Anestezi derinliği kontrolünde bulanık mantık ve yapay bağışıklık sistemi temelli karar destek sistem

Basit Öğe Kaydı
dc.contributor.advisorŞatır, Esra
dc.contributor.authorYılmaz, Kudret
dc.date.accessioned2021-02-25T15:02:37Z
dc.date.available2021-02-25T15:02:37Z
dc.date.issued2019
dc.departmentDÜ, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.descriptionYÖK Tez No: 563142en_US
dc.description.abstractCerrahi müdahalelerde hastaların bilinç ve duyu kaybı yaşamalarına anestezi denilmektedir. Anestezi, anestezik maddelerin hastaya damar yolundan enjekte edilerek veya solunum yolundan gaza sabitlenmiş bir maske yardımı ile verilebilmektedir. Anestezi derinliği ise bilinç ve duyu kaybının ameliyat boyunca devam etmesidir. Bir hastanın anestezi derinliği, anestezik madde ve hastanın fiziksel karakteristik özelliklerine (yaşı, vücut kütlesi gibi) göre değişebilmektedir. Ameliyat sırasında bir hastanın anestezi derinliği, anestezi uzmanının, hastanın sistolik arter basıncı (Systolic Arterial Pressure- SAP) ve kalp atım hızı (Heart Pulse Rate- HPR) parametrelerini kontrol etme deneyimi ile belirlenmektedir. Bu değerler doğrultusunda verilebilecek anestezi miktarı (Anesthesia Output- AO) hesaplanarak hastaya verilir. Teknolojinin gelişmesi ile birlikte anestezi derinliğinin kontrol edilmesinde farklı yöntemler ortaya çıkmıştır. Bunlardan biri olan sezgisel optimizasyon teknikleri, doğadan esinlenmiş olup karmaşık problemlerde, tüm çözüm uzayını taramadan sezgisel olarak çok kısa sürede en uygun değere ulaşmaktadır. Sezgisel optimizasyon tekniklerinden biri olan Yapay Bağışıklık Sistemi (YBS) ise, son yıllarda mühendislik problemlerinin çözümünde oldukça ilgi görmektedir. Bu çalışmada, anestezistlerin anestezi derinliğini ölçmelerine yardımcı olması amacı ile YBS ve Bulanık Mantık (BM) temelli Anestezik Derinlik Karar Destek Sistemi (ADKDS) önerilmektedir. YBS ile anestezi derinliği hesaplamalarında kullanılan, BM üyelik fonksiyonlarının optimizasyonu gerçekleştirilmiştir. Giriş üyelik değerleri HPR ve SAP, çıkış üyelik değeri ise AO olarak belirlenmiştir. Gerçekleştirilen çalışmanın amacı, BM ile elde edilen ortalama karesel hata (Mean Square Error- MSE) değerinin azaltılmasıdır. BM kontrolünde, Yapay Bağışıklık Algoritmalarından (YBA) olan Klonal Seçim Algoritması (KSA) ile, üyelik fonksiyonlarının optimum değerlerini elde etmek için her adımda arama, hesaplama ve değerlendirme gerçekleştirilmiştir. Böylelikle, BM yönteminde uzman kişi tarafından gerçekleştirilen üyelik fonksiyonu belirleme işlemindeki olası hatalar azaltılmıştır. Gerçekleştirilen çalışma sonunda, alınan sonuçlar anestezist ve BM ile karşılaştırılmıştır.en_US
dc.description.abstractLoss of consciousness and sense in Patients, undergoing surgical intervention are called anesthesia. Anesthesia can be given by injection of anesthetic agents into the patient by vascular injection or by a mask fixed to the gas from the respiratory tract. The depth of anesthesia is that the loss of consciousness and sense continues throughout the surgery. A patient's the depth of anesthesia may change according to the anesthetic agent and the physical characteristics of a patient such as size of body, age, etc. The depth of anesthesia of a patient during surgery is determined by the experience of the anesthetist in controlling Patient's Systolic Arterial Pressure (SAP) and Heart Pulse Rate (HPR) parameters. The amount of anesthesia Anesthesia Output (AO) that can be given according to these values is calculated and applied to the patient. Different methods for controlling the depth of anesthesia has emerged with the advancement of technology. One of them, heuristic optimization techniques, is inspired by nature and reaches the most appropriate value in a very short time without scanning the entire solution space in complex problems. One of the heuristic optimization techniques, Artificial Immune System (AIS), has attracted quite popular in the solution of engineering problems in recent years. In this study, AIS and fuzzy logic based Anesthetic Depth Decision Support System (ADDSS) are recommended to assist anesthesiologists measure the depth of anesthesia. Optimization of the fuzzy logic membership functions used in the calculation of depth of anesthesia was realised with AIS. The entry membership values are determined as HPR and SAP, and the output membership value is determined as AO. The aim of the study is to reduce the Mean Square Error (MSE) value obtained by fuzzy logic. Search, calculation and evaluation were carried out at each step to obtain the optimum values of the membership functions in the fuzzy logic control, with the Clonal Selection Algorithm (CSA), which is one of the Artificial Immune Algorithms (AIA). In this way, the possible errors in the process of determining the membership function performed by the expert in the fuzzy logic method have been reduced. At the end of the study, the results were compared with anesthesiologist and fuzzy logic.en_US
dc.identifier.endpage88en_US
dc.identifier.startpage1en_US
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=FgmkGchPKo23qQqBeqzVZrg2aeP-FsrJgHAiZgupw9BUX3VszFmRlpat0SwiEBEi
dc.identifier.urihttps://hdl.handle.net/20.500.12684/7075
dc.institutionauthorYılmaz, Kudreten_US
dc.language.isotren_US
dc.publisherDüzce Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolen_US
dc.subjectComputer Engineering and Computer Science and Controlen_US
dc.titleAnestezi derinliği kontrolünde bulanık mantık ve yapay bağışıklık sistemi temelli karar destek sistemen_US
dc.title.alternativeDecision support system based on fuzzy logic and artificial immune system in anesthesia depth controlen_US
dc.typeMaster Thesisen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
563142.pdf
Boyut:
1.78 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam Metin / Full Text
İndir

Koleksiyon

Tez Koleksiyonu