FİLİZ DEMİRDÖĞEN, ÇAĞLA DANACI, SEDA ARSLAN TUNCER, MUSTAFA AKKUŞ, SEVLER YILDIZ
Hitit Medical Journal - 2024;6(3):257-265
Amaç: İnsanların gerçekliği anormal bir durumda yorumladığı ciddi zihinsel bozukluklardan biri de şizofrenidir. Şizofreni nedeniyle aşırı derecede düzensiz düşünce, sanrı ve halüsinasyonların birleşimi ortaya çıkmakta ve bu hastalık nedeniyle kişinin günlük işlevleri ciddi şekilde bozulmaktadır. Genel bilişsel aktivite analizi için elektroensefalografi sinyalleri, düşük çözünürlüklü bir teşhis aracı olarak yaygın olarak kullanılmaktadır. Bu çalışmaya şizofreni tanısı almış 73 hasta ile sağlıklı grubuna ait 67 hastanın EEG’si dahil edilerek transfer öğrenme metodu ile şizofreni teşhisi gerçekleştirmek amaçlanmıştır. Gereç ve Yöntem: Çalışmanın ilk adımında sayısal elektroensefalografi sinyal verilerini kullanılabilir hale getirmek amacıyla spektogramlara dönüştürme işlemi gerçekleştirilmiştir. Sınıflandırma aşamasında FastAI ile Convolutional Neural Network (CNN) tabanlı derin öğrenme modelleri olan ResNet18, ResNet50 ve EfficientNet modelleri kullanılmıştır. Bulgular: Elektroensefalografi verilerinin karmaşıklığına rağmen çalışmada CNN tabanlı modeller, nörofizyolojik aktivitenin farklı yönlerini yakalamada başarılı olmuştur. En iyi performans %97 doğruluk oranı ile ResNet-50 modelinden elde edilmiştir. Sonrasında sırasıyla %95 ResNet-18 ve %83 EfficientNet modelleri ile sınıflandırma işlemi sonuçlandırılmıştır. Sonuç: Uygulamada ulaşılan sonucun sınıflandırma performansının umut verici olduğu ve bundan sonraki yapılacak çalışmalar için yol gösterici nitelikte olabileceği düşünülmektedir.
