir Stroop görevi sırasında eşzamanlı İYKAS kayıtları ile davranışsal ve hemodinamik ölçümler toplanmıştır. Fonksiyonel bağlantı (FB) tabanlı özellikler hemodinamik sinyallerden hesaplanırken sinirsel verimlilik metriği, davranışsal ve FB tabanlı özelliklerin birleştirilmesiyle hesaplanmıştır. Yaygın olarak kullanılan iki makine öğrenmesi (MÖ) algoritmasının, destek vektör makineleri (DVM) ve yapay sinir ağları (YSA), dürtüsel ve kontrol grubu katılımcılarını sınıflandırmasındaki etkinliği test edilmiştir. Gereksiz özellikler sarmal tabanlı özellik seçimi kullanılarak ortadan kaldırılmıştır. Her alan için ayrı ayrı özellik seçimi yapılmış ve her alandan 3 özellik seçilmiştir. Her sınıflandırma algoritması, özellik seçiminin kullanılmasından önce ve sonra olmak üzere 3 alanlı özellik kümesi kombinasyonları kullanılarak 10 katmanlıı çapraz doğrulama ile 10 kez çalıştırılmıştır. Hem DVM hem de YSA, seçilen klinik, davranışsal ve hemodinamik özelliklerin kombinasyonu ile eğitildiğinde % 90'ın üzerinde doğruluğa ulaşmıştır. DVM, YSA'dan istatistiksel olarak anlamlı ölçüde daha yüksek doğruluk sağlamıştır (sırasıyla %92,2 ve %90,16, p=0,005). Ön bulgular, çok alanlı özelliklerle eğitildiğinde dürtüselliğin doğru tanımlanması için her iki MÖ tabanlı yöntemin de uygulanabilirliğini göstermektedir. Önerilen sınıflandırma yaklaşımı, dürtüsellik ve diğer psikiyatrik bozuklukların klinik tanısını geliştirme potansiyeline sahiptir. Bulgularımız ayrıca dürtüsellik şiddeti derecelendirmesi konusunda bilgisayar destekli bir teşhis perspektifinin önünü açmaktadır.