Çok Modlu Biyosinyallerle Akut Ağrıların Makine Öğrenmesiyle Tespiti

Authors : Cüneyt Özdemir

Pages : 85-100

Doi:10.70562/tubid.1736747

View : 26 | Download : 27

Publication Date : 2025-10-19

Article Type : Research Paper

Abstract :Ağrının subjektif doğası, nesnel değerlendirme yöntemlerinin geliştirilmesini zorunlu kılmaktadır. Bu çalışma, giyilebilir sensörlerden elde edilen çok modlu fizyolojik sinyalleri kullanarak farklı akut ağrı tiplerini otomatik olarak sınıflandırmanın fizibilitesini ve etkinliğini araştırmaktadır. Kamuoyuna açık \\\"PhysioPain Dataset\\\"ten alınan ve 99 katılımcıya ait baş ağrısı, sırt ağrısı, menstrüel ağrı ve ağrısız du- rumlardaki fizyolojik veriler (BVP, EDA, ACC, TEMP) analiz edilmiştir. Ham zaman serisi verilerinden, istatistiksel ve frekans tabanlı ayırt edici özellikler çıkarılmış ve bu özellikler, Rastgele Orman, XGBoost ve Destek Vektör Makineleri gibi standart makine öğrenmesi modelleriyle sınıflandırılmıştır. Deneysel sonuçlar, topluluk tabanlı modellerin olağanüstü bir performans sergilediğini ortaya koymuştur. XGBo- ost ve Rastgele Orman modelleri, test seti üzerinde sırasıyla %99 ve %98’lik doğruluk ve F1-skorlarına ulaşarak, çıkarılan özelliklerin farklı ağrı durumlarını ayırt etmede son derece etkili olduğunu kanıtla- mıştır. Bu yüksek başarı, daha karmaşık derin öğrenme mimarilerine olan ihtiyacı ortadan kaldırmıştır. Sonuç olarak, bu çalışma, etkili bir özellik mühendisliği süreci ve standart makine öğrenmesi algoritmaları ile fizyolojik sinyallerden akut ağrı tiplerinin neredeyse mükemmel bir doğrulukla tespit edilebileceğini göstermektedir. Bu bulgular, giyilebilir teknolojilerin ağrının nesnel, otomatik ve non-invaziv takibi için güvenilir bir klinik araç olma potansiyelini güçlendirmektedir.
Keywords : Ağrı Değerlendirmesi, Makine Öğrenmesi, Fizyolojik Sinyaller, Sinyal İşleme, Giyilebilir Sensörler

ORIGINAL ARTICLE URL