SSR verilerinin YSA ile işlenerek psikolojik test skorlarının sınıflandırılması

Abstract

Günümüzde biyolojik işaretlerin hastalık teşhisinde kullanılması yaygınlaşmaktadır. Vücuttan ölçülerek alınan sempatik deri yanıtı da günümüzde kullanılmaya başlanan biyolojik işaretlerden biridir. Biyolojik işaretlerin incelenmesi için günümüzde kullanılan birçok yöntem vardır. Bunlar içinde yapay sinir ağları (YSA) çok yaygın olarak kullanılmaktadır. Bu çalışmada da elde edilen veriler YSA ile analiz edilmiştir.Fibromiyalji sendromu teşhisi zor bir kronik ağrı hastalığıdır. Psikolojik testler yardımıyla %100 doğruluk oranı olmadan teşhis yapılmaya çalışılır. Hastalığın teşhisinde kullanılan psikolojik test skorları tam güvenirlilik sağlamamaktadır. Fibromiyalji sendromu otonom sinir sistemine bağlı bir hastalıktır. Sempatik deri yanıtı da otonom sinir sistemindeki değişikliklerden etkilenmektedir. Bu ilişkiden yola çıkarak psikolojik test skorlarının yerini alabilecek sempatik deri yanıtının doğruluk yüzdesinin hesaplanması amaçlanmıştır. Bu amaçla psikolojik test skorları YSA ile analiz edilmiş ve teşhis parametreleriyle aralarındaki ilişki doğruluk yüzdeleri hesaplanmıştır.Bu çalışmada psikolojik test skorlarından Verbal ağrı skalası (VERBAL) ve Beck depresyon envanteri (BDI) kullanılmıştır. İki farklı eğitim algoritmasında YSA ile analiz yapılmıştır. Verbal ve BDI ile aralarındaki ilişkilerin tespiti için fizyolojik test verileri ve laboratuvar test verileri hem ayrı ayrı hem de birlikte analiz edilerek doğruluk yüzdeleri çıkartılmıştır. Daha sonra SSR parametreleri eklenerek SSR'nin etkisi incelenmiştir.Yapılan çalışmalar sonucunda Levenberg-Marquardt (LM) eğitim algoritması için SSR'nin arttırıcı etkisi olduğu tespit edilmiştir. Psikolojik test skorlarının yerine kullanılabilecek veriler göz önünde bulundurulurken SSR'nin de dikkate alınması gerektiği sonucuna varılmıştır.

Nowadays, the use of biological signals for the diagnosis of the disease is spreading. Sympathetic skin response received from the body by measuring is one of the biological markers started to be used in the present. There are many methods used today for the examination of biological signals. Among these artificial neural networks (ANN) are very widely used. The data obtained from this study were analyzed by artificial neural network.Fibromyalgia syndrome is a chronic pain disorder which is difficult to diagnose. With the help of psychological tests, it is tried to diagnose without being 100% accuracy rate. Psychological test scores used in the diagnosis of the disease does not provide full reliability. Fibromyalgia syndrome is a disorder that depends on autonomic nervous system. Sympathetic skin response is also affected by the changes in the autonomic nervous system. Based on this relationship it is aimed at calculating of the percentage of accuracy of sympathetic skin response which can be replaced by psychological test scores. For this purpose, psychological test scores were analyzed by ANN and the percentage of accuracy of relationship with diagnostic parameters was calculated.In this study, from psychological testing scores, verbal pain scale scores (verbal) and the Beck depression inventory (BDI) were used. It was analyzed by ANN in two different training algorithms. For the determination of relationship between verbal and BDI, the percentages of accuracy of physiological test data and laboratory test data were revealed by analyzing both separately and together. Then, by adding the SSR parameters, the effect of SSR was investigated.As a result of the studies, it has been found that SSR has an additive effect on Levenberg-Marquardt (LM) training algorithm. It is concluded that SSR has to be taken into consideration while the data used instead of psychological test scores are being considered.