Fibromiyalji sendromunun teşhisine yö+nelik HRV, SSR ve psikolojik testlerin dalgacık dönüşümü ve yapay sinir ağları ile değerlendirilmesi ve ilişkilerin belirlenmesi

Abstract

ÖZET Fibromiyalji, toplumdaki yaygınlığı yaklaşık %2 olarak bilinen, yaygın iskelet kası ağrısı ve birçok duyarlı nokta ile belirli kronik ağrı sendromudur. Bu çalışmada Kalp hızı değişkenliği (Heart Rate Variability, Hrv) ve sempatik deri cevabı (SSR) kullanılarak, fibromiyalji sendromunun teşhisi ve bu hastalığın teşhisine yardımcı psikolojik test parametrelerinin tahmini için dalgacık dönüşümü ve yapay sinir ağı tabanlı modeller oluşturulmuştur. Bölüm 3‟de oluşturulan YSA modeliyle 90 deneğin SSR parametreleri ve psikolojik test skorları kullanılarak Fibromyalji sendromunun teşhisi gerçekleştirilmiştir. Bölüm 4‟te Hrv alt bantları ve YSA kullanılarak psikolojik test skorlarının tahmini gerçekleştirilmiş ve bölüm 5‟te Hrv‟ye ek olarak 3 tip SSR parametresi psikolojik test skorlarının tahmini için YSA modeline eklenmiştir. Her bir model için elde edilen başarı skorları tek tek değerlendirilmiş ve SSR ve Hrv kullanılarak %70-90 arasında değişen oranlarda bir başarı yüzdesi ile psikolojik test skorlarını tahmin etmenin mümkün olduğu görülmüştür. Bu proje ile akademik ve ticari birçok projeye yönelik klinik aktif kullanım için önemli sonuçlar elde edilmiş ve bu raporda sonuçlar detaylı olarak sunulmuş ve değerlendirilmiştir.

SUMMARY Fibromyalgia, which is estimated to affect about 2% of the population, is characterized by chronic widespread pain syndrome in skeleton muscles and some of tender points around the body. In this study, a new diagnoses method for fibromyalgia syndrome has been developed. A set of wavelet transform and artificial neural network based models, which are used to predict the supplementary psychological test parameters of the patient such as Hrv (Heart Rate Variability) and SSR (Sympathetic Skin Response), have been generated to facilitate the diagnosing procedures of the illness. A diagnosing study has been conducted by using ANN models designed in Section 3 for 90 experimental subjects using SSR parameters and psychological test scores. In Section 4, the prediction of the psychological test scores has been implemented by means of Hrv low bands and ANN and in Section 5; three new SSR parameters have been added to ANN model to improve the prediction of psychological test scores. The performance scores of each model have been evaluated individually, and by obtaining success rates between 70-90%, the prediction of psychological test scores are considered feasible. Many crucial outcomes have been obtained to be used in many academic, commercial projects, and clinics. This report represents the results and evaluates them in details.