14. Tıp Bilişimi Kongresi, İzmir, Turkey, 16 - 18 March 2023, vol.1, no.7163, pp.182-187
Parkinson hastalığı (PH), dünya çapında en yaygın kronik ilerleyici nörolojik hastalıklardan biri olduğundan, hem
kişiye hem de devletlerin sağlık sistemlerine maliyeti oldukça fazladır. Substanstia nigradaki dopaminerjik nöronların kaybı
ile tespit edilmekte ve nörodejenerasyonun ileri evrelerinde karakteristik motor semptomlar olan bradikinezi, rijidite ve
istirahatte titreme ortaya çıkmaktadır. Bu hastalığa karşı etkin bir tedavi yöntemi bu güne kadar tam anlamıyla
sağlanamamıştır. PH’de erken teşhis, tedavi seçimini etkilemesi nedeniyle çok önemlidir. Bu nedenle kişilerin EEG
kayıtlarının incelenmesi erken teşhis için bir umut olmuştur. Bu çalışmada, PH’de dinlenme durumunda EEG’de oluşan
beyin dalgaları olan delta, teta, alfa, beta ve gama dalgalarından öznitelikler çıkarılarak, erken aşamada hastalığın teşhis
edilmesi amacıyla akıllı bir karar destek sistemi geliştirilmesi planlanmıştır. Özel olarak bu çalışmada, yaş ve cinsiyet
açısından demografik olarak eşleştirilen 14 PH’li ve 14 kontrol grubundan oluşan 28 kişiye ait dinlenme durumu EEG
verileri kullanılmıştır. Verilerin frekans domenine ait Kolmogorov algoritmik karmaşıklık (KAC) özniteliği seçilmiş ve PH
ve kontrol grubu verilerinin farklı sınıflandırıcılarla başarımı değerlendirilmiştir. Radial çekirdek tabanlı Destek Vektör
Makinesi ile sınıflandırma sonuçları doğruluk % 92, kesinlik % 92, duyarlılık % 92, F1 skor % 92, Gradient Boosting
Algoritması ile yapılan sınıflandırmada ise doğruluk % 91, kesinlik % 91, duyarlılık % 91, F1 skor % 91 olarak elde
edilmiştir. Dolayısıyla tek öznitelik olan Kolmogorov algoritmik karmaşıklık kullanılarak literatürde bu veri seti kullanılarak
yapılan makine öğrenme sonuçlarına kıyasla başarılı bir sınıflandırma gerçekleştirilmiştir.