kronik akciğer hastalarının mobil iletişim teknolojisi ile takibi için zeki

advertisement
i
KRONİK AKCİĞER HASTALARININ MOBİL İLETİŞİM
TEKNOLOJİSİ İLE TAKİBİ İÇİN ZEKİ BAKIM VE ACİL TIBBİ
YARDIM SİSTEMİ GELİŞTİRİLMESİ
ALİ HAKAN IŞIK
DOKTORA TEZİ
ELEKTRONİK - BİLGİSAYAR EĞİTİMİ
GAZİ ÜNİVERSİTESİ
BİLİŞİM ENSTİTÜSÜ
HAZİRAN 2012
ANKARA
ii
iii
TEZ BİLDİRİMİ
Tez içindeki bütün bilgilerin etik davranış ve akademik kurallar çerçevesinde elde
edilerek sunulduğunu, ayrıca tez yazım kurallarına uygun olarak hazırlanan bu
çalışmada orijinal olmayan her türlü kaynağa eksiksiz atıf yapıldığını bildiririm.
Ali Hakan IŞIK
iv
KRONİK AKCİĞER HASTALARININ MOBİL İLETİŞİM TEKNOLOJİSİ
İLE TAKİBİ İÇİN ZEKİ BAKIM VE ACİL TIBBİ YARDIM SİSTEMİ
GELİŞTİRİLMESİ
(Doktora Tezi)
Ali Hakan IŞIK
GAZİ ÜNİVERSİTESİ
BİLİŞİM ENSTİTÜSÜ
HAZİRAN 2012
ÖZET
J2ME ortamında geliştirilen kronik akciğer hastalığı bakım sistemi (KAHBS),
tanısı konulmuş astım ve koah hastalarının ev ortamında zeki ve kablosuz
olarak gerçek zamanlı takibini sağlamaktadır. Bu çalışmada, geliştirilen sistemin
özellikleri, performans ve gerçek hastalar üzerinde uygulama sonuçları
sunulmaktadır. Söz konusu sistemde, hastanın solunum fonksiyon test değerleri
spirometreyle, oksijen konsantrasyonu (SPO2) ve kalp atışı değerleri darbe
oksimetreyle ölçülmektedir. Daha sonra, veriler bluetooth sanal seri port
protokolü ile akıllı cep telefonuna aktarılmaktadır. Veriler beş girişli, iki gizli
katmanlı, ileri beslemeli, geri yayılımlı, çok katmanlı yapay sinir ağı (ÇKA) ile
sınıflandırılmaktadır. Akıllı cep telefonu üzerinde gerçek zamanlı çalışan
ÇKA’ın giriş öznitelikleri FEV1, FVC, FEV1/FVC, FEF25-75, PEF dir. Çıkış
sınıflandırma sonucu ise normal, obstrüktif veya restriktifdir. Sistemde ölçüm
değerleri ve elde edilen sınıflandırma sonucu cep telefonu ekranında
gösterilmektedir. Tüm veriler web servis ile XML tabanlı olarak uzak
merkezdeki sunucu veritabanına WiFi, GPRS veya 3N iletişim teknolojileri
vasıtasıyla gönderilmektedir. Ölçüm sonuçları acil bir durum içeriyorsa, hastaya
v
tavsiye, doktora ise bilgilendirme SMS mesajı gönderilmektedir. Buna ilaveten,
güvenli giriş yapılan normal ve mobil web sayfaları üzerinden tüm hasta verileri,
akış-hacim ve hacim-zaman grafikleri takip edilebilmekte, gerekli olduğu
takdirde doktor hastaya e-posta gönderebilmektedir. Çalışmada ÇKA’ın eğitimi
ve testi Atatürk Göğüs Hastalıkları ve Göğüs Cerrahisi Araştırma hastanesinden
temin edilen 486 (313 normal, 136 obstrüktif, 37 restriktif) hasta verisi ile
gerçekleştirilmiştir. ÇKA, 98,7% doğruluk, 97,83% belirlilik, 97,63% duyarlılık,
ve 0,946 korelasyon değerlerine sahiptir. Bu çalışma, literatürdeki çalışmalarla
kıyaslandığında astım-koah ayrımı ve kronik akciğer hastaların takibini zeki ve
mobil bir sistem ile kolaylaştırılması bakımından ilerleme sağlamıştır.
Bilim Kodu
Anahtar Kelimeler
Sayfa Adedi
Tez Yöneticisi
: 702.1.019
: Teletıp, astım, KOAH, SMS, yapay sinir ağı
: 92
: Prof. Dr. İnan GÜLER
vi
DEVELOPMENT OF SMART CURE AND URGENT MEDICAL AID
SYSTEM FOR TRACKING OF CHRONIC PULMONARY PATIENTS
WITH MOBILE COMMUNICATION TECHNOLOGY
(PhD Thesis)
Ali Hakan IŞIK
GAZİ UNIVERSITY
INFORMATICS INSTITUTE
JUNE 2012
ABSTRACT
Chronic lung disease care system that is developed in J2ME provides real-time
tracking of diagnostic asthma and COPD patients in the home environment with
intelligent and wireless facilities. The properties of the developed system, the
performance analysis and the practice results on real patients are presented in
this study. The patient's pulmonary function test values are measured with
spirometry, the oxygen concentration (SPO2) and pulse rate are measured with
pulse oximetry in the system. Then, the data are transferred to the smart phone
through bluetooth virtual serial port protocol. The data are classified with two
five-input-hidden layer feed-forward multi-layer back propagation neural
network (MLP). Input attributes of MLP that works on smart phone are FEV1,
FVC, FEV1/FVC, FEF25-75, PEF. Output classification results are normal,
obstructive or restrictive. The classification results and the measured values are
shown in the smart phone screen. General packet radio service, wireless LAN, or
third generation based wireless networks are used to send the pulmonary
function test results to remote database through XML based web service. If the
vii
measurement results contain an emergency condition, a recommendation-based
SMS message is sent to the patient and also an information-based SMS message
is sent to the doctor. In addition, all patient data and flow-volume and volumetime graph can be visualized via normal and mobile web pages that are securely
entered. Furthermore, if necessary, the doctor can send e-mail to the patient. In
this doctorate study, the test results of 486 patients, obtained from Atatürk
Chest Diseases and Thoracic Surgery Training and Research Hospital in
Ankara/Turkey, are used as training and test set in algorithm. Algorithm has
98,7% accuracy, 97,83% specificity, 97,63% sensitivity, and 0,946 correlation
values. When this study is compared with previous studies, it is observed that
there are an improvement in differentiation between asthma and COPD and the
facilitation of the tracking of chronic pulmonary patients with smart and mobile
system.
Science Code : 702.1.019
Keywords
: Telemedicine, asthma, COPD, SMS, artificial neural network
Page Number: 92
Advisor
: Prof. Dr. İnan GÜLER
viii
TEŞEKKÜR
Değerli yardım ve katkılarıyla çalışmalarımı yönlendiren hocam Prof. Dr. İnan
GÜLER’ e ve aileme teşekkürü bir borç bilirim.
ix
İÇİNDEKİLER
Sayfa
ÖZET.......................................................................................................................... iv
ABSTRACT ............................................................................................................... vi
TEŞEKKÜR ............................................................................................................ viii
İÇİNDEKİLER ......................................................................................................... ix
ŞEKİLLER LİSTESİ ................................................................................................ xi
ÇİZELGELER LİSTESİ ........................................................................................ xiii
SİMGELER VE KISALTMALAR ....................................................................... xiv
1. GİRİŞ ...................................................................................................................... 1
1.1. Teletıp Kullanım Alanları .............................................................................. 2
1.2. Evde Bakım Sistemi ........................................................................................ 3
2. MOBİL SAĞLIK ................................................................................................... 9
2.1. Mobil Sağlık Sistemlerinde Kullanılmakta Olan Teknolojiler ve
Kısıtları ........................................................................................................... 9
2.2. Kronik Akciğer Hastalıklarının Tanı, Tedavi ve Takibi ........................... 11
2.3. Mobil Sağlık ve Kronik Akciğer Hastalıkları Alanında Literatürde
Yapılan Çalışmalar ...................................................................................... 16
3. KRONİK AKCİĞER HASTALIĞI BAKIM SİSTEMİ (KAHBS) ................. 27
3.1. Solunum Fonksiyon Testi ............................................................................. 27
3.2. Yapay Sinir Ağları ........................................................................................ 29
3.3. Tez Çalışmasında Kullanılan Cihazlar ....................................................... 30
3.4. Tezde Geliştirilen Sistemin Mimarisi .......................................................... 32
3.5. Tezde Geliştirilen Sistemin Teknik Tasarımı ............................................. 34
3.6. Kronik Akciğer Hastalıklarının Sınıflandırılması için Mobil Yapay
Zekâ Yazılımı ................................................................................................ 41
3.6.1. Spirometre bluetooth uygulama yazılımı ......................................... 45
3.6.2. Darbe oksimetre bluetooth uygulama yazılımı................................ 52
3.6.3. Acil durumlarda ve bilgilendirme için SMS gönderilmesi ............. 55
3.7. Tüm Verilerin Web Tabanlı Görüntülenmesi ............................................ 57
3.8. Mobil Cihazlar için Web Sayfası Geliştirilmesi ......................................... 60
x
Sayfa
4.
SİSTEMİN
HASTALAR
ÜZERİNDE
UYGULANMASI
VE
PERFORMANS ANALİZİ ............................................................................. 64
4.1. Sistemin Hastalar Üzerinde Uygulanması .................................................. 64
4.2. Performans Analizi ....................................................................................... 65
4.3. İrdeleme ......................................................................................................... 74
5. SONUÇ .................................................................................................................. 76
KAYNAKLAR ......................................................................................................... 79
EKLER ...................................................................................................................... 87
EK-1. Sağlık Bakanlığı’ndan alınan araştırma izin belgesi .................. 88
ÖZGEÇMİŞ .............................................................................................................. 89
xi
ŞEKİLLER LİSTESİ
Şekil
Sayfa
Şekil 2.1. Akciğer hastalıklarındaki toplam akciğer kapasiteleri ............................... 13
Şekil 2.2. Acil tıbbi yardımda dokümantasyon sistemi kullanarak afet kurtarma
koordinasyonu ......................................................................................... 20
Şekil 2.3. PDA tabanlı izleme için uygulama senaryoları ......................................... 21
Şekil 2.4. Mobil takip sistemimin mimarisi ............................................................... 22
Şekil 2.5. Sistem şeması ............................................................................................. 23
Şekil 2.6. Hasta bilgi akışı ......................................................................................... 24
Şekil 2.7. 3N elektronik tıbbi rapor iletim sistemi ..................................................... 25
Şekil 3.1. İleri beslemeli geri yayılımlı ağ modeli ..................................................... 30
Şekil 3.2. Tez çalışmasında geliştirilen sistemin mimarisi ........................................ 33
Şekil 3.3. Sistemin teknik tasarımı ............................................................................. 35
Şekil 3.4. Solunum fonksiyon testi değerlendirme akış şeması ................................. 37
Şekil 3.5. GOLD kural tabanlı modele göre sınıflandırma ........................................ 40
Şekil 3.6. Beş girişli, iki gizli katmanlı, üç çıkışlı çok katmanlı yapay sinir ağı ....... 43
Şekil 3.7. MIDlet menüsü .......................................................................................... 46
Şekil 3.8. MIDlet’de spirometre uygulamasının başlatılması .................................... 47
Şekil 3.9. Spirometre cihazından bluetooth ile verilerin aktarımı ............................. 48
Şekil 3.10. Solunum fonksiyon test sonuçları ............................................................ 48
Şekil 3.11. Spirometre alt menüsü ............................................................................. 49
Şekil 3.12. MIDlet ayarlar sekmesi ............................................................................ 50
Şekil 3.13. Spirometre ile ölçülen örnek veri kümesi ................................................ 51
Şekil 3.14. Akıllı cep telefonundan astım kontrol testinin cevaplanması .................. 52
Şekil 3.15. Darbe oksimetre ....................................................................................... 53
Şekil 3.16. Darbe oksimetre verilerinin cep telefonunda gösterilmesi ...................... 54
Şekil 3.18. Kronik akciğer hastalığı bakım sistemi web sayfası ................................ 58
Şekil 3.19. Kronik akciğer hastalığı bakım sistemi web sayfasında SFT verileri...... 59
xii
Şekil
Sayfa
Şekil 3.20. SFT verilerinin akış-hacim grafiği ........................................................... 60
Şekil 3.21. Mobil web sayfası kullanıcı ve şifre giriş ekranı ..................................... 61
Şekil 3.22. Mobil web sayfası .................................................................................... 62
Şekil 3.23. Mobil web sayfasındaki solunum fonksiyon test verileri ........................ 62
Şekil 3.24. Mobil web sayfasındaki darbe oksimetre verileri .................................... 63
Şekil 4.1. (a) Eğitim kümesi confusion matrix sonucu (b) Normal sınıfının
regresyon eğrisi ....................................................................................... 70
Şekil 4.2. (a) Eğitim kümesi Obstrüktif sınıfının regresyon eğrisi (b) Restriktif
sınıfının regresyon eğrisi ......................................................................... 71
Şekil 4.3. Eğitim kümesi ROC eğrisi ......................................................................... 71
Şekil 4.4. (a) Test kümesi Confusion matrix sonucu (b) Normal sınıfının
regresyon eğrisi ....................................................................................... 72
Şekil 4.5. (a) Test kümesi Obstrüktif sınıfının regresyon eğrisi (b) Restriktif
sınıfının regresyon eğrisi ......................................................................... 72
xiii
ÇİZELGELER LİSTESİ
Çizelge
Sayfa
Çizelge 3.1. Solunum fonksiyon testi referans denklemleri ...................................... 38
Çizelge 3.2. Solunum fonksiyon testi referans sonuçları ........................................... 39
Çizelge 4.1. Hastaların demografik özellikleri .......................................................... 64
Çizelge 4.2. Tıbbi testlerin analizinde kullanılan sınıflama ....................................... 66
Çizelge 4.3. 5-5-5-3 Mimarisi ile elde edilen farklı performans sonuçları ................ 69
Çizelge 4.4. Farklı ÇKA mimarilerinin performans sonuçları ................................... 74
xiv
SİMGELER VE KISALTMALAR
Bu çalışmada kullanılmış bazı simgeler ve kısaltmalar, açıklamaları ile birlikte
aşağıda sunulmuştur.
Simgeler
Açıklama

Öğrenme katsayısı

Momentum değeri
Kısaltmalar
Açıklama
ATS
American Thoracic Society (Amerika Solunum Topluluğu)
API
Application
Program
Interface
(Uygulama
Program
Arayüzü)
BMI
Body Mass Index (Vücut Kitle İndeksi)
AUC
Area Under Curve (Eğrinin Altında Kalan Alan)
CRC
Cyclic Redundacy Check (Çevrimsel Fazlalık Sınaması)
ÇKA
Çok Katmanlı Ağ
DSÖ
Dünya Sağlık Örgütü
ERS
European
Respiratory
Society
(Avrupa
Solunum
Topluluğu)
FEV1
Forced Expiratory Volume (Zorlu Nefes Verme Hacmi)
FVC
Forced Vital Capacity (Zorlu Vital Kapasite)
FEF25-75
Forced Expiratory Flow (Zorlu Nefes Verme Akışı)
GOLD
Global Initiative for Chronic Obstructive Lung Disease
(Kronik Obstrüktif Hastalıklar için Küresel Girişim)
GINA
Global Initiative For Asthma (Astım için Küresel Girişim)
HTTP
Hyper Text Transfer Protocol (Hiper Metin Aktarım
Protokolü)
KOAH
Kronik Obstrüktif Akciğer Hastalığı
xv
Kısaltmalar
Açıklama
KAHBS
Kronik Akciğer Hastalığı Bakım Sistemi
J2ME
Java 2 Micro Edition (Java Mikro versiyon)
MIDlet
Mobile Information Device let(Java Mobil Uygulama)
PEF
Peak Expiratory Force (Tepe Nefes Verme Gücü)
ROC
Receiver
Operating
Characteristic
(Alıcı
İşlem
Karakteristiği)
SMS
(Short Messaging Service) Kısa Mesaj Servisi
SFT
Solunum Fonksiyon Testi
SOAP
Simple Object Access Protocol (Basit Nesne Erişim
Protokolü)
XML
Extensible
Markup
Biçimlendirme Dili)
YSA
Yapay Sinir Ağı
3N
Üçüncü Nesil
Language
(Genişletilebilir
1
1. GİRİŞ
Günümüz bilgi çağında, bilgi ve iletişim teknolojilerindeki hızlı gelişmeler insanların
kültürel, sosyal, eğitim, sağlık alanlarındaki ihtiyaçlarında köklü değişimlere neden
olmuştur. Zaman ve mekân kavramı olmadan her zaman ve her yerden ihtiyaçları
karşılama ihtiyacı ortaya çıkmıştır.
Sağlık alanındaki mobil uygulamalar yeni kavramların oluşmasını sağlamıştır. Bu
kavramların en önemlilerinden birisi Teletıp’dır. Uzak merkezler arasında bilgi ve
iletişim teknolojilerini kullanarak tanı, tedavi, takip, değerlendirme amaçlarıyla
biyomedikal işaretlerin gönderilmesi, depolanması ve sağlık hizmetlerinin sunumuna
Teletıp (Telemedicine) denir [1]. Bu özellikler eğitim, yönetim, araştırma alanlarında
klinik ve klinik olmayan hizmetleri içerdiği durumda Telesağlık (TeleHealth) olarak
adlandırılmaktadır [2].
Sağlık hizmetlerinin nüfusla beraber maliyetinin artması, hastanın hastaneye gelme
sıklığını azaltma ihtiyacı, uzman doktorlardan daha etkin yararlanmak, hastalık ile
ilgili uzun süreli istatistikî bilgiye ulaşılmasıyla daha etkin tedavi yöntemlerini
belirlemek
gibi
etkenler
teletıp
uygulamalarının
başlamasına
ve
gittikçe
yaygınlaşmasına sebep olmuştur. Teletıp uygulamalarının sağladığı bazı avantajlar
aşağıda sunulmaktadır.
Birinci avantaj, hastalığın tanı ve tedavi sürecinde bölgesel farklılıkların ortadan
kalkmasıdır. Sağlık merkezlerine uzak olan hastalar da teletıp sayesinde sağlık
hizmetlerinden faydalanabilmektedirler.
İkinci avantaj, verimliliktir. Hastaların uzaktan takibi ile hastane masrafları azalacağı
gibi zamandan da tasarruf edilmektedir. Hasta nerede olursa olsun, hastaya ait veriler
uzman kişiler tarafından izlenebilmektedir.
Diğer bir avantaj ise hasta ve hasta bilgilerine istenildiği anda hemen
ulaşılabilmesidir. Yeni gelişmeleri takip etmek, ya da başka uzmanlara danışmak
2
hastalıkların tanısında ve tedavisinde hızlı, doğru ve etkili karar verilmesini
sağlamaktadır [3].
Teletıp uygulamalarının başlangıcı 1960’lı yıllara uzanmaktadır. İlk olarak 1964
yılında, Omaha’daki Nebraska Psikiyatri Enstitüsü ile Norfolk’taki State Mental
Hastanesi arasında, 180 km uzunluğunda kapalı devre televizyon sistemi kurulmuştur
[4]. Bu sistem uzmanlar arasında interaktif konsültasyonlar yapılabilmesini
sağlamıştır. Yine bu yıllarda Kuzey Amerika’da, uzman hekim bulunmayan kırsal
yerleşim alanlarına sağlık hizmeti vermek amacıyla özel hatlar kurularak teletıp
uygulamaları başlamıştır. 1968 yılında Massachusetts Hastanesi ile Boston Havaalanı
arasında kurulan video bağlantısı sayesinde havaalanında sürekli hekim bulunması
ihtiyacını ortadan kaldırmıştır [5]. 1968 yılında INTERACT programıyla Vermont
Üniversitesi kırsal alanlarda teletıp kullanılarak uzman doktorlardan konsültasyon ve
eğitim verilmiştir [6]. 1970 ve 1980’lerde, uydu iletişim tekniklerinin de gelişmesiyle
de beraber, uzak mesafelerde bulunan kliniklerle bağlantıların kurulabilmesi için
birçok proje başlatılmıştır. Özellikle A.B.D. ve Kanada’da çeşitli teletıp projeleri
başlatılmıştır. Maliyetlerin yüksek olması nedeniyle bu projelerin çoğu devam
ettirilememiştir. Almanya’da ise, Medkom çerçevesinde 30 hastane 1986’dan
günümüze, video konferans ile çalışmalarını sürdürmektedirler. Amerika ile Çin
arasında yapılan bir çalışmada da, Çin’deki hastaların tedavisinde Amerika’da ki
doktorların teşhise ve tedaviye yardımcı olmaları sağlanmıştır. Günümüzde ise,
bilişim ve iletişim sektörlerindeki gelişmelere paralel olarak teletıp uygulamaları da
gittikçe artmaktadır. Amerika, Kanada, Avustralya, İngiltere ve Almanya teletıp
uygulamalarında önde gelen ülkelerdir [3].
1.1. Teletıp Kullanım Alanları
Teletıp sadece hastanelerde değil askeri alanda, uzay araştırmalarında, cezaevlerinde
uzaktan konsültasyon amacıyla kullanılmaktadır. Aşağıda teletıpın bazı kullanım
alanları belirtilmiştir.
3
Uzaktan hasta takibi; Hastaya ait veriler uzak mesafeye iletilmek amacıyla çeşitli
elektronik
cihazlarla
alınır
ve
değerlendirilmek
üzere
izleme
merkezine
gönderilmektedir. Örneğin, uzaydaki astronotların kalp atış hızları, kandaki oksijen,
karbondioksit miktarı gibi veriler çeşitli yöntemlerle dünyadan izlenebilmektedir.
Yine teletıp ile sağlık merkezlerine uzak yerlerde çalışanların ya da hastane dışındaki
hastaların tıbbi verileri uzaktan takip edilebilmektedir. Bu kapsamda, doktora tez
çalışması da hastaların uzaktan gerçek zamanlı takibini zeki bir sistem ile
sağlamaktadır.
Hastalığın tanı ve tedavisi; Hastalığın tanısının konmasında zorlanıldığı durumlarda,
hastaya ait bilgi ve yapılan tetkikler, bilişim ve iletişim araçları aracılığıyla başka
merkezlere gönderilmektedir. Uzakta bulunan uzmanlar veya merkezler aracılığıyla
teşhis konulabilmekte ve tedavi düzenlenebilmektedir.
Tıbbi eğitim ve araştırma; Veritabanlarına erişim ve özel seminerler ile tıp
merkezlerine uzakta bulunan sağlık personeli ve hastalar için sürekli bir eğitim ve
araştırma olanağı sağlanmaktadır [3].
1.2. Evde Bakım Sistemi
Evde bakım, tek bir olgu ya da çok boyutlu bir kavram yerine, bir olgular grubu
olarak tanımlanmaktadır. Evde bakım, kişiye kendi evinde profesyoneller tarafından
verilen temel önlemlerden yaşlılıktaki rahatlatıcı bakıma kadar olan bütün
etkinliklerdir. Sonuçta, evde bakım hizmeti, kişiye kendi evinde profesyoneller
tarafından verilir. Evde bakım, önleyici sağlık hizmetlerine ilişkin ev ziyaretlerinden
yaşam sonu bakımına kadar geniş bir etkinlik yelpazesini kapsar. Evde bakımla ilgili
kavramların tanımları ve kullanımı konusunda çeşitlilikler bulunmaktadır [7].
Evde bakım sistemi kavramı ülkeler arasında farklı sözcüklerle ifade edilmektedir.
Amerika Birleşik Devletleri’nde (ABD) evde bakım (home care), evde sağlık bakımı
(home health care), evde hemşirelik (home nursing), Batı Avrupa’da, evde sağlık
4
bakımı (home health care), ev ziyareti (home visiting), Fransa’da ise evde bakım ve
yaşam sonu desteği (home care - fin de vie) şeklinde kullanılmaktadır [8, 9].
Dünya Sağlık Örgütü’ne (D.S.Ö.) göre; “Evde bakım, hizmeti alanlara kendi
evlerinde sağlanan bir dizi sağlık ve sosyal destek hizmetleri” şeklinde
tanımlanmaktadır. Evde bakım hizmeti, sağlık hizmetlerini bireylere ve ailelerine
yaşadıkları ortamda almayı, sağlığı düzenlemek ya da hastanın bağımsızlığını en üst
düzeye çıkarmak için oluşturulmuş hizmetlerdir [10].
Geleneksel evde bakım hizmetinde uzman hemşireler sabit ve sınırlı sayıda hastaları
ziyaret etmektedir. Ziyaretlerdeki tüm aktiviteler hemşire tarafından kontrol
edilmektedir. Söz konusu ziyaretlerde hayati öneme sahip biyomedikal sinyaller
kaydedilmekte, hastanın terapi programının genel değerlendirilmesi yapılmakta,
ziyaret sırasında gözlemlenen ihtiyaçlar hakkında tıbbi eğitim ve ilaç verilmektedir
[11].
Türkiye’de, Sağlık Bakanlığınca hazırlanan Evde Bakım Hizmetleri Sunumu
hakkındaki yönetmelikte evde bakım; hekimlerin önerileri doğrultusunda hasta
kişilere, aileleri ile yaşadıkları ortamda, sağlık ekibi tarafından rehabilitasyon,
fizyoterapi, psikolojik tedavi de dahil tıbbi ihtiyaçlarını karşılayacak şekilde sağlık ve
bakım ile izlem hizmetlerinin sunulması şeklinde tanımlanmaktadır. Bu tanımda,
diğer evde bakım hizmetleri tanımlarından farklı olarak, hizmetlerin hekim odaklı
olarak yürütülmesine önem verilmiştir. Bu yaklaşımda, Türk insanının sağlık
hizmetlerinin sunumunda esas unsur olarak hekimi görmesinin etkili olabileceği
düşünülmektedir.
Evde Bakım Sisteminin Hedefi
Evde bakımın genel hedefi olan, evde bakım alanların avantajları; “hastaların rahat
yaşamaları ve yaşam kalitelerini geliştirmeleri veya devam ettirmeleri amacıyla
hizmeti alanlar için en iyi alternatif olduğu” görüşüne dayanmaktadır. Bu hizmetlerin
5
hedefinde; yaşam kalitesini artırmak, hizmeti alanların iyi olma durumunu en üst
düzeyde korumak ve sürdürmek amacı bulunmaktadır. Evde bakım, hastane bakımı
ile karşılaştırıldığında, en etkili bakım türü olarak kabul edilmekte olup, evde kalmak,
kendi içinde olumlu bir amaç olarak düşünülmektedir. Kronik hastalığı olanlar için
evde bakımın hedefleri açıkça tanımlanmıştır. Ancak, son dönemdeki hastalar için
hedefler, kalan yaşam kalitesini artırmak için fiziksel ve zihinsel rahatlık sağlamak ve
hastaların büyük bölümünün tercih ettiği gibi ölümün ev ortamında gerçekleşmesini
sağlamaktır. Evde bakımın diğer bir hedefi, hastanın günlük yaşam etkinliklerini
yapabilmesine olanak sağlamaktır [12].
Teknolojik Gelişmelerin Evde Bakım Sistemlerine Etkisi
Evde bakım hizmetlerinde sağlık personelinin, hastaların gereksinim ve beklentilerine
cevap verebilmesi için taşınabilir tıbbi cihaz ve malzemelere gerek vardır. Bu
nedenle, evde bakım hizmetleri için artan teknolojik kapasiteyi kullanan cihaz ve
malzemelere gereksinim duyulmaktadır. Bu cihaz ve malzemelerin çeşitliliği ve
işlevselliği bu hizmetlerin kapsamını genişletmektedir. Evde bakım hizmetlerinde
iletişim ve ulaşım teknolojisinden yararlanma, hizmetlerin değerlendirme, planlama,
uygulama ve izlem sürecini kolaylaştırmaktadır. Evde bakım hizmetleri çeşitli
hastalıklar için uygulanabilir olmakla birlikte, hizmet götürülen hasta grupları içinde
daha öncelikli olanlar vardır. Bunların başında ağır hastalar, temel gereksinimlerini
sağlayamayacak durumda olan yaşlılar, kanser hastaları, kronik hastalar ve psikiyatri
hastaları gelmektedir. Evde bakım hizmetlerinin üç temel işlevi vardır. Bunlar;

Bireysel gereksinimlerle ilgili bakım,

Önlem amaçlı eylem ve değerlendirmeler,

Hastaneden taburcu olma sonrası eylem ve değerlendirmelerdir.
Evde bakım hizmeti; yaşam kalitesini artırması ve hastane günlerini azaltmasından
dolayı toplumsal yarar sağlamaktadır [12, 13].
6
Türkiye Kronik Hava Yolu Hastalıkları Önleme ve Kontrol Programı
Sağlık Bakanlığı evde bakım için 2009 yılında 444 38 33 nolu çağrı merkezini
devreye almasıyla beraber kronik hava yolu hastalıklarını önleme-kontrol programı
ve eylem planını uygulamaya almıştır. Bu kapsamda kronik hava yolu hastalıkları ile
daha etkili, verimli mücadele etmek, farkındalığın sağlanması, hastalığın erken
dönemde saptanması ve gelişiminin önlenmesi amaçlanmaktadır [14]. 2008 yılında,
kronik akciğer hastalarının ev ortamında gerçek zamanlı ve zeki bir sistem ile takibini
sağlaması amacıyla doktora tezine başlanmıştır. Sağlık Bakanlığının da 2009 yılında
hastaların evden takip ve tedavisini sağlayacak eylem planını başlatmasıyla doktora
tezinin önemi ortaya çıkmıştır.
Teletıp kapsamında yapılan doktora çalışmasında kronik akciğer hastalarının mobil
iletişim teknolojisi ile takibi için zeki bakım ve acil tıbbi yardım sistemi
geliştirilmiştir. Söz konusu alanda çalışma yapılmasının nedenleri aşağıda
sunulmaktadır;

Dünya Sağlık Örgütü(D.S.Ö.) verilerine göre kronik akciğer hastalıklarının
ölüme neden olan, bireylerin yaşam kalitesini ve verimliliğini azaltan
hastalıklar sıralamasında üst sıralarda yer alması ( Ülkemizde KOAH 3.
sırada),

Ülkemizde yaklaşık 4 milyon Astım, 3 milyon KOAH hastası bulunması[15],

Kronik akciğer hastalıklarının yavaş ilerlemesi ve uzman hekim tarafından
hastanın sürekli takip edilme ihtiyacı,

Nüfusla ve sürekli takip ihtiyacı nedeniyle sağlık hizmetleri maliyetinin
artması, hastanın hastaneye gelme sıklığını azaltma ihtiyacı,

Yaşlı nüfusun giderek artması,

Hastane sayısının yetersizliği ve büyük şehirlerdeki ulaşım zorluğu,
7

Kronik akciğer hastalıklarından KOAH ve Astımın takibinde solunum
fonksiyon test değerlerinin, akciğer grafiği ve akciğer seslerine göre daha
doğru sonuç vermesidir(Astımda Akciğer grafiği sonucu normal olabilir).
Ayrıca, literatürdeki son çalışmalar kronik akciğer hastalarının kendi kendine
yönetmede, ilaç kullanma düzenlerinde sıklıkla hatalar yaptığını göstermiştir. Yine
aynı çalışmalar hastaların kendi bakım planlarını takip edebilmeleri için yeni bir
yaklaşım geliştirmenin gerekli olduğunu ortaya koymuştur [16, 17].
Tez çalışması, uzman doktorların evinden de erişebileceği, hastalığın takibi amacıyla
uzak merkezler arasında hasta ile uzman doktoru bir araya getiren, mobil iletişimin
getirdiği yenilikleri kullanan, zaman ve mekânı ortadan kaldıran bir sistemdir. Bu
amaçla solunum fonksiyon test(SFT) değerleri sezgisel olarak yapay sinir ağı ile
değerlendirilip hastalık sınıflandırılmakta ve darbe oksimetre verileri kural tabanlı
değerlendirilmektedir. Böylece, hekime hastanın durumu hakkındaki bilgi verilmesi,
hastanın kendi durumunu anlaşılabilir formatta takip etmesi sağlanmaktadır. Darbe
oksimetre ile ölçülen oksijen konsantrasyonu ve kalp atışı özellikle KOAH
hastalarının takibinde önemlidir. Hastanın oksijen konsantrasyonu 80%’nin altında
ise veya kalp atış sayısı (Nabız) 40’ın altında veya 150’nin üzerinde ise hastanın acil
durumu olduğu kabul edilmektedir. Söz konusu eşik değerler değiştirilebilir
özelliktedir. Ayrıca akıllı cep telefonu üzerinde yapılan ileri beslemeli geri yayılım
yapay sinir ağı sınıflandırma sonucu KOAH ise de hastanın acil duruma sahip olduğu
kabul edilmektedir. Hastanın SFT ve darbe oksimetre verilerinde acil durum yok ise
sadece
hastaya
biyomedikal
verileri
içeren
bilgilendirme
SMS
mesajı
gönderilmektedir. Verilerin uzaktan sürekli takip edilmesinde acil durum var ise,
örneğin kalp atışı veya SPO2 eşik değerlerin dışında ise veya SFT sınıflandırma
sonucu KOAH ise, doktora hasta veri ve bilgilerini içeren SMS mesajı, hastaya ise
tavsiye SMS mesajı gönderilmektedir. Doktor hastanın biyomedikal verileri ve
sınıflandırma sonucunu içeren bilgilendirme SMS mesajını değerlendirerek, gerekli
ise ambulansı hastaya yönlendirerek hastaya müdahale edilmesi sağlanabilmektedir.
Çalışmayla hastalık ile ilgili uzun süreli istatistikî bilgiye ulaşılarak, daha etkin tedavi
8
yöntemleri belirlenebilmektedir. Ayrıca hastaların uzaktan takibi ile hastaneye gitme
sıklığı, tedavi ve takip maliyetleri azaltılacağı gibi zamandan da tasarruf edilebileceği
düşünülmektedir. Bunlara ilaveten hastaya ait veriler istenildiği zaman normal ve
mobil web sayfasından takip edilebilmektedir. Web sayfasında, hasta ve doktor
birbirlerine e-posta gönderebilmektedir. İfade edilen özelliklere sahip sistemin
hastaların yaşam kalitesini artıracağı düşünülmektedir.
Tez çalışması beş bölümden oluşmaktadır. Giriş bölümünden sonraki ikinci bölümde
mobil sağlık ve kronik akciğer hastalığının tanı, tedavi ve takibi ile ilgili açıklayıcı
bilgiler verilmektedir. Üçüncü bölümde, geliştirilen kronik akciğer hastalığı bakım
sistemi yazılımı anlatılmaktadır. Dördüncü bölümde, sistemin hastalar üzerinde
uygulanması ve Atatürk Göğüs Hastalıkları ve Göğüs Cerrahisi Araştırma
Hastanesinden alınan verilerin yapay sinir ağı ile eğitim ve testinin performans analiz
sonuçları verilmektedir. Beşinci bölümde ise tez çalışmasından elde edilen sonuçlar
açıklanmıştır.
9
2. MOBİL SAĞLIK
Mobil sağlık, sağlık hizmetleri için iletişim teknolojisi, tıbbi algılayıcı ve mobil
bilgisayar kullanımı olarak tanımlanmaktadır. Bu yeni tanım, e-sağlık sistemlerinin,
geleneksel teletıp platformundan kablosuz ve mobil yapılandırmaya dönüşümünü
temsil etmektedir. Kullanımı artan ve giyilebilen teknolojilerdeki gelişmelerle beraber
kablosuz haberleşmede mevcut olan ve yeni ortaya çıkan gelişmelerin gelecekteki
sağlık hizmetlerinin sunumunda önemli değişiklere neden olacağı düşünülmektedir
[18].
Kişisel sunucularda, WPAN, WLAN, WAN vb. uzak bağlantı topolojileri ile
kablosuz olarak teletıp sunucularına küresel bağlantı sağlamaktadır. Bu iki alandaki
gelişmeler cep telefonu ve taşınabilir akıllı cihazlarda(PDA vb.) hızlı ilerlemeleri
tetiklemiştir[19]. Belirtilen yenilik ve özellikleri kullanan tez çalışması mobil sağlık
kapsamında değerlendirilmektedir.
2.1. Mobil Sağlık Sistemlerinde Kullanılmakta Olan Teknolojiler ve Kısıtları
Biyomedikal alanında kablosuz izleme, kalp atışı, kan basıncı, kan oksijen
konsantrasyonu,
EKG,
EEG
vb.
biyomedikal
işaretlerin
takip
edilmesini
kapsamaktadır. Örneğin, GPRS tabanlı 2.5N iletişim teknolojisi ile söz konusu
işaretlerin takip edilmesinde bazı kısıtlamalar mevcuttur. Bunlardan bazıları [20];

Standart ve farklı mobil iletişim teknolojileriyle esnek ve beraber çalışmadaki
sorunlar,

Haberleşme servisleri, cihazlarıyla bağlantı ve uyumda işletim zorlukları,

Yüksek maliyetli ve düşük hızlı veri transfer ücretleri,

Sağlık hizmetlerinin sunumunun karmaşık bir sektör olması, e-sağlık ve
mobil-sağlık sistemlerinden yararlanmak için organizasyonel değişikliğe
ihtiyaç bulunması,
10

Sağlık bakım uzmanlarının ve doktorların, mobil sağlık sistemlerinin kısa ve
uzun vadeli yararlarını tam olarak kavrayamaması,

Mobil sağlık sistemlerinin ücretlendirilmesi ve geri ödenmesinde henüz tam
bir gelişme ve standardın olmaması,

Mobil sağlık sistemlerin, hastane bilgi sistemi, tıbbi kayıt vb. sistemlerle
uyumlu çalışmasındaki eksikliklerdir.
3N Kablosuz İletişim Teknolojisinin Mobil Sağlık Sistemlerine Etkisi
Kablosuz iletişim ve mobil şebeke teknolojilerindeki gelişmeler, mobil sağlık
sistemlerinde tetikleyici etkiye sebep olmuştur. Üçüncü nesil(3N), yeni nesil mobil
teknolojilere verilen genel addır. 3N’de klasik frekans veya zaman çoklu iletişim
(multiple access) tekniklerinden prensip olarak farklı olan kod bölmeli çoklu erişim
CDMA (Code Division Multiple Access) teknolojisi kullanılmaktadır. 3N’in en
önemli özellikleri; TDMA (Zaman bölmeli çoklu erişim), CDMA(Kod bölmeli çoklu
erişim) vb. erişim tekniklerini tek çatı altında toplaması, 0-40 km/saat arasında, 2
Mbit veri iletişimi sağlaması, görüntülü konuşmayı sağlaması, konumlandırma
servislerini sağlamasıdır. 3N ile gelen yüksek veri transfer hızı, iletiminde büyük
zorluklar ve gecikmeler meydana gelen biyomedikal işaretlerin daha hızlı ve güvenli
iletilmesini sağlamıştır [21, 22]. Doktora tez çalışmasında, hasta verileri akıllı cep
telefonundan
uzak
merkezdeki
sunucuya
tercihe
bağlı
olarak
3N
ile
gönderilebilmektedir.
Hasta ile Taşınabilir Cihaz Arasında Kullanılan Mobil İletişim Teknolojileri
Mobil sağlık sistemlerinde, hastadan çeşitli biyomedikal işaretlerin taşınabilir cihaza
kablosuz iletilmesinde sıklıkla bluetooth ve zigbee teknolojileri kullanılmaktadır. Tez
çalışmasında spirometre ve darbe oksimetreden ölçülen veriler akıllı cep telefonuna
bluetooth iletişim teknolojisi ile gönderilmektedir.
Bluetooth, 1994 yılında Ericsson tarafından cep telefonları ve cep telefonu
11
aksesuarları arasında kablosuz iletişim kurulabilmesi için geliştirilen düşük güç
tüketimli, düşük maliyetli radyo arabirimidir. Bluetooth ile diğer çözümler arasındaki
en belirgin fark, bluetooth ile birden çok cihazın birbirleri ile aynı anda iletişim
kurabilmesidir. Örneğin bilgisayar, PDA vb. cihazlara kablosuz noktadan noktaya
yada noktadan çoklu noktaya bağlantı sağlanmaktadır. Bluetooth teknolojisindeki
radyo bağlantısıyla, kızıl ötesi iletişim teknolojisindeki gibi, görsel temasa ihtiyaç
duyulmamaktadır. Diğer standartlarda olduğu gibi bluetooth da 2,45 GHz ISM
bandını kullanmaktadır. Parazitleri büyük ölçüde önleyebilmek için frekans atlama
yöntemine başvurulmaktadır. Bluetooth ağı içerisindeki cihazlar 10-100 metre alan
içerisinde, 400 kb/sn simetrik veya 700-150 kb/sn. asimetrik veri iletimi
sağlamaktadır [22].
2.2. Kronik Akciğer Hastalıklarının Tanı, Tedavi ve Takibi
Akciğer hastalıklarının tanı, tedavi ve takibi için oskültasyon (Akciğer seslerinin
stetoskopla dinlenmesi), radyolojik görüntüleme ve solunum fonksiyon testi
(spirometre testi) yöntemleri kullanılmaktadır.
Radyolojik görüntülemede bilgisayarlı tomografiyle akciğer grafiği çekilmektedir.
Akciğer grafileri halen en fazla talep edilen tetkiklerin başında gelmektedir. Akciğer
grafiğinde, grafinin çekilmesi sırasında, banyo sürecinde yapılan hatalar ile birlikte
bazı hastalıklar (bronşektazi, intersitisiyel akciğer hastalığı gibi) doğrudan akciğer
grafiğinde görülmemektedir [23]. Diğer yandan radyolojik görüntüleme yöntemleri
radyoaktif etkiye sahiptir ve bir insanın kümülatif olarak x ışınlarının etkisine maruz
kalması kanser riskinin ve bazı bozuklukların gelişmesine sebep olabilmektedir.
Aynı zamanda hamile bayanlar için de kullanılması olanaksız olmaktadır. Buna
ilaveten astım tanısında akciğer grafiği sonuçlarının genellikle normal görülmesi bu
yöntemin önemini azaltmaktadır [24].
Oskültasyonda ise fiziksel bir muayene sırasında doktorun hastanın göğüs duvarında
oluşan sesleri stetoskopla dinleyerek soluk borusu, bronşiyal ağaç ve akciğerlerdeki
12
hava akışını yorumlayabilmek için kullanılan bir yöntemdir [25]. Klasik stetoskop
ile oskültasyon, farklı ses örüntüleri arasında ayrım yapmak için oskültasyonu
yapan bireyin kendi duyma özelliklerine, deneyim ve kabiliyetine bağlı olan bir
süreçtir. Diğer biyomedikal sinyaller (kalp ve kas sesleri) ile akciğer seslerinin
birbirine karışması, stetoskobun kulaklığının hekimin kulağına iyi oturmamasından
dolayı dış çevredeki seslerin de duyulması gibi dezavantajları da vardır [26].
Solunum fonksiyon testi akciğer hastalığının tanı, tedavi ve takibi sürecinde
kullanılmaktadır. Bu test hastanede yapılabildiği gibi evde de yapılabilmektedir. Evde
yapılan tedavi sürecinin takibinde solunum fonksiyon testinin bilgisayarla analizi,
görsel içerik sağlaması, basit, müdahaleci olmayan (non-invazif) bir yöntem olması,
dinlemeye göre potansiyel tanı değerini artırması ve mevcut tanısal metotlara
tamamlayıcı olması yönünden daha etkili olduğu düşünülmektedir. Tez çalışmasında
da tanısı konulmuş hastaların takibi solunum fonksiyon test sonuçları ile
sağlanmaktadır.
Kronik Akciğer Hastalıkları
Kronik hastalıklar, çok uzun süre devam eden ve tam olarak tedavi edilemeyen
hastalıklardır. Kronik obstrüktif akciğer hastalığı (KOAH) ve astım, kronik akciğer
hastalıkları içinde yaygınlığa ve ölümlülüğe neden olan hastalıklar arasında ilk
sıralarda yer alan ve bireylerin yaşam kalitesini önemli ölçüde etkileyen
hastalıklardır. Akciğer hastalıkları iki gruba ayrılmaktadır. Bunlar obstrüktif ve
restriktif hastalıklardır. Obstrüktif hastalıklarda (KOAH, astım, kistik fibrozis) hava
yolu direnci artmıştır. En önemli göstergesi FEV1 ve FEV1/FVC değerindeki
azalmadır. Restriktif hastalıklarda (pnömani, fibrozis, atelektazi) akciğer kompliansı
(basınç değişikliğinin sebep olduğu hacim değişikliği) azalmaktadır. En önemli
göstergesi FVC değerindeki azalmadır. FEV1 değeri de FVC değerine bağlı
azalmakta ve FEV1/FVC değeri normal olarak kalmaktadır [27, 28]. Şekil 2.1.’de
akciğer hastalıklarındaki toplam akciğer kapasiteleri gösterilmektedir.
13
Şekil 2.1. Akciğer hastalıklarındaki toplam akciğer kapasiteleri [27]
Tez çalışmasında da bireyin solunum fonksiyon test sonuçları akıllı cep telefonu
üzerinde ileri beslemeli geri yayılımlı çok katmanlı yapay sinir ağları kullanılarak
sınıflandırılmasıyla normal, obstrüktif, restriktif sonuçlar elde edilmektedir.
Sınıflandırma sonucu obstrüktif ise hastanın rahatlatıcı ilaç kullandıktan sonra
solunum fonksiyon testini tekrarlaması sağlanmaktadır. Böylece son ölçüm sonucu ile
daha önceki ölçümlerin FEV1 değerinin ortalaması arasında %12 veya 200 ml fark
olduğu durumda akciğer hastalığının geri dönüşümlü olduğu anlaşılmakta ve hastanın
durumunun astım olduğu bulunmaktadır. İlaç kullanımı sonucunda hastanın FEV1
değerinde değişiklik yok ise, bir başka değişle hastalık geri dönüşümlü değil ise,
hastanın KOAH olduğu anlaşılmaktadır [60].
D.S.Ö. (Dünya Sağlık Örgütü), KOAH’ın dünya genelinde ölüme neden olan
hastalıklar arasında 2002 yılında 5. sırada yer aldığını açıklamıştır. Risk faktörlerini
azaltmaya yönelik acil önlem alınmazsa, KOAH’ın önümüzdeki 10 yıl içinde
%30’dan daha fazla artacağını ve 2030 yılında ölüme neden olan hastalıklar arasında
3. sıraya yükseleceğini bildirmiştir [29]. KOAH ülkemizde de önemli bir sağlık
problemi olup 2004 yılı raporunda ölüme neden olan hastalıklar arasında 3. sırada yer
14
almaktadır. KOAH Türkiye’deki toplam hastalık yükünün %2,8’ini, Astım %1,25’ini
oluşturmaktadır. Türkiye 18 yaş üzeri astım sıklığı %3,87’dir. Cinsiyete göre astım
sıklığı erkeklerde %3,11 ve kadınlarda %4,44’dür [30].
Yine D.S.Ö. tahminlerine göre 2005 yılın raporunda 300 milyon insan astımdan zarar
görmüş ve 255,000 insan astımdan vefat etmiştir [31].
KOAH
Kronik obstrüktif akciğer hastalığı, kronik bronşit ve amfizeme bağlı genellikle geri
dönüşümü olmayan ve ilerleyici hava akımı kısıtlaması olarak tanımlanmaktadır.
KOAH'lı hastalarda en önemli belirtiler öksürük, balgam çıkarma, nefes darlığı ve
hırıltılı solunumdur. Hastalığın erken dönemlerinde genellikle hiçbir belirti görülmez.
Hastaları hastaneye getiren en önemli nedenlerden biri de hastalığın seyri sırasında
görülen akut ataklardır.
KOAH
tedavisinin
amaçları
hastalığın
ilerlemesini
önlemek,
semptomları
iyileştirmek, egzersiz toleransını arttırmak, akut atakları önlemek ve tedavi etmek,
komplikasyonları (enfeksiyon, pulmoner emboli, kalp yetmezliği v.b) önlemek ve
tedavi etmek, yaşam süresini uzatmak ve yaşam kalitesini yükseltmektir. Genellikle
belirlenen hedefler; sigaranın bıraktırılması, çevresel ve mesleki nedenli maruz
kalmanın kontrolü, uzun süreli tedavi ve akut atakların tedavisini kapsamaktadır [32].
Astım
Astım, havayollarının artmış bronşiyal aşırı duyarlılığın eşlik ettiği, geri dönüşümlü
kronik iltihaplanma hastalığıdır. Klinik açıdan astım, tedaviyle veya kendiliğinden
düzelebilen hava yolu tıkanıklığıdır. Hastalık hem küçük (<2 mm), hem de büyük
havayollarını ilgilendirmektedir. Tekrarlayıcı öksürük, hırıltılı solunum atakları,
göğüste sıkışma hissi, değişik derecelerde nefes darlığı en önemli belirtilerdir.
15
Belirtiler genellikle gece veya sabahın erken saatlerinde ortaya çıkmaktadır [33].
Astım da hasta, tedavi sonucunda normal sağlığına kavuşabilmektedir.
Bronşiyal astım her yaşta görülebilen, çocukluk döneminin en sık, en uzun süren
kronik hastalıklardandır. Hastaların % 30’unda başlangıç 1 yaş civarında olup, % 8090’da ilk belirtiler 4-5 yaşlarından önce ortaya çıkmaktadır. Hastalık ergenlik
öncesinde erkeklerde kızlara oranla 2 kez daha yüksektir. Daha büyük yaşlarda her iki
cinste de eşit olarak görülmektedir.
Astımın toplumda görülme sıklığı ve ölümlülüğü kentsel toplumları etkilemesi
bakımından gittikçe büyüyen bir problemdir. Sebebi kesin olarak açıklanamamakla
birlikte birçok ülkeden bildirilen güvenilir araştırmalar, teşhis ve tedavi alanındaki
ilerlemelere rağmen bu hastalığa bağlı ölümlülüğün giderek arttığını göstermektedir
[34]. Hastalığın dünya üzerindeki dağılımı, ülkeden ülkeye veya bazen bir ülkede
bölgeden bölgeye değişim göstermektedir. Ayrıca, son yıllardaki hastalıkların insan
gruplarında görülme sıklığı ile ilgili çalışmalarda astım yayılımının giderek arttığı
görülmektedir. Bu artışın kapalı yerlerde yaşama, tozlar, akarlar gibi ev içi
allerjenlerle ilişkili olduğu düşünülmektedir. Astım gelişimi ile ilişkili diğer risk
faktörleri arasında düşük doğum ağırlığı, sigara içimi ve dumanı, havayolları
iltihaplanmaları, sosyoekonomik durum, ailede astım veya alerji hikâyesi, yaş,
cinsiyet, diyet, çevresel ve genetik faktörlerdir [35, 36].
Astım Krizi
Astım hastası krize girdiğinde salbutamol veya terbutalin içeren sprey veya toz
formundaki ilaçları kullanmaktadır. İlk bir saat içinde 20 dakika arayla 2-4 puff
alınmaktadır. Bu süreç sonunda yakınmalar biterse 24-48 içerisinde her 4-6 saatte bu
ilaçlar kullanılmaktadır. Şikâyetler düzelmezse hekime başvurulmaktadır. Astım
krizinin ölümcül olduğunu gösteren göstergeler;

Şikâyetlerin çok şiddetli olması, uzun sürmesi,
16

Hastada morarma olması,

Kalp atışı seviyesinin 120 den fazla olması ve nabzın düzensizleşmesi,

Hastanın konuşurken cümleleri tamamlayamayıp kelimeler arasında soluk alıp
vermesidir.
Kronik Akciğer Hastalıklarında Kullanılan İlaçlar
Astım, KOAH(kronik bronşit ve/veya amfizem), kistik fibrozis, bronşektazi ve alerjik
nezle havayolu hastalıklarının tedavisinde nefes açıcı(bronkodilatör), iltihap
giderici(antienflamatuar), antibiyotik, balgamı sulandırıcı(ekspektoran, mukolitik)
ilaçlar ve oksijen en sıklıkla nefes yoluyla uygulanan ilaçlardır. Bu ilaçlardan sprey
türü ilaçlar etkisini direk gösterirken diğerleri uzun süre sonra etkisini göstermektedir.
Solunum yoluyla ilaç uygulama modelleri;

Ölçülü doz inhalatörler (Sprey türü ilaçlar)

Kuru toz inhalatörler

Nebulizörler (Buhar makinaları) dir [36, 37] .
Kullanılan ilaçlar rahatlatıcı ve tedavi edici olmak üzere ikiye ayrılmaktadır.
Rahatlatıcı ilaçlar, hasta krizde iken veya şikâyeti olduğunda kullanılan kısa süreli
etkili olan sprey veya kuru toz türü ilaçlardır. Steroid hormonları ise tedavi edici
ilaçlar arasında yer almaktadır. Söz konusu hormonların önemli yan etkileri
bulunmaktadır.
2.3. Mobil Sağlık ve Kronik Akciğer Hastalıkları Alanında Literatürde Yapılan
Çalışmalar
Literatürde, mobil sağlık ve akciğer hastaları alanında birçok çalışma bulunmaktadır.
Bu bölümde bu çalışmalardan öne çıkanlar sunulmaktadır.
17
Eduardo ve arkadaşlarının gelişmiş 3N tabanlı mobil sağlık sistemi adlı çalışmasında,
ambulanstaki personel ile uzaktaki hastanede bulunan bir uzman hekim arasında
üçüncü nesil(3N) ile mobil erişimin gerçekleştirilmesi, ayrıca gerçek zamanlı olarak
biyomedikal işaretlerin ve video konferansın diğer gerçek zamanlı olmayan
servislerle beraber kullanılarak iletilmesi anlatılmaktadır. Sistem uygun sıkıştırmaaçma yöntemleri (codecs) ve servis kalitesi(QoS) mekanizmasını kullanmaktadır [38].
KOAH’ın bakımı için Teletıp deneyimi adlı 157 hasta üzerinde yapılan çalışmada
profesyonellerin desteğinde bütünleşmiş evde hasta bakım hizmetlerinin yaşam
kalitesini artırdığı ve hastaların %51 oranında hastaneye yeniden kabulünde azalma
sağladığı belirlenmiştir. Hastalar web tabanlı hasta yönetim modülüne her zaman her
yerden ulaşabilmekte, hastaların kaydı tutulmakta, hastalara ihtiyaç duydukları bilgi
iletilmekte, ilave eğitim materyalleri ile hasta bilgilendirilmekte, gerektiğinde
buradaki kayıtlara göre evde hasta ziyareti yapılmakta, kan basıncı, solunum
fonksiyon değerleri(Spirometre ile alınıyor), kalp atışları, oksijen konsantrasyonu gibi
biyomedikal işaretler sisteme GSM/GPRS bağlantısı üzerinden aktarılmaktadır [39].
Morón ve arkadaşlarının darbe oksimetre algılayıcıları için kablosuz bir izleme
sistemi adlı çalışmada, bir veya birçok kullanıcıdan bluetooth ile oksijen
konsantrasyonu ve kalp atışı işareti alınmakta ve bu biyomedikal işaretler WiFİ ve
GPRS ile iletilmektedir. Böylece tek bir merkezden birçok hastanın oksijen
konsantrasyonu ve kalp atışı görüntülenmektedir [40].
Rasmussen ve arkadaşlarının astımın internet destekli takibi çalışmasında ve
literatürdeki diğer çalışmalar, hastalıkların tedavi ve izlenmesinde internet tabanlı
teknolojilerin yararlı olduğunu göstermiştir. Astımın internet tabanlı izlenmesi
çalışmasında astım tedavisinin optimizasyonu amacıyla internet teknolojisinden
yararlanılmıştır. İnternet tabanlı izleme, uzman eşliğinde izleme, İnternet tabanlı ve
uzman eşliğinde izleme grupları birbiri ile karşılaştırılmıştır. İnternet tabanlı izleme
grubunda
görülen
astım
semptomlarında,
yaşam
kalitesinde,
akciğer
18
fonksiyonlarında, havayolu cevabında önemli gelişmeler olduğu gözlenmiştir. PEF
değerinin günlük değişimi %15-20 olmasıyla ve bronkilatör kullandıktan sonra
FEV1'de artış ile solunum yollarındaki gelişme görülmüştür. Yaşam kalitesi de
yapılan anket ile takip edilmiştir [41].
Finkelstein ve arkadaşlarının, internet destekli astımı evden uzaktan izleme sistemi
çalışmasının amacı, evde kendi kendine spirometre testinin geçerliğini test etmek ve
astım
hastaları
tarafından
internet
temelli
çalışmanın
kullanılabilirliğini
değerlendirmektir. Bu amaçla, hastalar üç hafta süreyle günde iki defa spirometre
testlerini(Solunum fonksiyon testleri) gerçekleştirmişler. Bu süre sonunda uzman
kişiler hastaları ziyaret etmiş ve onların eşliğinde söz konusu testler tekrar yapılmıştır.
Standart bir test anket kullanarak hastaların bu teknolojiye karşı olan davranışları ve
testlerin geçerliliği değerlendirilmiştir. SPSS t testi sonucunda evi ziyaret edilip
teknik destek verilenler ile verilmeyenler arasında bir farklılığın olmadığı
gözlenmiştir. Ölçümlerdeki FVC, FEV1, PEF değişimi diğer çalışmalarda bulunan
sonuçlarla benzerdir. Çalışmaya katılan hastaların %71’inin bilgisayar altyapısı
olmasına rağmen sistemi karmaşık değil ya da az karmaşık olarak bulmuşlardır.
Hastaların %87.1’i sistemi beğenmiştir. Çalışma sonucunda hastaların kendi kendine
yaptığı spirometre testinin geçerli olduğu ve uzman eşliğinde yapılan test ile
karşılaştırılabileceği gösterilmiştir. Söz konusu çalışma bilgisayar altyapısı olmayan
hastalara başarıyla uygulanmıştır [42].
Finkelstein ve arkadaşlarının astımlı hastaların kendi kendine bakımı için hastaların
evden uzaktan izleme sisteminin geliştirilmesi ve uygulanması sunulmuştur.
Çalışmanın amacı Amerikan ulusal astım eğitimi ve önlenmesi programı kapsamında
sağlık uzmanlarının astım hastalarının bakım süreçlerini takip etmesini, astım
hastalarının kendi bakım planlarını takip etmesini ve uymasını amaçlayan astımı
evden uzaktan izleme sistemini tasarlamak ve değerlendirmektir. Böylece potansiyel
tehlikeler önceden tanımlanmakta ve zamanında müdahale edilebilmektir. Çalışmada
hastaya hastalığı ile ilgili anket soruları sorulmuş, pefmetreden elde edilen PEF değeri
ve hastalıkla ilave bilgiler web ara yüzünden girilmiş ve uzman hekim ilgili verileri
19
değerlendirip hastaya uzaktan mesaj yoluyla destek vermiştir [17].
Astımı evden uzaktan izleme sisteminin başarılı olabilmesi için hasta ile sağlık
uzmanları arasında günlük tekrarlanan rutin işlerin yönetilmesi ve gerçek zamanlı
klinik karar destek sistemi sağlanması gerekmektedir.
Birçok bağımsız çalışma, astım hastalarının PEF değerine bağlı yönetim programının
hastaların klinik sonuçlarında iyileşme sağladığı ve yaşam kalitesini artırdığını
göstermiştir[17]. Fakat son çalışmalar astım hastalarının hastalıklarını kendi kendine
yönetmede, ilaç kullanma düzenlerinde, PEF verisini okumalarında sıklıkla hatalar
oluştuğunu göstermiştir. Yine aynı çalışmalar hastaların kendi bakım planlarını takip
edebilmeleri için yeni bir yaklaşım geliştirmenin gerekli olduğunu göstermiştir [16,
17, 43].
Chakraborty ve arkadaşlarının bronş astımı hastaları için bilgisayar destekli zeki tanı
sistemi çalışmanın amacı klinik (semptomatik)-epidemiyolojik(neden/risk faktörleri)
bilgiye dayalı olarak bronş astımı hastalarına sorulan sorularla interaktif bilgisayar
destekli zeki tanı sistemi tasarlamaktır. Bronş astımı çeşidi, olasılık açısından astım
şiddetinin derecesi şeklinde ifade edilmiştir. Sinir ağı kullanarak hastalık olasılığı
tahmin edilmiştir. Eğer hastalık tespit edilmişse hastalığının onaylanması için hasta
klinik teste gönderilmekte ve tanısal doğruluğu artırmak amacıyla hastalık olasılığı
yeniden gözden geçirilmektedir. Bu çalışmada en iyi tanıyı elde etmek amacıyla tanı
özelliklerinin sinir ağıyla öğrenilmesi de yapılmaktadır. Çalışmada astım çeşitleri geri
yayılımlı sinir ağı modeliyle sınıflandırılmıştır. Genetik alerjik geçmişe sahip olmak,
sigara, toz, hormonal faktörler vb. 12 farklı klinik özellik ve 4 farklı test ile klinikepidemiyolojik özellikler çıkarılmıştır. Hastaya sorulan anket soruları ile klinikepidemiyolojik bilgi tabanı oluşturulmuştur. Söz konusu zeki sistemin % 85,94 ile
%90,47 arasında tanısal doğruluğu sahip olduğu kanıtlanmıştır [44].
Üncü ve arkadaşlarının KOAH daki spirometrik FVC grafiklerinin sınıflandırılması
için bulanık kural tabanlı model çalışmasında, spirometre ile yapılan solunum
20
fonksiyon testlerinden elde edilen FVC grafiklerinin bulanık mantıkla KOAH
derecesine göre sınıflandırılması yapılmıştır. FEV1 ve FEV1/FVC değerleri kural
tabanındaki her kuralın tespiti için önemli bir kriter olarak kullanılmıştır. İleride
yapılacak çalışma olarak elde edilen sonuçlarının hastalara uygulanacak anket ile
birleştirilip hatalı faktörlerin giderilmesi şeklinde açıklanmıştır [45].
Hassinen ve Marttila-Kontio’in acil tıbbi yardımda dokümantasyon sistemi kullanarak
afet kurtarma koordinasyonu adlı çalışmada, afet durumunda hastaların oksijen
konsantrasyonu, kalp atışı , kan basıncı gibi çeşitli biyomedikal işaretlerin bluetooth
ile iletimi yapılmaktadır. Ayrıca, barkod okuyucu, kulaklık ve sayısal kalemle elde
edilen hasta ve tedavi bilgilerinin de çeşitli kablosuz teknolojilerle iletimi ve bu
bilgilerin dokümantasyonu ile acil tıbbi yardımda insan gücünün ve teçhizatın etkili
koordinasyonunu sağlayacak model önerilmiştir. Şekil 2.2.’de sistem mimarisi
gösterilmektedir.
Şekil 2.2. Acil tıbbi yardımda dokümantasyon sistemi kullanarak afet kurtarma
koordinasyonu
Bilgi toplayıcı cihaz olarak tablet bilgisayar kullanılmıştır. Paralel programlama
21
özelliğinden dolayı dokümantasyon yazılımı olarak Labview yazılımı kullanılmıştır
[46].
Cano-García ve arkadaşlarının tıbbi kişisel alan ağları için PDA tabanlı taşınabilir
kablosuz EKG monitörü çalışmasında, PDA’ya takılan PCMCIA kart ile hastadan
EKG sinyallerinin alındığı, geniş bir alanda kullanılabilen kablosuz bağlantıya sahip
giyilen EKG monitörü senaryoları gerçekleştirilmiştir. Bir veya birçok hastanın
taşınabilir cihaz üzerinden Bluetooth, wiFi ve UMTS gibi farklı kablosuz
teknolojilerle uzaktan takibi sağlanmıştır.
Şekil 2.3.’de görülen senaryolarda sadece taşınabilir PDA’nın kullanıldığı, bluetooth
ile uzaktan bağlantı kurulduğu, kablosuz bağlantı ile uzaktan takip ve web ara yüzü
eklenen farklı senaryolar ile hasta takibi sağlanmıştır [47].
Şekil 2.3. PDA tabanlı izleme için uygulama senaryoları
Şekil 2.4.’de gösterilen istepanian ve arkadaşlarının mobil sağlık sistemi
çalışmasında, hastanın tüm biyomedikal işaretleri kablosuz bağlantıya sahip
algılayıcılar
aracılıyla
hastanın
konumundan
bağımsız
olarak
gözlemlenebilmektedir. Böylece mobil takip sistemi geliştirilmiştir [48].
alınıp
22
Şekil 2.4. Mobil takip sistemimin mimarisi
Figueredo ve arkadaşların, Şekil 2.5.’de görülen, evde bakım ve hasta izleme için
mobil teletıp sistemi çalışmasında yaşlı nüfusunun giderek artması, hastanelere
ulaşım zorluğu ve kronik hastaların sürekli bakım ihtiyacı dikkate alınmıştır.
Hastadan EKG, kalp atışı, kan basıncı, SpO2, solunum değerleri, sıcaklık değerleri
Agilent A3 marka hasta başı monitörden alınmıştır. Buradan da söz konusu veriler
RS232 seri port aracılıyla mobil telefona aktarılmıştır. Mobil telefon söz konusu
verileri paketlere dönüştürmekte ve TCP/IP veya UDP protokolü ile hastanedeki
sunucuya gönderilmektedir. Sunucu tarafında çalışan Java tabanlı yazılım, tıbbi
verilerin doktorlar arasında görüntülenmesini, dağıtılmasını, arşivlenmesini, analiz
edilmesini sağlamakta, hasta tarafında çalışan istemci yazılım da kullanıcılar için
kullanımı kolay ara yüz sağlamaktadır [49].
23
Şekil 2.5. Sistem şeması
Gao ve arkadaşlarının Şekil 2.6.’da görülen çalışmasında, afet durumunda hastaların
hayati durumunu görüntülemek ve hastaneye kadar durumunu takip etmek için
önemli biyomedikal sinyalleri alan giyilebilir algılayıcıları, konum algılayıcıları, adhoc ağları, elektronik hasta kayıt ve web portalıyla uyumlu olan gerçek zamanlı hasta
takip sistemi geliştirilmiştir. Giyilebilir darbe oksimetre ve kan basıncı algılayıcıdan
alınan veriler IEEE 802.15.4 standardı(Zigbee) ile dizüstü bilgisayara aktarılmakta,
hastanın konumu açık mekânda GPS ile kapalı mekânda Harvard üniversitesinin
geliştirdiği MoteTrack sistemiyle takip edilmektedir. Diz üstü bilgisayarda bulunan
kablosuz EVDO kartları ile bilgiler hastanede bulunan OPTIMUS firmasının
geliştirdiği hastane ön-bakım yazılımına iletilmektedir Hastadan alınan biyomedikal
değerler önceden belirlenen değerleri aştığında sistem görüntülü ve sesli alarm
vermektedir. Hastalardan alınan verilen değerlendirilmesiyle acil müdahale bekleyen
24
hastalar arasında önceliklendirme yapılabilmektedir. Çalışma ile acil müdahale
sistemlerinde görülen sorunların çözülebileceği anlaşılmıştır.
Şekil 2.6. Hasta bilgi akışı
Diğer bir çalışmada eşik değerlerine bağlı olarak oksijen konsantrasyonunun
azalması, kalp atışının azalması (bradikardi), artması(taşikardi) ve değişimine bağlı
olarak acil durum merkezine bilgi verilmektedir [50].
Sauer ve arkadaşlarının nöral sinyal telemetri için bluetooth-3N tabanlı kablosuz
iletim sistemi adlı çalışmada, EEG sinyallerinin bluetooth ile gezgin(mobil) cihaza
buradan da başka bir işlem veya depolama yapılmaksızın 3N iletişim teknolojileri ile
uzaktaki sunucuya iletilmesi anlatılmaktadır. Uzaktaki sunucuda da veriler işlenmekte
ve analiz edilmektedir [51].
Eugene ve arkadaşlarının tıbbi görüntüleme bölümü için 3N GSM mobil (hücresel)
25
telefonları ile elektronik tıbbi raporu iletim sistemi geliştirilmesi adlı çalışmada,
elektronik tıbbi rapor iletim sistemiyle hastaların tıbbi resim ve raporlarının
gezgin(mobil) cihazlar ile uzman hekimlere 3N iletişim teknolojileri ile iletilmektedir.
Şekil 2.7.’de geliştirilen sistemin mimarisi görülmektedir [52].
Şekil 2.7. 3N elektronik tıbbi rapor iletim sistemi
Teong ve arkadaşlarının 3N ile uyumlu çalışan, tıbbi verileri güvenli bağlantı ile
sunucudan alan, söz konusu verileri uzman hekimin görüntülemesi için gönderen,
hasta kayıtlarına hastaneden erişmesini sağlayan, yazılı kayıtlar ve tıbbi görüntülerin
gönderen WAP uygulama protokolü geliştirilmesi amaçlanmıştır [53].
Groning ve arkadaşlarının GSM ile insülin pompası kontrolü adlı çalışmada, SMS ile
kontrol edilebilen bir insülin pompası geliştirilmiştir. Bilgisayarda yüklü olan
yazılım, hastaya insülin verilmesi gerektiği zaman bir SMS oluşturmakta ve bu SMS’i
insülin pompasına bağlı olan GSM modeme göndermektedir. Bu SMS içerisinde ne
miktarda insülin enjekte edilmesinin bulunduğu şifreli bir metin bulunmaktadır.
İnsülin pompası tarafında bulunan GSM modem SMS’i aldıktan sonra, ne kadar
insülin pompalanacağını ayarlayan step motora SMS içerisindeki komutu iletir ve
step motor insülin enjekte etme işlemini gerçekleştirir. Aşağıda GSM tabanlı
bilgisayar kontrollü insülin pompasının çalışma prensibi gösterilmektedir.
26
Bilgisayar tarafında geliştirilmiş olan yazılım, günün belirli saatlerinde belirli
miktarlarda insülin enjekte etmek üzere ayarlanmıştır. Yazılım sürekli olarak
çalışmakta ve insülin pompasının kontrolü için gereken SMS’leri üretmektedir [54].
27
3. KRONİK AKCİĞER HASTALIĞI BAKIM SİSTEMİ (KAHBS)
3.1. Solunum Fonksiyon Testi
Hastalık belirtileri ve fizik muayene bulguları zaman zaman belirleyici olmamaktadır.
Benzer şekilde, havayolu obstrüksiyonu(tıkanıklık) olan hastalardan biri aşırı nefes
darlığı hissederken, diğer hastada nefes darlığı yakınması belirgin değildir. Bu
nedenle akciğer hastalıklarının tanısında daha objektif sonuçlar vermesi nedeniyle
solunum fonksiyon testleri önemlidir.
Akciğer hastalıklarında tıkanıklık ve iltihaplanmanın derecesinin saptanmasında çok
değişik solunum fonksiyon parametreleri kullanılmaktadır. En sık tercih kullanılan
parametreler; zorlu vital kapasite (FVC) ölçümünün birinci saniyesindeki zorlu nefes
verme hacmi (FEV1), FEV1 değerinin FVC değerine oranı(FEV1/FVC), nefes
vermenin ortasındaki akım hızı (FEF25-75) ve nefes verme akım hızı (PEF)
ölçümleridir.
Solunum Fonksiyon Test Sonuçları
Solunum fonksiyon testi(SFT) sonucunda ölçülen veriler dinamik akciğer hacimleri
olup, havayollarının çapı ve bütünlüğünü yansıtmaktadır. Bu verilerin ayrıntılı
açıklanması ve yorumlanması kronik akciğer hastalığın tanı, tedavi ve takibinde
büyük öneme sahiptir. En önemli SFT verileri FVC, FEV1, FEV1/FVC, FEF25-75 ve
PEF dir.
FVC(Forced vital capacity): Maksimum nefes almadan sonra yapılan zorlu bir nefes
verme ile dışarı atılan havanın hacmidir. FVC testi en önemli solunum testidir.
Normal değerleri kişinin boy, yaş, ırk, kilo ve cinsiyetine bağlıdır. Hava yolu
obstrüksiyonu nedeniyle akciğerdeki havanın tam atılamaması sonucu bronşiyal
astımlı hastalarda FVC değerleri düşük bulunmaktadır.
28
FEV1 (Forced expiratory volume): Zorlu yapılan bir nefes vermenin birinci
saniyesinde atılan havanın hacmidir. Obstrüktif akciğer hastalıkları dışındaki diğer
bazı hastalıklarda da FEV1 düşmektedir. Bu nedenle hava yolu tıkanıklığı göstergesi
olarak FEV1 alınması daha doğrudur.
FEV1/FVC: FEV1’in FVC ye oranıdır. Bu oran sağlıklı erişkinde % 75’in üzerindedir.
Oran ne kadar düşer ise hava yolu tıkanıklığı o kadar ağırdır. Astımlı hastada FEV1,
FVC ve PEF değerlerinin beklenene göre düşük bulunması tanıda önemlidir. KOAH
gibi diğer obstrüktif akciğer hastalıklarında da bu parametreler düşük bulunmaktadır.
Ancak astımda azalmış solunum fonksiyon değerlerinin bir özelliği geri dönüşümlü,
başka bir ifade ile hastalığın tedavi edilebilir olmasıdır. FEV1, FVC ve PEF
ölçümlerinden sonra hastaya inhalasyon ile kısa etkili beta 2-agonist ilaç
verilmektedir. 15-20 dakika sonra FEV1 ve/veya FVC de bazal değere göre %12 lik
veya mutlak değer olarak 200 ml lik artış, PEF’de ise % 15 lik artış olması hava yolu
tıkanıklığının geri dönüşümlü olduğunu göstermektedir. Bu durum astım lehine
önemli bir bulgudur. Ayrıca obstrüktif hastalarda FEV1 ve FVC düşük iken, bu oran
beklenen değerden daha düşüktür.
PEF: Zorlu bir nefes verme ile sağlanan maksimum nefes verme akım hızıdır.
Pefmetre ile ölçülen değer (PEF) solunum yollarındaki hava akımının ulaştığı en
yüksek değeri vermektedir. Hava akımının olduğu solunum yolu açıklığı çapının artıp
azalmasıyla değişmektedir. Eğer solunum yollarında bir daralma söz konusu ise bu
değer düşük çıkmaktadır. Sağlıklı kişilerde kişinin yaşı, cinsi ve boyuna göre
üflemesi gereken ortalama PEF değerleri saptanmış ve bu değerlerden nomogram
elde edilmiştir. Hava yolu tıkanıklığı olan hastalarda PEF’in mutlak değerleri
beklenen değerlere göre düşük bulunmaktadır. PEF ne kadar düşük ise hastada o
kadar belirgin hava yolu tıkanıklığı vardır. Mutlak değerlerin yanı sıra PEF’in günlük
değişkenliğinin saptanması astım tanısında ve tedavinin izlenmesinde çok önemlidir.
Birçok değişik biyomedikal nedenlerle sağlıklı kişilerde ve özellikle astımlı
hastalarda sabaha karşı belirtilerin artması şeklinde kendini göstermektedir. PEF
değerlerinde sabah ve akşam arasındaki bu farklılığa günlük değişkenlik
29
denilmektedir. Sağlıklı kişilerde günlük PEF değişkenliği %20 nin altındadır. Astımlı
hastalarda ise değişkenlik %20 ve üzerindedir. PEF değişkenliği ne kadar fazla ise
astımın o kadar ağır olduğu ve hastalığın kontrol altına alınamadığı anlamına
gelmektedir.
FEF25-75: Zorlu nefes vermede, havanın %25 ile %75’i ortasında bulunan akım
hızıdır. Bu değer hava yollarındaki tıkanıklığın erken göstergesi olması bakımından
önemlidir [55].
3.2. Yapay Sinir Ağları
Yapay Sinir ağları insan beyninden esinlenerek geliştirilmiş, ağırlıklı bağlantılar
aracılığıyla birbirlerine bağlanan ve her biri kendi belleğine sahip işlem
elemanlarından oluşan paralel ve dağıtılmış bilgi işleme yapılarıdır. Yapay sinir ağları
bir programcının geleneksel yeteneklerini gerektirmeyen, kendi kendine öğrenme
düzenekleridir. Genel olarak yapay sinir ağları model seçimi ve sınıflandırılması,
işlev tahmini, en uygun değeri bulma ve veri sınıflandırılmasında başarılıdır. En çok
kullanılan yapay sinir ağı, ileri beslemeli geri yayılımlı yapay sinir ağı modelidir.
Yapay Sinir ağları pek çok alanda olduğu gibi, tanı ve teşhis amaçlı olarak tıp
alanında da kullanılmaktadır [56, 57]. Bu tez çalışmasında da ilgili model
kullanılmıştır.
Geri Yayılım Algoritması
Çalışmada, algoritmanın ileri doğru yayma aşamasında aktivasyon fonksiyonu olarak
sigmoid yerine daha etkili sonuç veren tansig fonksiyonu kullanılmıştır. Tansig
e Q[k]  e -Q[k]
fonksiyonu sonucu Q[k]
denklemi ile bulunmaktadır. Çok katmanlı ağın
e  e -Q[k]
(ÇKA) eğitiminde ileri besleme işlemi ile çıkış değeri elde edilmektedir. Beklenen
değerden, bulunan çıkış değeri çıkarılarak hata elde edilmektedir. Bulunan hata, çıkış
nöronundan
itibaren
geriye
doğru
yayılarak
ağırlık
ve
eşik
değerleri
30
güncellenmektedir. Bu işlem beklenen hata değerine veya iterasyon sayısına
ulaşılıncaya kadar tekrarlanmaktadır. Böylece Şekil 3.1.’de görüldüğü gibi ağırlık ve
eşik değeri güncellenerek ağın eğitimi gerçekleştirilmektedir.
Şekil 3.1. İleri beslemeli geri yayılımlı ağ modeli
Geri yayılım algoritmasında ağırlık değişimleri eşitlik 3.1, yeni ağırlık değerleri
eşitlik 3.2 ile bulunmaktadır.
Wjm (t )  .m .Ç j  .Wjm (t  1) ……………………………………………….…....…3.1
Wjm (t )  Wjm (t  1)  Wjm (t ) .……………………………………………….……....…3.2
Benzer şekilde eşik değeri değişimi eşitlik 3.3, yeni eşik değeri eşitlik 3.4 ile
bulunmaktadır.
Q j (t )  . j  .Q j (t  1) …………………………..…………………...….…………3.3
Q jm (t )  Q jm (t  1)  Q jm (t ) .……………………………………………………......…3.4
3.3. Tez Çalışmasında Kullanılan Cihazlar
Doktora tez çalışmasında biyomedikal verilerin ölçülmesi spirometre ve darbe
31
oksimetre cihazları ile sağlanmıştır. Verilerin görüntülenmesi ve değerlendirilmesi
için akıllı cep telefonu kullanılmıştır. Ayrıca, uzak merkezdeki sunucu ile veriler
depolanmaktadır. Ayrıca, web sayfaları ölçüm verileri yayınlanmakta, SMS
bilgilendirme ve tavsiye mesajları gönderilmektedir.
Spirometre
Akciğer hacim ve kapasiteleri spirometre ile ölçülmektedir. Spirometre Spiro (Ruh,
nefes) ile metre(ölçüm) kelimelerinin birleşiminden oluşmaktadır. Spirometre, kronik
akciğer hastalıklarının tanı, tedavi ve takibinde sıklıkla kullanılmaktadır. THORMED
firmasında alınan spirometre ile ölçülen en önemli solunum fonksiyon test sonuçları
FVC, FEV1, FEV1/FVC, PEF ve FEF25-75 dir. Sayısal ölçüm sonuçlarından hacimzaman ve akış-hacim grafik verileri de elde edilerek daha etkin tanı, tedavi ve takip
sağlanabilmektedir. Grafik verileri yaklaşık bin noktadan oluşmakta ve web
sayfalarından erişilmektedir. Tez çalışmasında kullanılan spirometre gerekli tüm
solunum fonksiyon test sonuçlarını ölçtüğü gibi söz konusu verileri bluetooth sanal
seri port protokolü ile akıllı cep telefonuna göndermektedir. Ayrıca cihazın otomatik
kalibrasyon özelliği mevcuttur.
Darbe Oksimetre
Darbe oksimetre cihazı arter kanındaki oksijen satürasyonu (SPO2) ve kalp atışı
ölçümü yapabilen sayısal bir ölçüm cihazıdır. Darbe oksimetre cihazı %-0-100
aralığında oksijen satürasyonunu ve 18-300 bpm(Beats per Second) aralığında kalp
atışı ölçümü yapabilmektedir. Sağlıklı bir insanda oksijen satürasyonu % 94–100
arasında değişmektedir. Darbe oksimetre sadece fonksiyonel hemoglobine dayalı
satürasyon ölçümü yapmaktadır. Ölçtüğü parametre SpO2’dir [28]. Kandaki oksijen
miktarını gerçek zamanlı görüntülemek önemlidir. Oksijen yetersizliğinde kalp,
karaciğer ve böbrekler kalıcı olarak zarar görmektedir. Beynin korteks tabakası
dakikalar mertebesinde oksijensiz kaldığında benzer kalıcı hasarlar görülmektedir
[58]. Tez çalışmasında kullanılan darbe oksimetre, 63 gram ağırlığındaki parmak tipi
32
olup, hastanın günlük yaşamanı etkilemeden SPO2 ve kalp atışı değerlerini ölçen,
hastanın devamlı parmağında taşıyabildiği, kapalı alanda 10 metre, açık alanda 100
metre çapında Bluetooth Sanal Seri Port (RS-232) protokolü ile veri gönderimi
sağlayan cihazdır.
Akıllı Cep Telefonu
Hastayı rahatsız etmeden, her zaman ve her yerden hastanın takibi kavramının ortaya
çıktığı tıp dünyasında akıllı cep telefonlarının kullanımı yaygınlaşmaktadır. Bu
kapsamda tez çalışmasında akıllı cep telefonu kullanılmıştır. Symbian işletim
sistemine sahip Nokia 5800 cihazının veri alımını sağlayan bluetooth, geliştirilen java
uygulamasının yüklenebildiği bellek, verilerin uzaktaki sunucuya gönderilmesini
sağlayan 3N, GPRS ve WiFi özellikleri kullanılmıştır.
Uzak Merkezdeki Sunucu
Uzak merkezdeki sunucu verilerin depolanması, normal ve mobil web sayfalarının
internet üzerinden sunulmasını ve SMS mesajının oluşturulmasını sağlamaktadır. Bu
amaçla UBUNTU işletim sistemine sahip sunucu kurulmuştur. Sunucu üzerinde
Apache, Apache Tomcat, MySQL, SSH and phpmyadmin servisleri çalışmaktadır.
MySQL veritabanında hastaların kişisel bilgileri, kabul edilebilir solunum fonksiyon
test (SFT) verileri, çok katmanlı yapay sinir ağı sonuçları, web sayfası verileri
depolanmaktadır. Ayrıca sunucu üzerinde çalışan program SFT verileri ve
sınıflandırma sonucu ile SMS mesajının gönderilmesini sağlayan XML dosyasını
oluşturmaktadır. Söz konusu SMS mesajı, hasta ve doktora özel bir firmanın SMS ağ
geçidi üzerinden gönderilmektedir.
3.4. Tezde Geliştirilen Sistemin Mimarisi
Tez çalışmasında geliştirilen sistemin mimarisi Şekil 3.2.’de gösterilmektedir.
33
Şekil 3.2. Tez çalışmasında geliştirilen sistemin mimarisi
Geliştirilen sistemin mimarisinde görüldüğü gibi ev ortamında kronik akciğer
hastasının solunum fonksiyon test değerleri spirometreyle, oksijen konsantrasyonu ve
kap atışı değerleri darbe oksimetre ile ölçüldükten sonra veriler bluetooth sanal seri
port protokolü ile akıllı cep telefonuna aktarılmaktadır. Cep telefonu ekranında söz
konusu veriler ve solunum fonksiyon testinin ileri beslemeli geri yayılımlı yapay sinir
ağı (ÇKA) ile sınıflandırılmasından elde edilen sonuç gösterilmektedir. Aynı
zamanda bu veriler web servis ile uzaktaki sunucuya XML tabanlı olarak WiFi,
GPRS veya 3N ile gönderilmektedir. Web servis, verileri sunucuda bulunan
veritabanına
kaydetmektedir.
Acil
durum
olmadığında
doktora
SMS
gönderilmemekte, hastaya bilgilendirme SMS mesajı gönderilmektedir. Acil durumda
ise hastaya solunum fonksiyon test değerleri ve bu verilerin sınıflandırma sonucu
veya darbe oksimetre verileri gönderilmektedir. Ayrıca, hastaya bu sonuçlara bağlı
olarak “Acilen doktorunuz ile görüşünüz”, “Herhangi bir solunum sorununuz yoktur.”
benzeri tavsiye mesajı, doktora ise hastanın biyomedikal verilerini içeren
34
bilgilendirme SMS mesajı gönderilerek doktorun acil durum merkezi veya ambulansı
hastaya yönlendirmesi sağlanmaktadır.
Bunlara ilaveten normal ve mobil web sayfası üzerinden spirometre ve darbe
oksimetreden ölçülen veriler zaman ve kullanıcı bazlı takip edilebilmekte, St. George
solunum ve astım kontrol testi yapılabilmekte ve sonuçları takip edilebilmektedir.
Ayrıca, yaklaşık bin noktadan oluşan solunum fonksiyon testinin akış-hacim ve
hacim zaman grafikleri görüntülenebilmekte, gerekli olduğu takdirde doktor ve hasta
birbirlerine e-posta gönderebilmektedir.
3.5. Tezde Geliştirilen Sistemin Teknik Tasarımı
Tez çalışmasında geliştirilen sistem hasta, sunucu ve web birimlerinden oluşmaktadır.
Hasta biriminde bulunan solunum fonksiyon modülü, spirometre cihazından solunum
fonksiyon değerlerinin (FVC, FEV1, FEV1/ FVC, PEF, FEF25-75) bluetooth sanal seri
port protokolü ile alınmasını sağlamakta, darbe oksimetre modülü ise kalp atışı ve
arteriyel oksijen konsantrasyonu verilerinin bluetooth sanal seriport protokolü ile
alınmasını sağlamaktadır. Karar destek modülü sistemin ana modülü olup, solunum
fonksiyon test verilerinin ileri beslemeli geri yayılımlı çok katmanlı yapay sinir ağı
(ÇKA) ile sınıflandırmakta, iletişim modulü sunucu birimi ile bağlantıyı
sağlamaktadır.
Sunucu biriminde bulunan sunucu veritabanı modülü, darbe oksimetre ve
spirometreden elde edilen verileri, spirometre verilerinin sınıflandırma sonuçlarını,
acil durum ve web sayfası bilgilerini depolamaktadır. Acil durum modülü, nabız (kalp
atışı) ve arteriyel oksijen konsantrasyonunun belirlenen sınırlar dışında olması veya
SFT verilerinin ÇKA ile sınıflandırma sonucunun KOAH olması durumunda hasta ve
doktora SMS göndererek, gerekli ise, ambulansın hastaya yönlendirilmesini
sağlamaktadır.
35
Web biriminde bulunan normal web sayfası modulü hasta ve doktorun kullanıcı ve
zaman bazlı hasta verilerinin takibi ve incelenmesini sağladığı gibi kronik akciğer
hastalıkları hakkındaki ilave bilgilerle hastayı bilgilendirmektedir. Ayrıca St. George
solunum testi ve astım kontrol testi(AKT) ile kronik akciğer hastalığı ile ilgili ilave
bilgilere ulaşılmasını sağlamaktadır. Bu testler tercihe bağlı olarak web sayfasından
gerçekleştirilmektedir. Mobil web sayfası modülü, mobil cihazların tarayıcılarına
uyumlu içeriğe erişim sağlamaktadır. Şekil 3.3.’de geliştirilen sistemin teknik
tasarımı gösterilmektedir.
Şekil 3.3. Sistemin teknik tasarımı
Solunum Fonksiyon Test Verilerinin Değerlendirilme Diyagramı
Solunum fonksiyon testinin (SFT) değerlendirilme akış şeması Şekil 3.4.’de
gösterilmektedir. Sistem mimarisi ve akış şeması uzman doktorun tavsiyeleri
doğrultusunda geliştirilmiştir.
Hasta, solunum fonksiyon testini gerçekleştirdikten sonra ölçümün değerlendirilmesi
geliştirilen
algoritma
ile
yapılmaktadır.
Söz
konusu
SFT
verilerinin
değerlendirilebilmesi için öncelikle verilerin kabul edilebilirlik şartlarını sağlaması
36
gerekmektedir. Solunum fonksiyon testinin kabul edilebilir olması için ölçümler
arasındaki en yüksek FEV1 ve FVC ile en düşük FEV1 ve FVC değeri arasındaki
farkın 400 mililitreden küçük olması ve en az üç gerçek ölçümün yapılması
gerekmektedir. SFT testinin dışındaki tüm aşamalar akıllı cep telefonu üzerinde
yapılmaktadır. Örneğin hastaların referans değerleri hastanın boyu, yaşı ve cinsiyetine
göre bulunmaktadır. SFT sonuçları (FVC, FEV1, FEV1/FVC, FEF25-75 ve PEF) giriş
özniteliği alınıp, ileri beslemeli geri yayılımlı çok katmanlı yapay sinir ağı ile
sınıflandırma gerçekleştirilmektedir. Sınıflandırma sonucu obstrüktif bulunur ise
hastanın bronkilatör vb. rahatlatıcı ilaç kullandıktan sonra yeni SFT test yapılması
gerekmektedir. Yeni SFT ölçümünde daha önceki ölçümlere göre FEV1 de %12 veya
200 ml. değişiklik var ise hastalığın geri dönüşümlü olduğu anlaşılmakta ve hastanın
durumu Astım olarak adlandırılmaktadır. FEV1 de değişiklik yok ise hastanın durumu
KOAH olarak belirlenmektedir. Daha sonra sonuç SMS ile hastaya bildirilmektedir.
37
Şekil 3.4. Solunum fonksiyon testi değerlendirme akış şeması
Çalışmada, hastadan ölçülen veriler ÇKA ile sınıflandırılmadan önce hastanın
cinsiyetine ve yaşına bağlı olarak Knudson tarafından geliştirilmiş solunum fonksiyon
referans değerleri hesaplanmaktadır. Örneğin, 20 yaşından büyük erkek bir hastanın
FVC değeri FVC=0,0576*Boy(cm)-0,0260*Yaş-4,34 formülü ile bulunmaktadır.
Ülkemiz için henüz kesinleşmiş bir referans değer çizelgesi bulunmamaktadır.
38
Çalışmanın veri havuzu oluşturması yönünde ilerleme sağlandığından söz konusu
alanda referans değer elde edilebilmesinde yararlı olabileceği düşünülmektedir.
Çizelge 3.1.’de yaygın olarak kullanılan referans algoritmaları açıklanmaktadır. Tez
çalışmasında söz konusu algoritmalardan Avrupa halkları için belirlenen Knudson
algoritması kullanılmıştır.
Çizelge 3. 1. Solunum fonksiyon testi referans denklemleri [91]
Referans
Akciğer
Denklem
Çalışma
Algoritması
Fonksiyonu
Bay
Bayan
Quanjer
FVC (L)
0,0576*H-0,0260*A-
0,0443*H-0,0260*A-2,890
4,340
FEV1(L/sn)
0,0430*H-0,0290*A-
0,095*H-0,025*A-2,600
Grubu
Avrupa
2,490
Knudson
FVC (L)
0,0844*H-0,0298*A-
0,044*H-0,0169*A-3,195
8,782
FEV1(L/sn)
0,0665*H-0,0292*A-
0,0665*H-0,0292*A-6,515
Avrupa
6,515
Crapo
FVC (L)
0,0600*H-0,0214*A-
0,0491*H-0,0216*A-3,590
4,650
FEV1(L/sn)
0,0414*H-0,0244*A-
0,0342*H-0,0255*A-1,578
2,190
Hankinson
FVC (L)
FEV1(L/sn)
Asya
(OrtaDoğu)
-0,1933+0,0064*A-
-0,3560+0,01870*A
0,000269*A*A
+0,000382*A*A+0,000148
+0,00018642*H*H
15*H*H
Amerika
0,5536-0,01303*A-
0,4333-0,00361*A-
(Kafkas)
0,000172*A*A
0,000194*A*A
+0,0014098*H*H
+0,001196*H*H
H=Boy(cm), A=Yaş(Yıl)
Çizelge 3.2.’de Atatürk Göğüs Hastalıkları ve Göğüs Cerrahisi Araştırma
Hastanesinden alınan hasta verileri ile farklı algoritmaların FVC değerleri
bulunmuştur. Elde edilen sonuçlardan Avrupa halkları için belirlenen Quanjer ve
39
Knudson algoritmaların sonuçları arasında önemli fark olmadığı görülmüştür.
Çizelge 3. 2. Solunum fonksiyon testi referans sonuçları
Bay
Referans
Akciğer
Algoritması
Fonksiyonu
Quanjer
FVC (Litre)
Knudson
FVC (Litre)
Crapo
FVC (Litre)
Hankinson
Göğüs
FVC (Litre)
hastalıkları
Bayan
Boy(cm)
Yaş
Sonuç
Boy(cm) Yaş
Sonuç
175
59
4,21
163
41
3,26
170
24
4,83
155
32
3,14
174
58
4,17
156
34
3,14
174
53
4,30
155
45
2,81
172
46
4,37
160
40
3,16
175
59
4,23
163
41
3,28
170
24
4,85
155
32
3,08
174
58
4,18
156
34
3,09
174
53
4,32
155
45
2,86
172
46
4,36
160
40
3,17
175
59
4,59
163
41
3,53
170
24
5,04
155
32
3,33
174
58
4,55
156
34
3,34
174
53
4,66
155
45
3,05
172
46
4,69
160
40
3,40
175
59
4,62
163
41
3,70
170
24
5,05
155
32
3,41
174
58
4,58
156
34
3,44
174
53
4,73
155
45
3,27
172
46
4,78
160
40
3,57
uzman
doktorları,
sıklıkla
kronik
akciğer
hastalığının
sınıflandırmasında, Şekil 3.5.’de görülen GOLD kural çizelgesini kullanmaktadır.
Atatürk Göğüs Hastalıkları ve Göğüs Cerrahisi Araştırma Hastanesinden alınan veri
kümesi söz konusu kural çizelgesi ile sınıflandırıldığında %72,2 başarısı sağlanmıştır.
Tez çalışmasında geliştirilen çok katmanlı yapay sinir ağının aynı veri kümesini
%98,7 başarı ile sınıflandırılması çalışmasının önemini ortaya koymaktadır.
40
Şekil 3.5. GOLD kural tabanlı modele göre sınıflandırma[38]
Hava yolu obstrüksiyonu olan hastaların bronkodilatör kullanması sonrası FEV1 de
%12 veya 200 ml. artış olması hastanın geri dönüşümlü hava yolu tıkanıklığına sahip
olduğunu göstermektedir. Bu değişim obstrüktif hastaların astım olduğunu bulmamızı
sağlamaktadır. FEV1 de %12 veya 200 ml. artış olmaması durumunda ise hastanın
KOAH olduğuna karar verilmektedir [59, 60]. Çalışmada sınıflandırma sonucunda
hava yolu obstrüksiyonu olan hastaların bronkodilatör kullanması sonrası FEV1
değişimleri takip edilip astım mı yoksa KOAH olduğu bulunmaktadır. Şu ana kadar
literatürde yapılan çevrimdışı çalışmalarda normal, obstrüktif, restriktif ayrımı
yapılmış iken çalışmada geliştirilen model ile gerçek zamanlı astım ve KOAH ayrımı
da yapılmaktadır.
41
3.6. Kronik Akciğer Hastalıklarının Sınıflandırılması için Mobil Yapay Zekâ
Yazılımı
Mobil Yapay Zekâ Yazılımı
Bu bölümde, kronik akciğer hastalığının sınıflandırılması hakkında literatürde
yapılmış tüm çalışmalar incelenip, yorumlanmıştır. Daha sonra çok katmanlı yapay
sinir ağı(ÇKA) ile geliştirilen mobil yapay zekâ yazılımı ayrıntı bir şekilde anlatılıp,
diğer çalışmalardan farkı açıklanmıştır.
Literatürdeki kronik akciğer hastalıklarının sınıflandırılması çalışmalarında yapay
zekâ, destek vektör makinesi, bayesian, bulanık mantık algoritmaları, istatiksel ve
kural tabanlı yöntemler kullanılmıştır. Çalışmalarda giriş özniteliği olarak, solunum
fonksiyon
testinden
elde
edilen
veriler
ve/veya
FVC
akış-hacim
grafiği
kullanılmıştır[61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77].
Bu çalışmanın literatürdeki diğer çalışmalardan farkları; yazılımın mobil platformda
çalışması, gerçek zamanlı sınıflandırma yapılması, gerçek zamanlı sınıflandırmada
MATLAB ve benzeri hazır kütüphane veya fonksiyonların kullanılmaması,
spirometre sonucuna göre kronik akciğer hastalığının sınıflandırmasında FVC ve
FEV1/FVC’in yanı sıra literatürde önemi kabul edilen[33, 34, 39] fakat şu ana kadar
sezgisel algoritmalarda kullanılmayan FEF25-75’i giriş özniteliği alması, normal,
obstrüktif ve restriktif sınıflandırmasının yanı sıra Astım, KOAH ayrımının
yapılabilmesi,
GOLD
un
kural
tabanlı
modeline
göre(%72,2)
yüksek
başarımda(%98,7) sınıflandırma yapılması ve kronik akciğer hastalarının takibini
kolaylaştırmasıdır.
Kronik akciğer hastalığının tanı ve takibinde sigara, yaş ve BMI(Vücut kitle indeksi)
nın
öznitelik
olarak
bulunmaktadır.
BMI
kullanılabileceği
hakkında
Ağırlık(kg)/[Boy(metre)*
literatürde
Boy(metre)]
birçok
çalışma
formülü
ile
bulunmaktadır. Nefes darlığı ve hırıltının KOAH dan bağımsız olarak BMI ile ilişki
42
olduğuna dair Montes ve arkadaşlarının çalışması[78] ve Harik-Khan ve
arkadaşlarının[79] düşük BMI ya sahip erkeklerin akciğer hastalığı için artan risk
faktörü oluşturduğuna ilişkin çalışmalardan yola çıkarak söz konusu parametrelerin
ÇKA’ın girişinde öznitelik olarak kullanılabileceği düşünülmüştür. Fakat FEV1/FVC
ve FVC ile birlikte söz konusu özniteliklerle ağın eğitilmesi sağlanamamıştır.
ÇKA’a uygulanan giriş değişkenlerinin ortalaması, standart sapması, varyansı
alındığında ağın eğitilmesi sağlanamamıştır. Bundan dolayı, Atatürk Göğüs
Hastalıkları ve Göğüs Cerrahisi Araştırma Hastanesinden alınan 486 hastaya ait
gerçek spirometre çıktı değerleri yüze bölünerek normalize edilmiştir. Bu değerler
(FVC, FEV1, FEV1/FVC, PEF, FEF25-75) hastanın akciğer hacim ve gücünün referans
değerlere bölünmesi ile elde edilen değerlerdir. Ağın eğitilmesi geri yayılımlı delta
kuralı ile yapılmış olup, ezberlemeyi önlemek amacıyla karışık dağıtılmış 313
normal, 136 obstrüktif, 37 restriktif olmak üzere 389 hasta verisi ile
gerçekleştirilmiştir. Ağın testinde ise 61 normal, 28 obstrüktif, 8 restriktif olmak
üzere 97 hasta verisi kullanılmıştır. Böylece veri setinin %80’i eğitime, %20’si teste
ayrılmıştır.
Şekil 3.6.’da görüldüğü gibi ileri beslemeli ve geri yayılımlı ÇKA(Çok katmanlı
yapay sinir ağı) ın eğitiminde kullanılan giriş öznitelikleri FVC, FEV1, FEV1/FVC,
PEF, FEF25-75 dir. Mobil cihazların işlemci gücü, normal bilgisayarlara göre düşük
olduğundan öncelikle Matlab ile eğitim ve test gerçekleştirilmiştir. Şekil 3.3.’de
görülen beş girişli, iki gizli katmanlı, üç çıkışlı ağın eğitimi 1000 iterasyon ve 1000
döngüde sağlanmıştır. Buradan elde edilen ağırlık ve eşik değerleri mobil ÇKA
yazılımının ağırlık ve eşik başlangıç değerleri olarak alınmıştır. Eğitimde öğrenme
oranı 0,05, momentum değeri 0,9 alınmıştır.
43
Şekil 3.6. Beş girişli, iki gizli katmanlı, üç çıkışlı çok katmanlı yapay sinir ağı
4 katmanlı ve 5-5-5-3 mimarisine sahip ÇKA’ın eğitim kümesinin doğruluk değeri
98,7%, belirlilik değeri 97,83%, duyarlılık değeri 97,63% ve korelasyon değeri 0,946
olarak bulunmuştur.
Spirometre ile SFT ölçümü yapılıp, bluetooth ile SFT değerleri mobil cihaza
alındıktan
sonra
isteğe
göre
her
ölçümden
sonra
ağın
yeniden
eğitimi
gerçekleştirilebilmektedir. Daha sonra ileri besleme ile eğitilmiş ağın çıktısı olan
sınıflandırma sonucu elde edilmektedir.
Java Platformunda Geliştirilen KAHBS Uygulaması
Cep telefonu üzerinde çalışan uygulama J2ME(Java 2 Micro Edition) ile
geliştirilmiştir. J2ME ile geliştirilen MIDlet’lerin diğer uygulamalardan en büyük
farkı programda main kısmının olmamasıdır. Program Active, Pause ve Destroyed
durumlarına sahiptir. Bu durumlar için StartApp(), PauseApp() ve DestroyApp()
metotları kullanılmaktadır. Söz konusu özellik J2ME’ya özel bir yapıdır. Programın
çalıştığı kısım StartApp() metotunun bulunduğu kısımdır. Uygulamada J2ME
kullanılmasının sebebi çalışmada gerekli olan birçok servis, uygulama, arayüzü
sorunsuz bir şekilde desteklemesidir. İfade edilen bu özelliklere erişim ve bunların
kullanımı API(Application Program Interface) ile gerçekleştirilmektedir. API,
44
herhangi bir yazılımdan diğer bir kaynak veya servise erişim ve kontrolünü sağlayan
kurallar ve özellikler kümesidir. Çalışmada oksijen konsantrasyonu ve kap atışını
ölçmemizi sağlayan darbe oksimetre cihazına, akciğer hacim ve kapasitesini
ölçmemizi sağlayan spirometre cihazına bluetooth iletişim teknolojisi ile erişim için
JSR-82(Java APIs for Bluetooth), verilerin akıllı cep telefonundan web sunucusuna
http protokolü kullanarak WiFI, GPRS veya 3N ile gönderilmesi için JSR-172(J2ME
Web Services Specification), web sunucusunda değerlendirme sonucunun ilgili kişi
veya merkeze SMS ile gönderilmesi için JSR-120(Wireless Messaging API)
kullanılmıştır. J2ME’da her özellik için farklı API kullanılması ile ilgili özelliğin
daha ayrıntılı ve uygulamaya özel kullanılabilmesi sağlanmıştır. Örneğin .NET
programlama dili ile darbe oksimetreye bluetooth bağlantısı sağlanıp iki byte da
gönderilen kalp atışı ve oksijen konsantrasyonu verileri alınabilirken, akış(stream)
şeklinde veri gönderen spirometreden veri almak mümkün olmamıştır.
JSR-82’de tanımlı olan seri port protokolü ile akıllı cep telefonu ile cihazlar arasında
bluetooth sanal seri port bağlantısı kurulmaktadır. Bağlantı kurulduktan sonra veriler
byte byte cep telefonuna aktarılmaktadır. Bu uygulamada cep telefonu sunucu,
cihazlar ise istemci olarak çalışmaktadır. J2ME’de bluetooth bağlantısı 5 alt başlıkta
anlatılabilir. Bunlar;

Bluetooth Yığıtının başlatılması (Stack Initialization)

Cihaz Yönetimi (Device Management)

Cihazın bulunması (Device Discovery)

Servisin bulunması (Service Discovery)

İletişim (Communication)’dir.
Bu bağlantı şeklinde, sunucu (cep telefonu) StreamConnectionNotifier sınıfı ile
bluetooth servisi oluşturmakta, ServiceRecord sınıfı sunucu cihazında oluşturulan
servis kaydını almakta, StreamConnection sınıfı ise servisin istemci bağlantısını kabul
ettiğini göstermekte ve service.close() metodu ise bağlantıyı kapatarak servis kaydını
silmektir.
45
Cihazların destekliği bluetooth özellikleri birbirinden farklı olduğundan cep
telefonuna bağlantı için iki farklı yöntem kullanılmıştır. Spirometre ile bağlantıda
bluetooth yığını (stack) başlatıldıktan sonra(stack initialization) bluetooth servisi
oluşturulmakta
ve
cihaz
myServiceUUID;name=MyBtService)
bu
bulup
servisi
(btspp://localhost:
kaydolmaktadır.
Kayıt
işlemi
gerçekleştikten sonrada bluetooth bağlantısı gerçekleşmektedir. Darbe oksimetre ile
bağlantıda
ise
MIDlet
cihaz
kimliği(ID)
ile
direk
bağlantı(connURL
=btspp://0791345694356:1) sağlanmaktadır.
3.6.1. Spirometre bluetooth uygulama yazılımı
Spirometre ile solunum fonksiyon test değerlerinin gün içerisinde belirli aralıklarla
ölçülmesi yeterli olduğundan hastaların evlerinden ölçtüğü değerler bluetooth ile cep
telefonuna, cep telefonundan da web sunucusunda bulunan MySQL veritabanına
aktarılmaktadır. Bu amaçla evde bakım sistemi için uygun, kaliteli ve ucuz spirometre
temin edilmiştir. Hasta, spirometre ile solunum fonksiyon testlerini gerçekleştirdikten
sonra veriler bluetooth iletişim protokolüyle akıllı cep telefonuna aktarılmaktadır.
Spirometre ile hastanın akciğer kapasitesi(FVC), bir saniyede üfleyebildiği havanın
hacmi(FEV1),nefes verme gücü(PEF), maksimum nefes vermenin ortasındaki akım
hızı (FEF25-75), FEV1/FVC değerleri ölçülmektedir.
MIDlet Uygulama Yazılımı
J2ME ile geliştirilen MIDlet uygulama menüsünde, Şekil 3.7.’de görüldüğü gibi,
spirometre cihazı ile bağlantı sekmesi, darbe oksimetre cihazı ile bağlantı sekmesi,
kullanıcı adı, darbe oksimetre ID’si, sunucu IP adresinin belirlendiği ayarlar sekmesi
ve astım kontrol testinin cevaplandığı anket sekmesi bulunmaktadır.
Çalışmada, spirometre ve darbe oksimetreden bluetooth iletişim teknolojisi ile veri
alabilen ve http protokolü ile 3N veya kullanıcının tercihine göre GPRS, WiFi gibi
46
farklı bağlantılar üzerinden uzakta bulunan web sunucusuna verileri gönderebilen
akıllı cep telefonu temin edilmiştir.
Programın sekmelerinde bulunan tüm formların yönetimi yığın (stack) sınıfından
türeyen DisplayManager sınıfı ile yapılmaktadır. Ana formdan(formMain) tüm aktif
ve pasif formlar arasında geçişler bu sınıf ile sağlanmaktadır.
Şekil 3.7. MIDlet menüsü
Spirometre ile bağlantı SpirothorDataReceiver sınıfı ile sağlanmaktadır. MIDlet
uygulamasında bulunan “Bağlantıyı Aç” butonuna basıldıktan sonra cep telefonu
zamanlayıcı(schedule)
metodu
ile
3
dakika(180000
milisaniye)
boyunca
spirometrenin cep telefonunun bluetooth servisine kayıt yaptırarak bağlanması
beklenmektedir. Şekil 3.8.’de gösterildiği gibi, bağlantı sağlandıktan sonra cep
telefonunun ekranında “Cihaza bağlandı, Veri aktarımına başladı” yazısı çıkmaktadır.
Bu süre zarfında bağlantı olmazsa bluetooth bağlantısı kapatılıp, ilk açılıştaki
butonlar geri yüklenip, zamanlayıcı iptal edilmektedir.
47
Şekil 3.8. MIDlet’de spirometre uygulamasının başlatılması
Spirometre cihazından, Şekil 3.9.’de görüldüğü gibi, veriler cep telefonuna bluetooth
ile gönderilmeye başladığında ilk gelen byte 0x0d’a eşit ise cep telefonu bu veri
kümesini almaya başlamaktadır. SpirothorDataReceiver sınıfı ile verilerin cep
telefonu ara belleğine (MessageBuffer) yazılması, CRC-16 ile kontrol edilmesi,
alınan veride hata varsa sayacın yeniden başlatılıp, NACK(Not Acknowledge)
mesajının gönderilmesi, verilerin ilk ayrımının yapılması sağlanmaktadır. J2ME’de
arraylist(gelen veri ile boyutu artan dizi) olmadığından veriler vector.addElement ile
vector’e eklenmektedir.
48
Şekil 3.9. Spirometre cihazından bluetooth ile verilerin aktarımı
Veri aktarımının tamamlandığı SpirothorDataReceiver sınıfında bulunan CRC-16’da
“B02” byte ile anlaşılmaktadır. Bu işlem bittikten sonra ayrıştırılan verilerden SFT
ölçümündeki en önemli beş parametre ve yapay sinir ağı ile elde edilen sınıflandırma
sonucu Şekil 3.10.’da gösterildiği şekilde form ekranımızda (append edilmekte)
gösterilmektedir.
Şekil 3.10. Solunum fonksiyon test sonuçları
49
SFT verilerinin cep telefonuna aktarımı tamamlandıktan sonra bu veriler ile cep
telefonunda akış-hacim(F-V) ve hacim-zaman(V-T) grafiklerinin cep telefonunda
çizdirilebilmesi için Şekil 3.11.’de gösterilen butonlar eklenmiştir.
Şekil 3.11. Spirometre alt menüsü
Darbe Oksimetreden sunucuya erişimin modüler bir şekilde sağlanması amacıyla ayrı
bir form oluşturulmuştur. SettingsBean sınıfı ile kullanıcı tarafından daha önceden
kaydedilmiş kullanıcı Adı, sunucu ve Darbe oksimetre ID bilgisi bulunmaktadır.
Kullanıcının bu ayarları değiştirebilmesi sağlanarak akıllı cep telefonunun farklı web
sunucu, darbe oksimetre ve kullanıcı ile çalışabilmesi Şekil 3.12.’de gösterildiği gibi
sağlanmaktadır.
50
Şekil 3.12. MIDlet ayarlar sekmesi
Bluetooth ile alınan SFT verilerinin ayrıştırılması(Parsing)
Nonin 9560 darbe oksimetre anlamlı veriyi iki byte şeklinde göndermektedir. Bu veri
kümesinin ayrıştırılmasında ilk byte’ta SPO2, ikinci byte’ta ise kalp atışı değeri
alınmaktadır.
Spirometre ise verileri GDT(Geräte-Daten-Träger= Device Data Carrier) protokolü
ile akış(stream) şeklinde gönderdiğinden alınan veri kümesinin bu protokole uygun
ayrıştırılması gerekmektedir. GDT, tıbbi cihaz ölçümleri için özel olarak geliştirilmiş
protokoldür [86]. Bu protokolde veriler başlık, hasta verisi ve ölçülen veri şeklinde
paketlenmektedir. Başlık satırın kaç karakter uzunluğunda olduğu tanımlamakta,
hasta verisi ölçülen veriyi tanımlamakta, ölçülen veride adından da anlaşıldığı gibi
ölçülen veri tanımlanmaktadır. Veriler, gönderim sıralama sayacı ile 1-9 arasındaki
sayılarla periyodik olarak kontrol edilmektedir. Veri gönderiminde hata olduğu
zaman sıralama sayacının değeri sabit kalmaktadır. Verilerin gönderimi B00 etiketi
ile başlamakta, B01 etiketi ile ölçülen veri kümesi gönderilmeye başlanmakta, B02
etiketi ile de veri gönderimi durdurulmaktadır. Böylece CRC-16 (Cyclic redundancy
51
check) ile de veri gönderimi kontrol edilmektedir. Şekil 3.13.’de cihaz tarafından
gönderilen örnek veri kümesi gösterilmektedir.
Şekil 3.13. Spirometre ile ölçülen örnek veri kümesi
Mobil Astım Kontrol Testi
Hastaların astım seviyesi hakkında bilgi veren, böylece astımın kontrol edilmesinde
yararı kanıtlanmış Şekil 3.14.’da gösterilen testin cep telefondan cevaplanıp, sonucun
web sunucusundaki veri tabanına aktarılmasıyla hastalığın durumu ve gelişimi
hakkında ilave bilgiye ulaşılmaktadır.
52
Şekil 3.14. Akıllı cep telefonundan astım kontrol testinin cevaplanması
3.6.2. Darbe oksimetre bluetooth uygulama yazılımı
Tez çalışmasında kronik akciğer hastalarının gerçek zamanlı 7x24 takibini sağlayan,
hastalığın seyri hakkında bilgi veren, hastanın parmağında taşıyabildiği, kapalı alanda
10 metre, açık alanda 100 metre çapında veri gönderimi sağlayan, 63 gr. ağırlığında,
LCD ekranından hastanın kendi arteriyel oksijen konsantrasyonu ve kalp atışını takip
edebildiği, aynı zamanda söz konusu verileri Bluetooth protokolü ile akıllı cep
telefonuna gönderebilen darbe oksimetre kullanılmıştır. Şekil 3.15.’da görülen darbe
oksimetre ile cep telefonu arasında bluetooth sanal seri port protokolü kullanılarak
sanal kablosuz RS-232 bağlantısı sağlanmakta ve veri aktarımı gerçekleşmektedir.
53
Şekil 3.15. Darbe oksimetre
Darbe Oksimetre Bluetooth Uygulama Yazılımı Özellikleri
Darbe oksimetre bluetooth uygulama yazılımı temel olarak, bluetooth seri port
protokolü ile SPO2 ve kalp atışı değerlerinin alındığı veri alma modülü ve alınan
verilerin veritabanına aktarıldığı, SPO2 ve kalp atışı için kritik bilgilerin
veritabanından alınmasının sağlandığı, acil durumlarda SMS bilgisini gönderen web
servis kısmından oluşmaktadır.
J2ME ile geliştirilen MIDlet uygulamasında darbe oksimetreye bluetooth bağlantısı
cihazın ID'si ile direk sağlanmaktadır. Buffer[1] ve Buffer[2] de bulunan SPO2 ve
kalp atışı değerleri alınmakta ve setText metodu ile veriler string’e çevrilerek Şekil
3.16.’da görüldüğü gibi cep telefonu ekranına yazdırılmaktadır.
54
Şekil 3.16. Darbe oksimetre verilerinin cep telefonunda gösterilmesi
İki
farklı
uygulamanın
beraber
çalışmasını
sağlayan
en
etkili
yöntem
XML(Extensible Markup Language)’dir. XML’in açık standart bir dil olması
verilerin internet üzerinden kolay bir şekilde aktarımını ve ortak kullanımını
sağlamaktadır.
XML, Web Servisleri farklı işletim sistemleri ve donanımların birbirleriyle uyumlu
bir şekilde haberleşmesini sağlayan web uygulamasıdır. Çalışmada XML Web Servisi
Java Axis kütüphanesi ile geliştirilmiştir. Web servisinin istemci kısmı Java MIDlet
uygulaması ile cep telefonunda, sunucu kısmı ise Apache Tomcat Server üzerinde
web sunucusunda çalışmaktadır. Veriler web servisin istemci-sunucu modülleri
arasında aktarılmaktadır. Söz konusu aktarma işlemi esnasında daha önceden
aktarılan veriler, programda geliştirilen metot ile denetlenip verilerin tekrar
aktarılmasının önüne geçilmiştir.
Şekil 3.17.’de Apache Tomcat Server üzerinde çalışan örnek uygulamanın gerçek bir
web servis ile nasıl haberleştiği gösterilmektedir. Oluşturulan istemci web servisi
sunucudaki web servisini çağırmaktadır.
55
Şekil 3.17. XML web servis
Darbe oksimetre tarafından saniyede bir defa ölçülen SPO2 ve kalp atışı değerleri
akıllı cep telefonuna XML Web servis ile gönderilmektedir. Döngü içerisinde ölçülen
veriler dakika bir defa olmak üzere Web servis aracılıyla XML tabanlı olarak uzak
merkezde bulunan veritabanına GPRS, WiFi veya 3N ile gönderilmektedir. Daha
sonra alınan veriler veritabanına kaydedilmektedir. Hastanın oksijen konsantrasyonu
80’nin veya kalp atış sayısı (Nabız) 40’ın altında veya 150’nin üzerinde ve son iki
dakika içerisinde SMS gönderilmedi ise hasta ve doktora acil durum SMS mesajı
gönderilmektedir. Böylece doktorun ambulansı yönlendirmesiyle hastaya müdahale
edilmesi sağlanmaktadır.
3.6.3. Acil durumlarda ve bilgilendirme için SMS gönderilmesi
Geliştirilen KAHBS yazılımında Spirometre ve darbe oksimetreden elde edilen
sonucun XML şablonuna dönüştürülmesi aşağıdaki XML şablonundaki gibi
yapılmaktadır. Daha sonra XML şablonuna gömülen sonuç Web servis ile
gönderilmektedir.
56
XML Şablonu :
<?xml version="1.0" encoding="iso-8859-9"?>
<mainbody>
<header>
<company>SMS_saglayici_adi</company>
. <usercode>KullaniciAdi</usercode>
<password>Sifre</password>
<startdate>151220041828</startdate>
<stopdate>171220041425</stopdate>
<type>1:n</type>
. <msgheader>MesajBaslik</msgheader>
</header>
<body>
<msg><![CDATA[Spirometre Değerlendirme Sonucu]]></msg>
<no>905053840733</no>
</body>
</mainbody>
<company>
: Bu alana firma_adı yazılmaktadır
<usercode>
: Kullanıcı Kodu
<password> : Kullanıcı şifresi
<startdate>
: Mesajın gönderilmeye başlanacağı tarih (ddmmyyyyhhmm)
<stopdate>
: Mesajın geçerlilik süresinin bittiği tarih(ddmmyyyyhhmm)
<type>
: 1 mesaj N adet numaraya gönderilecek (1:n)
<msgheader> : Gönderecek SMS’in gönderen kısmında görünecek olan bilgidir.
Maksimum 11 minimum 2 ve İngilizce karakterlerden oluşabilir.
<msg>
: Gönderilecek olan mesajın metni. XML ayrıma (Parse) işlemlerinde
Türkçe karakterler ve özel işaretlerin sorun yaratmaması için, mesaj metni
<![CDATA[Mesaj metni bu alanda olacaktır]]> tag’i içinde gönderilmektedir.
<no>
: Mesajın gönderileceği telefon numarası.
57
Tez çalışmasında doktor ve hastaya aynı mesajı göndermek yerine doktor ve hastaya
farklı mesajlar gönderilmektedir. Doktora hastanın adı, soyadı, doğum tarihi ve SFT
değerlerinin ÇKA sınıflandırma sonucu, kalp atışı ve oksijen konsantrasyonu
sonuçları gönderilmektedir. Hastaya ise SFT değerlerinin ÇKA sınıflandırma sonucu
ile tavsiye mesajı gönderilmektedir. Hastanın SFT değerlerinin ileri beslemeli geri
yayılımlı ÇKA ile verilerinin sınıflandırılması sonucuna bağlı olarak gönderilen SMS
mesajları aşağıda sunulmaktadır.

Normal=Herhangi bir solunum yolu hastalığınız bulunmamaktadır.

Obstrüktif= Doktorunuz ile görüşmeniz tavsiye edilmektedir.

Restriktif= Doktorunuz ile görüşmeniz tavsiye edilmektedir.

Astım=Geri dönüşümlü havayolu tıkanıklığınızın tedavisi için doktorunuz ile
görüşmeniz tavsiye edilmektedir.

KOAH=Acilen doktorunuz ile görüşmeniz tavsiye edilmektedir.
Web servis, SOAP adı verilen "Simple Object Access Protocol" (Basit Nesne Erişim
Protokolü) ile XML tabanlı olarak uygulamaların birbirlerinin çalışma ortamından
bağımsız olarak haberleşmesini sağlamaktadır. Uygulamada Web servis ile HTTP
Get-Post metodu kullanılarak, XML dosyasının içine aktarılan bilgilendirme ya da
acil durum mesajı kullanıcının bağlantı tercihine göre GPRS, WiFi, 3N ile http
protokolü üzerinden web servisle iletişim kurularak SMS Web ara yüzüne
gönderilmektedir. Buradan da mesaj ilgili GSM operatörünü kullanan doktora yada
hastaya ulaştırılmaktadır.
3.7. Tüm Verilerin Web Tabanlı Görüntülenmesi
Kronik akciğer hastalığı bakım sisteminin en önemli bileşenlerinden birisi de tüm
verilerin web tabanlı görüntülenmesidir. Bu amaçla normal ve mobil web sayfaları
tasarlanmıştır. Tasarlanan normal web sayfasına Şekil 3.18.’de görüldüğü gibi
kullanıcı adı ve şifre ile güvenli giriş yapılmaktadır.
58
Şekil 3.18. Kronik akciğer hastalığı bakım sistemi web sayfası
Web sayfasından astım ve KOAH hastalığı ile ilgili bilgilendirme içeriğine, darbe
oksimetre, solunum fonksiyon verileri ve bu verilerinden elde edilen hacim-zaman ve
akış-hacim grafikleri görüntülenebilmektedir. Ayrıca astım kontrol testi ve St. George
solunum anketi ile ilave bilgilere ulaşılabilmektedir. Gerekli olduğu durumlarda hasta
ve doktor birbirlerine e-posta gönderebilmektedir.
Hastalıkla ile ilgili ilave bilgilere ulaşmak amacıyla web sayfasından astım kontrol
testi ve st. george solunum anketi cevaplanıp, sonuçları görüntülenebilmektedir.
Astım Kontrol Testi
Astım Kontrol Testi, 12 yaş ve üstündeki astım hastalarının astım durumunun
belirlemek amacıyla GINA (Global Initiative for Asthma) tarafından geliştirilen bir
ankettir. Literatürde yapılan çalışmalar, bu testin hastaların astım kontrollerini takip
ve tedavisinde etkili bir araç olduğunu göstermiştir [88, 89].
59
St. George Solunum Anketi
Kronik akciğer hastalıklarının özel olarak değerlendirilmesi için geliştirilmiş St.
george solunum anketi hastalığa özgü bir ankettir. Hastalığın seyrinde bir tedavi
girişimi ile meydana gelebilecek değişiklikleri fark edebilecek derecede duyarlıdır
[90].
Bu anket, solunum sıkıntınızın derecesini ve yaşamınızı ne kadar etkilediğini
öğrenmek için düzenlenmiştir. Anket hastalığın gerçekte en çok etkileyen
problemlerin neler olduğunu belirlemek amacıyla kullanılmaktadır. Ankette öksürük,
balgam, nefes darlığı, hırıltı nöbet sıklığı, kullanılan ilaçlar, ekseriz, hakkında sorular
bulunmaktadır.
Web sayfasında Şekil 3.19.’de görüldüğü gibi hastaların solunum fonksiyon test
verileri görüntülenmektedir.
Şekil 3.19. Kronik akciğer hastalığı bakım sistemi web sayfasında SFT verileri
Ayrıca, Şekil 3.20.’de görüldüğü gibi, web sayfasında uzak merkezdeki sunucu
60
veritabanına aktarılan hastanın evde gerçekleştirdiği solunum fonksiyon test
verilerinin hacim-zaman ve akış-hacim grafikleri çizdirilmektedir.
Şekil 3.20. SFT verilerinin akış-hacim grafiği
3.8. Mobil Cihazlar için Web Sayfası Geliştirilmesi
Mobil cihazların kullandığı tarayıcılardaki sınırlamalardan dolayı masaüstü tarayıcılar
için geliştirilen sayfalar, mobil cihaz tarayıcıları tarafından tam olarak tercüme
edilememektedir. Ayrıca mobil cihazların ekranları küçük olduğundan, söz konusu
cihazlar için geliştirilen sayfaların tasarımı ve kodlaması diğer web sayfalarından
farklı olmaktadır. Tez çalışmasında solunum fonksiyon test verileri ve sınıflandırma
sonucu, darbe oksimetre verileri, solunum anket sonuçlarının mobil cihazlar
üzerinden görüntülenmesi için mobil web sayfası tasarlanmıştır.
Mobil web sayfasına kullanıcı adı ve şifre ile Şekil 3.21.’de görüldüğü gibi güvenli
giriş yapılmaktadır. Kullanıcı tarafından girilen şifre MD5 (Message-Digest
algorithm 5) algoritması ile şifrelenip sunucuya gönderilmektedir. MD5 algoritması
61
RFC'de belirtildiği gibi şifreleme algoritmalarına yardımcı olmak amacıyla
kullanılabilecek bir HASHING/FINGERPRINTING algoritmasıdır ve 128-bit'lik
.(16-bayt) bir çıktı üretmektedir [87]. MD5 tek yönlü bir algoritma olduğundan,
örneğin şifrenin 1234 olduğu durumda 2bd39036c2620b2e90e0d2dbce1ecbb2 gibi bir
kod üretilir ve bu kodun geri dönüşümü yoktur.
Şekil 3.21.’de geliştirilen mobil web sayfasının kullanıcı adı ve şifre giriş ekranı
görülmektedir.
Şekil 3.21. Mobil web sayfası kullanıcı ve şifre giriş ekranı
Mobil Web Sayfası ile Verilerin Görüntülenmesi
Kullanıcı, mobil web sayfasına kullanıcı adı ve şifre ile giriş yapıldıktan sonra Şekil
3.22.’de bulunan ekranda olduğu gibi web sayfasına ulaşmaktadır. Söz konusu sayfa
üzerinden solunum fonksiyon test verileri, darbe oksimetre verileri, solunum anket
sonuçlarına ulaşabilmektedir. Kullanıcı adı ve şifre ile giriş yapıldıktan sonra
veritabanından ilgili kullanıcı bilgisi alınmakta ve sadece giriş yapan kullanıcının
verileri görüntülenmektedir.
62
Şekil 3.22. Mobil web sayfası
Kullanıcı SFT Verileri butonuna tıkladığı zaman Şekil 3.23.’de görüldüğü gibi kabul
edilebilir solunum fonksiyon test verilerine ulaşabilmektedir.
Şekil 3.23. Mobil web sayfasındaki solunum fonksiyon test verileri
Kullanıcı, Darbe Oksimetre Verileri butonuna bastığı zaman Şekil 3.24.’de görüldüğü
gibi darbe oksimetre verilerine ulaşabilmektedir.
63
Şekil 3.24. Mobil web sayfasındaki darbe oksimetre verileri
64
4. SİSTEMİN HASTALAR ÜZERİNDE UYGULANMASI VE PERFORMANS
ANALİZİ
4.1. Sistemin Hastalar Üzerinde Uygulanması
Sistemin hastalar üzerinde uygulanması başlamadan önce Atatürk Göğüs Hastalıkları
ve Göğüs Cerrahisi Araştırma Hastanesi ve Yüksek İhtisas Hastanesi solunum
fonksiyon test birimleri ziyaret edilmiştir. Bu birimlerden sorumlu teknisyenlerden
spirometre kullanımı ve ölçüm sırasında ortaya çıkan sorunların çözümü konusunda
bilgi alınmıştır. Ayrıca, hastane ortamında hastalara solunum fonksiyon testinin nasıl
yapıldığı incelenmiştir. Özellikle solunum fonksiyon testi öncesinde teknisyenin
hastayı rahatlatmaya çalışması, solunum fonksiyon testinin nefes alma ve nefes verme
aşamasında hastayı yüksek sesli yönlendirmesi dikkatle incelenmiştir. Bazı hastalar
kolayca testi gerçekleştirirken, bazı hastalar ise testi tamamlayamamışlardır.
Geliştirilen sistem hasta grubu üzerinde uygulanmıştır. Çizelge 4.1.’de hasta
grubunun demografik özellikleri sunulmaktadır. Hastaların yaş aralığı 29 ile 70
arasında değişmektedir. Seçilen hastalar cep telefonu kullanma ve daha önceden SFT
testi yaptırmış olmak gibi ortak özelliklere sahiptir. Buna ilaveten, hastalar parfüm,
kirli havadan uzak durmak gibi zararlı etkenlerden uzak durmak gerektiği bilgisine
sahiptir.
Çizelge 4.1. Hastaların demografik özellikleri
Boy(cm)
Yaş(yıl)
Kilo(kg)
Ortalama
163,71
48,86
73,79
Standart Sapma
6,88
14,25
13,39
Cinsiyet
Hasta Sayısı
KOAH
Astım
Erkek
8
3
5
Kadın
6
1
5
Seçilen hastalar evlerinde ziyaret edilerek sistem kullanımı hakkında bilgi verilmiştir.
65
Eğitim süresinin dokunmatik ekrana sahip akıllı cep telefonu kullanılabilirliğine bağlı
olduğu anlaşılmıştır. Dokunmatik ekrana sahip akıllı cep telefonu kullanmakta olan
hastalarda eğitim süre otuz dakika olurken, yaşlı ve normal cep telefonu kullanan
hastalarda bu süre üç saat olmuştur. Başarı ile sistem kullanımı sağlandıktan sonra
eğitim tamamlanmıştır. Her hasta sistemi yedi gün süreyle evinde kullanmıştır.
Hastalardan alınan geri dönüşlerden sistemin kullanımında hastaların periyodik
ziyaret etmenin yararlı olacağı düşünülmektedir.
Yetmiş yaşındaki hasta sistem kullanımının başlangıcında SFT testini yapmasına
karşın dokunmatik akıllı cep telefonunu kullanamıyordu. Hasta ikinci ziyarette aynı
telefonu kullanmaya başlamıştır. Elli bir yaşında olup, Nokia 5800 (dokunmatik akıllı
cep telefonu) kullanmakta olan hasta sistemi kolaylıkla kullanmış ve sistemin
hastalığını kendi kendine yönetmede yardımcı olacağını ifade etmiştir. Ev
denemelerinde elde edilen SFT sonuçlarının hastanede yapılan test sonuçları ile
uyumlu olduğu görülmüştür. Hastaların sistemin hastaneye gitme sıklıklarını
azaltabileceği, doktorun gerçek zamanlı takibi ve ambulansın yönlendirilmesi gibi
acil durumda müdahale edilebilmesi nedenlerinden dolayı sistemi kullanabileceklerini
ifade etmişlerdir.
Doktora, web sayfaları üzerinden hastayı takip etmesi ve SMS tabanlı bilgilendirme
konularında bilgi verilmiştir. Bir haftalık hasta bilgisine ulaşan doktor, hastaya
bronkilatör ve steroid kullanımı hakkında tavsiyelerde bulunmuştur. Acil durum SMS
bilgisinin sadece doktora gönderilmesi gereksiz durumlarda ambulansın hastaya
yönlendirilmesini engellediği anlaşılmıştır.
4.2. Performans Analizi
Çalışmada en iyi sınıflandırma sonucunun elde edilebilmesi için birçok deneme
gerçekleştirilmiştir. Beşinci tez izleme kurulunda üç girişli ve tek gizli katmanlı
ÇKA’dan beş girişli ve iki gizli katmanlı mimariye geçilerek daha yüksek performans
değerleri elde edilmiştir. Akıllı cep telefonundaki sınıflandırma en yüksek performans
66
değerlerine sahip ağın ağırlık ve eşik değerleri ile yapılmaktadır. İsteğe göre her
solunum fonksiyon ölçümünden sonra eğitim işlemi gerçekleştirilebilmektedir. Bu
durumda ileri besleme ve geri yayma işlemleri yapılarak ağırlık ve eşik değerleri
güncelleştirilmektedir. Daha sonra sınıflandırma yapılmaktadır.
Yapay sinir ağlarında performansı ölçmek için belirlilik, duyarlılık, doğruluk, AUC
değerlerine ilaveten regresyon ve ROC eğrisi yaygın olarak kullanılmaktadır [85].
Tasarlanan ağın performansı, ağın hiç görmediği test verilerine karşı oluşturduğu
sonuçlarının değerlendirilmesi ile belirlenmektedir. Geliştirilen ileri beslemeli geri
yayılımlı çok katmanlı yapay sinir ağının performansı söz konusu parametreler ile
ölçülmüştür.
ROC eğrisi, tanı testlerinin sınıflandırma performanslarını değerlendirilmek için
kullanılan, duyarlılık ve seçicilik değerleri arasındaki ilişkinin iki boyutlu grafiksel
gösterimidir. Tıbbi testlerde sonuçlar pozitif ya da negatif olarak gruplandırılır. Bu
gruplar oluşturulurken örnek pozitif ise Doğru Pozitif (DP), örnek pozitif ancak
negatif bulunmuşsa Yanlış Negatif (YN), örnek negatif ve negatif sınıflandırılmışsa
Doğru Negatif (DN), örnek negatif ancak pozitif sınıflandırılmış ise Yanlış Pozitif
(YP) olarak gruplandırılarak sınıflama çizelgeleri oluşturulur. Çizelge 4.2.’de söz
konusu sınıflandırma çizelgesi gösterilmektedir [81].
Çizelge 4.2. Tıbbi testlerin analizinde kullanılan sınıflama
Gerçek Durum
Tahmin
Pozitif
Negatif
TOPLAM
Pozitif
Doğru Pozitif(DP)
Yanlış Pozitif(YP)
DP+YP
Negatif
Yanlış Negatif(YN)
Doğru Negatif(DN)
YN+DN
TOPLAM
DP+YN
YP+DN
DP+YP+
Edilen
Durum
YN+DN
Tanı testlerinin değerlendirilmesinde bu çizelgelerden elde edilen belirlilik
67
(specificity), duyarlılık (sensitivity), doğruluk oranı (accuracy) değerleri dikkate
alınmaktadır. Belirlilik oranı, bir testin gerçekten hasta olmayanları ayırabilme
yeteneğini belirten orandır. Bu oran eşitlik 4.1’de gösterilmektedir.
Belirlilik = P(B)= DN / (DN+YP ) …………………………………………………4.1
Duyarlılık
oranı,
gerçekten
hasta
olanların
test
tarafından
hangi
oranda
saptanabildiğini belirten orandır. Bu oran eşitlik 4.2’de gösterilmektedir.
Duyarlılık=P(D)=DP/(DP+YN)……………………………………………………4.2
Doğruluk oranı bir testin hasta kişileri hasta, hasta olmayanları hasta değil olarak
sınıflandırma oranıdır ve testin tanı amaçlı ne kadar güvenle kullanılabileceğini ifade
eder. Bu oran eşitlik 4.3’de gösterilmektedir.
Doğruluk=P(DO)=(DP+DN)/N……………………………………………………4.3
Regresyon analizi ile değişkenlerden birisi belirli bir birim değiştiğinde diğerinin
nasıl bir değişim gösterdiğini incelenmektedir [80].
ROC eğrileri, uygun kesim noktalarının oluşturulan sınıflandırma çizelgelerindeki
belirlilik ve duyarlılık değerlerine bakılarak oluşturulurlar. ROC eğrisi altında kalan
alan (AUC) testin başarısını ifade etmekte kullanılır. Tıp alanında tahmin ve
sınıflandırma amaçlı yapay sinir ağı kullanımında sadece doğruluk değerlendirmesi
yapmak yeterli olmayacaktır. Yapay sinir ağının başarısı ROC eğrileri, duyarlılık,
belirlilik ve doğruluk sonuçlarına bakılarak da değerlendirilmelidir [81, 82, 83, 84].
Doktora tez çalışmasında, eğitim ve test veri kümelerine ait sonuçların doğruluğu
istatistiksel analiz yöntemleri ile değerlendirilmiştir. Çizelge 4.3.’da tasarlanan 5-5-53 mimarisine sahip ağın farklı denemelerde elde edilen performans değerleri
verilmiştir. Test veri kümelerinin performans değerleri eğitim kümesine göre daha
68
düşük bulunmuştur. Bu durumun eğitim kümesinde 389, test veri kümesinde 97
verinin kullanılmasından kaynaklandığı düşünülmektedir.
69
Kümesi
(Restriktif)
Regresyon
Kümesi
(Obstrüktif)
Regresyon
(Normal)
Regresyon
(Restriktif)
Regresyon
(Obstrüktif)
Regresyon
(Normal)
Regresyon
Test Kümesi
(Restriktif
Kümesi)
Duyarlılık
Eğitim Kümesi
(Restriktif
Kümesi)
Eğitim
Test Kümesi
94,8
95,56
92,73
97,4
95,33
0,960
0,942
0,964
0,911
0,873
0,937
0,9832
0,9718
2 96,7
92,8
96
94,33
95,36
87
0,938
0,924
0,959
0,866
0,898
0,852
0,9789
0,9575
3 97,4
91,8
94,36
87,93
95,76
83,5
0,964
0,953
0,915
0,906
0,850
0,722
0,9865
0,9716
4 98,2
94,8
97,73
92,3
98,2
96
0,971
0,955
1
0,914
0,876
0,937
0,9850
0,9809
5 98,7
92,8
98,96
89,7
98,8
87,66
0,971
0,967
1
0,890
0,855
0,786
0,9861
0,9811
6 98,7
93,8
97,83
91,3
97,63
89,7
0,942
0,938
0,958
0,899
0,878
0,856
0,9712
0,9761
7 98,2
90,7
96,5
87,63
98,7
0,859
0,976
0,966
0,965
0,882
0,806
0,858
0,9865
0,9816
AUC
1 97,4
No
AUC
Belirlilik
Duyarlılık
Eğitim Kümesi
Belirlilik
Test Kümesi
(Obstrüktif
Kümesi)
Eğitim Kümesi
(Obstrüktif
Kümesi)
Test Kümesi
(Normal
Kümesi)
Doğruluk
Doğruluk
Test
Çizelge 4.3. 5-5-5-3 Mimarisi ile elde edilen farklı
performans sonuçları
Eğitim Kümesi
(Normal
Kümesi)
Çizelge 4.3. 5-5-5-3 Mimarisi ile elde edilen farklı performans sonuçları
69
70
Çizelge 4.3.’de Normal, Obstrüktif ve Restriktif sınıflandırma sonuçlarının ayrı
ayrı eğitim ve test kümesi performans sonuçları görülmektedir.
Gerçekleştirilen denemelerde 5-5-5-3 mimarisine sahip ileri beslemeli geri yayılımlı
ÇKA’ın en yüksek performans değerlerine sahip olduğu görülmüştür. Bu mimarinin
eğitim kümesinin 98,7% doğruluk, 97,83% belirlilik, 97,63% hassasiyet ve 0,946
korelasyon değerlerine sahiptir. Söz konusu mimarinin eğitim kümesine ait sonuçlar
aşağıda sunulmaktadır.
Ağın eğitimi sonucunda elde edilen Normal, Obstrüktif ve Restriktif sınıflandırma
sonucunun regresyon değerleri Şekil 4.1. ve Şekil 4.2.’de sunulmaktadır. Söz konusu
mimariden elde edilen ROC eğrisi Şekil 4.3.’de gösterilmektedir.
(a)
(b)
Şekil 4.1. (a) Eğitim kümesi confusion matrix sonucu
(b) Normal sınıfının regresyon eğrisi
71
(a)
(b)
Şekil 4.2. (a) Eğitim kümesi Obstrüktif sınıfının regresyon eğrisi
(b) Restriktif sınıfının regresyon eğrisi
Şekil 4.3. Eğitim kümesi ROC eğrisi
Ağın 97 adet gerçek hasta verisi ile test sonucundan elde edilen Normal, Obstrüktif ve
Restriktif sınıflandırma sonucunun regresyon değerleri Şekil 4.4 ve Şekil 4.5.’de
sunulmaktadır.
72
(a)
(b)
Şekil 4.4. (a) Test kümesi Confusion matrix sonucu
(b) Normal sınıfının regresyon eğrisi
(a)
(b)
Şekil 4.5. (a) Test kümesi Obstrüktif sınıfının regresyon eğrisi
(b) Restriktif sınıfının regresyon eğrisi
73
ROC eğri altında kalan alan AUC değerinin 0,75-1,0 arasında olması yapılan analizin
yüksek oranda başarılı olduğunu göstermektedir. Tanı testlerinde belirlilik değeri
%50 oranını kesinlikle aşmalıdır, tanı ile yüksek ilişki kurulabilmesi içinde %75 %100 arasında olmalıdır [38, 44]. Korelasyon katsayısı (r) değerinin 0,7-1,0 arasında
olması bağımsız değişkenlerle ile bağımlı değişken arasındaki ilişkinin yüksek
olduğunu ifade etmektedir.
Ağın hangi mimaride en yüksek performans değerlerine sahip olduğunu bulmak için
farklı gizli katman ve nöron sayılarından oluşan ağlar oluşturulmuştur ve test verileri
ile test edilmişlerdir. Çizelge 4.4.’de farklı gizli katman sayısı ve farklı nöron sayıları
kullanılarak oluşturulan ağların performans değerleri verilmiştir. Söz konusu
çizelgede görüldüğü gibi eğitim kümesinin korelasyon veya regresyon değeri giriş
özniteliği arttıkça yükselmektedir. Ayrıca gizli katmanlardaki nöron sayıları eşit
olduğunda ağın performansının arttığı gözlenmiştir. Elde edilen değerlerden 5-5-5-3
mimarisinin en yüksek performans değerlerine sahip olduğunu gözlenmiştir. Örneğin
ROC eğrileri altında kalan alanlar kıyaslandığında iki gizli katmana sahip beşer nöron
içeren ÇKA’nın 0,971 olan AUC değerinin diğerlerinden daha yüksek olduğu
bulunmuştur. Ayrıca farklı yapılandırmaya sahip tüm ağların ROC değerlerinin
yüksek olduğu görülmüştür.
74
Çizelge 4.4. Farklı ÇKA mimarilerinin performans sonuçları
No
Mimari
Doğruluk Belirlilik
Duyarlılık Korelâsyon
AUC
1
3-3-3
90,2
87,16
88,1
0,891
0,911
2
3-4-3
93,9
91,76
91,63
0,912
0,942
3
3-5-3
93,1
92,7
93
0,908
0,935
4
3-3-3-3
94,2
93
93,9
0,926
0,953
5
3-4-4-3
91
87,93
89,56
0,904
0,932
6
3-5-5-3
94,3
93,8
94,56
0,912
0,934
7
4-3-3
91,8
82,46
90
0,894
0,921
8
4-4-3
93,6
84,73
94,13
0,917
0,941
9
4-5-3
92
84,26
91,73
0,901
0,916
10
4-3-3-3
94,3
91,93
88,33
0,908
0,921
11
4-4-4-3
97,7
94,56
94,43
0,934
0,959
12
4-5-5-3
92,8
84,86
87,03
0,897
0,921
13
5-3-3
93,6
92,86
90,1
0,909
0,923
14
5-4-3
94,1
86,86
93,63
0,918
0,943
15
5-5-3
96,1
93,56
95
0,934
0,954
16
5-3-3-3
92
87,83
83,83
0,909
0,912
17
5-4-4-3
96,4
93,7
93,13
0,924
0,946
18
5-5-5-3
98,7
97,83
97,63
0,946
0,971
4.3. İrdeleme
Literatürde kronik akciğer hastalığının takibi ve verilerinin sınıflandırması alanında
sınırlı çalışma bulunmaktadır. Doktora tez çalışmasının performans sonuçlarının
literatürde bulunan kronik akciğer hastalığı çalışmaları ile karşılaştırıldığında,
sınıflandırma başarısında anlamlı bir iyileşme sağladığı görülmektedir. Ayrıca
sistemin gerçek zamanlı çalışması ve mobil olması kullanım kolaylığı sağladığı
düşünülmektedir. Sistem, literatürdeki çalışmaların özelliklerini bir araya getirip,
mobil ve gerçek zamanlı çalışması ile kullanım kolaylığı sağlamıştır. Sistem tanısı
konmuş ve daha önce solunum fonksiyon testi yapmış hastaların takibini sağlamak
üzere geliştirildiğinden, solunum fonksiyon testini gerçekleştirmede önemli sorun ile
karşılaşılmamıştır. Fakat dokunmatik ekranlı akıllı cep telefonu kullanımı özellikle
75
ileri yaştaki hastalar için kolay olmamıştır. Bu sorun ilave hasta ziyareti ve daha uzun
sistem eğitimi ile aşılmıştır. Buna ilaveten, farklı algoritmalar kullanılarak
performans değerlerinin daha da artırılabileceği düşünülmektedir.
76
5. SONUÇ
Bilgi ve iletişim teknolojisi çağında değişen koşullara bağlı olarak bireylere uzaktan
sağlık hizmetlerinin sunulma ihtiyacı ortaya çıkmıştır. Bununla beraber teletıp
alanında ölüme neden olan, bireylerin yaşam kalitesini ve verimliliğini azaltan
hastalıklar sıralamasının üst sıralarında yer alan kronik akciğer hastalıklarının takibi
önem kazanmıştır. Kronik hastalıklarının tanımı gereği çok uzun süre devam etmesi
ve tam olarak tedavi edilememesinden dolayı yetersiz uzman doktor ve hastane sayısı
ile artan nüfusun tedavi ve takibinde çeşitli problemler ortaya çıkmaktadır.
Bu kapsamda biyomedikal ve iletişim altyapısındaki gelişmeler ve yenilikçi
yazılımlar, hastaların uzaktan takibi ve kendi kendilerini yönetmede yeni fırsatlar
sunmaktadır. Aynı zamanda, yaşlanan nüfus ve kronik hastalıkların takibi
gerekmektedir. Bu amaçla, kronik akciğer hastalarının uzaktan zeki ve mobil bir
sistemle gerçek zamanlı takibini sağlayan sistem geliştirilmiştir. Söz konusu kronik
akciğer hastalığı bakım sistemi mobil ve kablosuz teknolojileri kullanmaktadır.
Örneğin, darbe oksimetreyle kalp atışı ve arteriyal oksijen konsantrasyonu (SPO2),
spirometreyle solunum fonksiyon test değerleri(FEV1, FVC, FEV1/FVC, FEV25-75,
PEF) ölçülüp, veriler bluetooth sanal seri port protokolü ile akıllı cep telefonuna
aktarılmaktadır. Veriler cep telefonundan uzak merkezdeki sunucu veritabanına XML
SOAP protokolü kullanılarak 3N, WiFi veya GPRS ile gönderilmektedir. Veri
transferinde maliyet dikkate alınarak WiFi ile iletişim, GPRS ve 3N yerine tercih
edilmiştir. Eğer WiFi ağı yok ise 3N kullanılmıştır. Tez çalışmasında sadece hastane
ortamında yapılan solunum fonksiyon testinin ev ortamında hastayı rahatsız etmeden
yapılmaktadır. Sistemde, hastanın her zaman ve her yerden uzaktan takibi için
doktora bilgilendirme SMS mesajı ve hastaya kendi kendini yönetmesi amacıyla
tavsiye SMS mesajı gönderilmektedir. Böylece kronik akciğer hastalığı ilerlemiş yaşlı
hastalarının takibi kolaylaşmaktadır. Güvenli giriş yapılan normal ve mobil web
sayfaları ile hastaların takibi kolaylaştığı gibi hastalar kendi durumları hakkında
bilgilendirilerek kendi kendilerini kontrol etmeleri sağlanmaktadır. Söz konusu web
sayfalarında spirometre ve darbe oksimetre verileri, verilerin değerlendirme sonuçları,
77
anketler ve sonuçları, kronik akciğer hastalıkları ile ilgili açıklayıcı bilgiler, XML
web servis ile sunucu veritabanına kaydedilen yaklaşık bin noktadan oluşan solunum
fonksiyon testine ait akış-hacim ve hacim-zaman grafikleri sunulmaktadır.
Grafiklerinin çizdirilmesi için JQuery plugin kullanılmıştır. Web sayfası üzerinde
büyütme ve küçültme işlemleri ile söz konusu grafikler ayrıntılı incelenebilmektedir.
Tez çalışmasında ileri beslemeli geri yayılımlı çok katmalı yapay sinir ağı (ÇKA)
solunum fonksiyon test (SFT) verilerinin sınıflandırılması amacıyla kullanılmıştır.
Spirometre’den gönderilen solunum fonksiyon test verilerinin CRC-16(Cycle
redundancy check) ile veri bütünlüğü kontrol edilmektedir. Ölçülen SFT değerleri
ayrıştırıldıktan(parsing) sonra her ölçüm sonucunda cep telefonu ekranında önemli
beş SFT değeri gösterilmektedir. Bu işlem tamamlandıktan sonra veriler, akıllı cep
telefonunda gerçek zamanlı çalışan ÇKA ile sınıflandırılmaktadır.
Tez çalışmasındaki diğer yenilikler ise hava yolu obstrüksiyonun erken göstergesi
olan FEF25-75 giriş özniteliğinin mobil akıllı telefonda gerçek zamanlı çalışan mobil
ÇKA algoritmasında kullanılması, SMS tabanlı bilgilendirme ve tavsiye mesajı,
kronik akciğer hasta takibinin kolaylaşmasıdır. Gönderilen SMS’de solunum
fonksiyon test verisi, sınıflandırma sonucu, solunum fonksiyon test sonucu ile ilişkili,
örneğin “KOAH=Acilen doktorunuz ile görüşmeniz tavsiye edilmektedir.” bilgisi
bulunmaktadır. Ayrıca sistemde normal, obstrüktif, restriktif sınıflandırması yapıldığı
gibi sonucu obstrüktif bulunan hastaların ilave test yapmasıyla astım-koah ayrımı da
yapılabilmektedir. Buna ilaveten solunum fonksiyon test verilerinin sınıflandırması
ve darbe oksimetre verilerinin değerlendirilmesi uzaktaki sunucu yerine akıllı cep
telefonu üzerinde yapılarak, iletişim problemlerinden dolayı ortaya çıkacak olası
sorunların önüne geçilmiştir. İletişim problemi ortaya çıktığında ölçüm verileri,
değerlendirme ve sınıflandırma sonucu uzak merkezdeki sunucuya gönderilmeden
sistem çalışmaya devam etmektedir. Tez çalışmasında geliştirilen sisteminin temel
görevi, kronik akciğer hastalarını ev ortamında gerçek zamanlı takip etmek ve
desteklemektir. Çalışmanın tanı, düzenli tedavi ve doktorun yerini alma amacı yoktur.
Kronik akciğer hastalığının tanısı aile öyküsü, alerjenler vb. nedenlere bağlı olduğu
78
için sadece geliştirilen sistemin kullanılması yeterli olmayacaktır. Bundan dolayı tez
çalışmasında tanısı konulmuş hastaların takibi üzerine odaklanılmıştır [92, 93, 94,
95]. Hastalar üzerindeki uygulama sonuçlarından sistemin kullanımında en önemli
zorluğun dokunmatik akıllı cep telefonu olduğu anlaşılmıştır. Bu sorun ilave hasta
ziyareti ve daha uzun sistem eğitimi ile aşılmıştır. Sistem daha uzun süre kullanıldığı
takdirde hastaneye gitme sıklığını azaltacağı ve astımdan KOAH’a doğru hastalığın
ağırlaşmasının önüne geçileceği düşünülmektedir. Sistemin modüler yapıda olmasıyla
EKG, kan basıncı ve glikoz ölçüm cihazları sisteme eklenebilmektedir. Tanı için
gerekli veriler ile birlikte sistemin doktor tarafından kronik akciğer hastalığı tarama
çalışmalarında ve sağlık servislerine erişmekte zorluk çeken engelli hastalar
tarafından kullanılabileceği düşünülmektedir.
79
KAYNAKLAR
1.
Zach, S., “Telemedicine overview and summary”, International Conference of
IEEE, Israel, 409-412 (1996).
2.
Kyriacou, E., Pavlopoulos, S., Koutsouris, D., “Multipurpose Health Care
Telemedicine System”, International Conference of the IEEE EMBS, İstanbul,
3544-3547 (2001).
3.
Çoban, S., Engin, M., “Teletıp: Yöntem ve Uygulamalar”, Biyomedikal
Mühendisliği Ulusal Toplantısı (BİYOMUT), İstanbul, 226-229 (2005).
4.
Craig, J., Patterson, V., “Introduction to the Practice of Telemedicine, Journal
of Telemedicine and Telecare, 11 (1): 3-9 (2005).
5.
Joan, M. K., “Information Technology for the Practicing Physician”, Springer
Press, New York, 225-246 (2001).
6.
Kevin, D. B., “Innovative Programs in Telemedicine”, Telemedicine and eHealth, 14 (2): 117-121 (2008).
7.
Meleis, A. I., “Theoretical Nursing-Development and Progress”, J. B. Lippincott
Company, Philadelphia, 275-411 (1997).
8.
Hughes, S. L., Cummings, J., Weaver, F., Manheim, L., Braun, B., Conrad, K.,
“A Randomized Trial of the Cost Effectives of VA Hospital-Based Home Care
for the Terminally ill”, Health Services Research, 26 (6) : 801- 817 (1992).
9.
İnternet: Dünya Sağlık Örgütü “Home-Based
http://whqlibdoc.who.int/trs/WHO_TRS_898.pdf (2000).
Long-Term
Care”
10. Taylor, C., Lillis, C., Lemone, P., “Fundamentals of Nursing”, J. B. Lipincott
Company Press, Philadelphia, 22-28 (1993).
11. Guillén, S., Arredondo, M. T., Traver, V., García, J. M., Fernández, C.,
“Multimedia Telehomecare System Using Standard TV Set”, IEEE
Transactions on Biomedical Engineering, 49 (12): 1431-1437 (2002).
80
12. Thome, B., Dykes, A. K., Hallberg, I. R., “Home Care With Regard To
Definition, Care Recipients, Content and Outcome: Systematic Literature
Review”, Journal of Clinical Nursing, 12 (6): 860-872 (2003).
13. Karadağ, M., “Türk silahlı kuvvetlerinde görevli hekim öğretim üyelerinin evde
bakım hizmetleri konusundaki görüşleri”, Yüksek Lisans Tezi, Ankara
Üniversitesi Sağlık Bilimleri Enstitüsü, 3-9 (2006).
14. İnternet: T.C. Sağlık Bakanlığı “Kronik Hava Yolu Hastalıklarını Önleme
Kontrol Programı ve Eylem Planı” http:// www.saglik.gov.tr/GARD (2011).
15. Teker, A., “Astım ve KOAH’lı hastaların akut ataklarında viral solunum yolu
infeksiyon etkenlerinin Chip tekniğiyle araştırılması”, Doktora Tezi, Celal
Bayar Üniversitesi Tıp Fakültesi, 2-6 (2006).
16. Lahdensuo, A., Haahtela, T., Herrala, J., Kava, T., “Randomized comparison of
guided self-management and traditional treatment of asthma over 1 year”,
British Medical Journal, 312 (7033): 748-752 (1996).
17. Finkelstein, J., O'Connor, G., Friedmann, R. H., “Development and
implementation of the home asthma telemonitoring (HAT) system to facilitate
asthma self-care”, Studies in Health and Technology Informatics, 84 (1): 810814 (2001).
18. Istepanian, R. S. H., Wang, H., “Telemedicine in UK”, European
Commission—Information Society Directorate, Brussels, 1159–1165 (2003).
19. Istepanian, R. S. H., Lacal, J. C., “Emerging mobile communication
technologies for health: some imperative notes on m-health”, International
Conference of IEEE EMBS, Mexico, 1414-1416 (2003).
20. Bing, B., “Wireless Local Area Networks: The New Wireless Revolution”, John
Wiley, USA, 1-10 (2002).
21. Banitsas, K., Istepanian, R. S. H., Tachkara, S., “Applications of medical
wireless LAN (MedLAN) systems”, International Journal Health Marketing, 2
(2): 136–142 (2002).
22. İnternet: Bluetooth Association “Bluetooth” http://www.bluetooth.org/ (2009).
23. Güler, İ., Polat, H., “A Simple Computer-Based Measurement and Analysis
System of Pulmonary Auscultation Sounds”, Journal of Medical Systems, 28
(6): 665-672 (2004).
24. Türktaş, H., Türktaş, İ., “Astma”, Bozkır Yayıncılık, Ankara, 57 (1998).
81
25. Bates, B., Bickley, L., Hoekelman, R., “A guide to physical examination and
history taking”, J. B. Lippincott Company, Philadelphia, 244-245 (1992).
26. Jones, A., Jones, D., Kwong, K., Siu, S.C., “Acoustic performance of three
stethoscope chest pieces”, International Conference of IEEE EMBS, İstanbul,
3219-3222 (1998).
27. Richard, P. B., “Bioanalytic Sensors.”, The Biomedical Engineering Handbook:
Second Edition. Ed., Joseph D. Boca, CRC Press LLC, USA, 51-60 (2000).
28.
Çağlar, T., Ilgazlı, A., “Solunum fonksiyon testleri ve klinik kullanımı”, Nobel
Yayınları, Ankara, 31-50 (2004).
29. İnternet:
Dünya
Sağlık
Örgütü
“KOAH
http://www.who.int/respiratory/copd/burden/en/index.html (2009).
Raporu”
30. Mollahaliloğlu, S., Hülür, Ü., Yardım, N., Özbay, H., Çaylan, A. K., Ünüvar, N.,
Aydın, S.,“Sağlığa Bakış 2007”, Hıfzıssıhha Mektebi Müdürlüğü, Ankara, 5558 (2007).
31. İnternet:
Dünya
Sağlık
Örgütü
“Astım
http://www.who.int/respiratory/asthma/en/index.html (2009).
Raporu”
32. Özkan, S., “KOAH ve Astımlı hastalarda fonksiyonel performans ve yaşam
kalitesi arasındaki ilişkinin değerlendirilmesi”, Doktora Tezi, İstanbul
Üniversitesi Sağlık Bilimleri Enstitüsü, 1-3 (2006).
33. Önes, Ü., Neyzi, O., Ertuğrul, T., “Bronşiyal astım”, Nobel Tıp Kitabevleri,
İstanbul, 616-625 (2002).
34. Çöplü, L., Beyazova, M., Gökçe Kutsal, Y., “Bronş astması”, Güneş Kitabevi,
Ankara, 1178-1182 (2000).
35. Olivetti, J. F., Kercsmar, C. M., Redline, S. P., “Pre – and Perinatal risk factors
for asthma in inner city African-American children”, American Journal of
Epidemiology, 143 (6): 570-577 (1996).
36. Tütün, E., “Fiziksel Eğitim Alan ve Almayan Astımlı Çocukların Solunum
Fonksiyon Parametrelerinin Karşılaştırılması”, Yüksek Lisans Tezi, Abant İzzet
Baysal Üniversitesi Sağlık Bilimleri Enstitüsü, 12-16 (2005).
37. Özlü, T., “Astım Hakkında Bilmek İstedikleriniz”, Beyaz Yayınları, İstanbul, 860 (2002).
82
38. Eduardo, A., Navarro, V., Mas, J. R., Navajas, J. F., Alcega, C. P., “Enhanced
3G-Based n-Health System”, International Conference of IEEE EUROCON,
Belgrade, 1332-1335 (2005).
39. Toledo, P., Jiménez, S., Pozo, F., Roca, J., Alonso, A., Hernandez, C.,
“Telemedicine Experience for Chronic Care in COPD”, IEEE Transactions on
Information Technology in Biomedicine, 10 (3): 567-573 (2006).
40. Morón, M. J., Casilari, E., Luque, R., Gázquez, J. A., “A Wireless Monitoring
System for Pulse-oximetry Sensors”, IEEE Proceedings of Systems
Communications, Canada, 79-84 (2005).
41. Rasmussen, L. M., Phanareth, K, Nolte, H., Backer, V., “Internet-based
monitoring of asthma: A long-term, randomized clinical study of 300 asthmatic
subjects”, Journal of Allergy Clinical Immunology, 115 (6): 1137–1142 (2005).
42. Finkelstein, J., Cabrera, M. R., Hripcsak, G., “Internet-based home asthma
telemonitoring: can patients handle the technology?”, American College of
Chest Physicians Journal, 117 (1): 148-155 (2000).
43. Côté, J., Cartier, A., Malo, J. L., Rouleau, M., Boulet, L. P., “Compliance with
peak expiratory flow monitoring in home management of asthma”, American
College of Chest Physicians Journal, 113 (4): 968-972 (1998).
44. Chakraborty, C., Mitra, T., Mukherjee, A., Ray, A. K., “CAIDSA: Computeraided intelligent diagnostic system for bronchial asthma”, An International
Journal of Expert Systems with Applications, 36 (3): 4958–4966 (2009).
45. Üncü, U., Koklukaya, E., Gençsoy, A., Annadurdiyew, O., “A Fuzzy Rule-Base
Model for Classification of Spirometrec FVC Graphs in Chronical Obstructive
Pulmonary Diseases”, International Conference of IEEE EMBS, İstanbul,
3866-3869 (2001).
46. Hassinen, M., Marttila-Kontio, M., “Disaster Relief Coordination using a
Documentation System for Emergency Medical Services”, Pervasive Health
Conference and Workshops, Austria, 1-9 (2007).
47. Cano-García, J. M., González-Parada, E., Alarcón-Collantes, V., Casilari-Pérez,
E., “A PDA-based portable wireless ECG monitor for medical personal area
networks”, International Conference of IEEE MELECON, Spain, 713-716
(2006).
48. Istepanian, R. S. H., Jovanov, E., Zhang, Y. T., “Guest Editorial Introduction to
the Special Section on M-Health: Beyond Seamless Mobility and Global
Wireless Health-Care Connectivity”, Proceedings of IEEE Transactions on
Information Technology in Biomedicine, 8 (4): 405-414 (2004).
83
49. Figueredo, M. V. M., Dias, J. S., “Mobile Telemedicine System for Home Care
and Patient Monitoring”, International Conference of IEEE EMBS, USA,
3387-3390 (2004).
50. Gao, T., Greenspan, D., Welsh, M., Juang, R. R., Alm, A., “Vital Signs
Monitoring and Patient Tracking Over a Wireless Network”, International
Conference of IEEE EMBS, China, 1-4 (2005).
51. Sauer, C. T., Sebastià, L. T., Gómez, J. F. S., Rocafull, P. M., Marcet, N. C.,
“Bluetooth-3G wireless transmission system for neural signal telemetry”,
International Conference of IEEE on Wireless Telecommunications, USA, 16 (2007).
52. Lim, E. Y. , Lee, C., Cai, W., Feng, D., Fulham, M., “Development of an
Electronic Medical Report Delivery System to 3G GSM Mobile (Cellular)
Phones for a Medical Imaging Department, International Conference of IEEE
EMBS, France, 6726-6729 (2007).
53. Teong, C. S., Jeoti, V., “3G Compliant WAP Based System For Medical Data
Access”, International Conference of IEEE TENSON, USA, 227-230 (2004).
54. Groning, R., “Telemedicine: Insulin pump controlled via the Global System for
Mobile Communications (GSM)”, International Journal of Pharmaceutics,
339 (1-2), 61–65 (2007).
55. Nimmagadda, S. R., Evans, R., “Allergy: Etiology and epidemiology”,
Pediatrics in Review, 20 (4): 111-115 (1999).
56. Elmas, Ç., “Yapay Sinir Ağları”, Seçkin Yayıncılık, Ankara, 23-24 (2003).
57. Öztemel, E., “Yapay Sinir Ağları”, Papatya Yayıncılık, İstanbul, 28-85 (2003).
58. Miller, R. D., “Miller's Anesthesia 6th edition”, Churchill Livingstone, UK,
1213-1215 (2005).
59. Yıldırım, N., “Akciğer Fonksiyon Testleri Fizyolojiden klinik uygulamalara”,
Turgut Yayıncılık, İstanbul, 55-57 (2004).
60. GINA Report, “Global Strategy for Asthma management and Prevention”,
GINA, USA, 1-124, (2011).
61. Üncü, Ü., “Evaluation of Pulmonary Function Tests by Using Fuzzy Logic
Theory”, Journal of Medical System, 34 (3): 241–250 (2010).
62. Anogeianaki, A., “Interpretation of Spirometry through Signal Analysis”,
Upsala Journal of Medical Science, 112 (3): 313-334 (2007).
84
63. Husain, A., Habib, S. S., “Pattern Identification of Obstructive and Restrictive
Ventilatory Impairment through Flow Volume Curves”, Pakistan Journal of
Physiological, 4 (1): 30-34 (2008).
64. Arabalibeik, H., Jafari, S., Agin K., “Classification of pulmonary system
diseases patterns using flow-volume curve”, Studies in Health and Technology
Informatics, 163 (1): 25-30 (2011).
65. Arabalibeik, H., Khomami, M. H., Agin, K., Setayeshi, S., “Classification of
restrictive and obstructive pulmonary diseases using spirometry data”, Studies in
Health and Technology Informatics, 142 (1): 25-27 (2009).
66. Baemani, M. J., Monadjemi, A., Moallem, P., “Detection of Respiratory
Abnormalities Using Artificial Neural Networks”, Journal of Computer
Science, 4 (8): 663-667 (2008).
67. Mohktar, M. S., Basilakis, J., Redmond, J. S., Lovell, N. H., “A Guideline-Based
Decision Support System for Generating Referral Recommendations from
Routinely Recorded Home Telehealth Measurement Data”, International
Conference of IEEE EMBS, Argentina, 6166-6169 (2010).
68. Rodriguez-Roisin, R., “Global Initiative for Chronic Obstructive Lung Disease
(GOLD) guidelines for chronic obstructive pulmonary disease”, National
Institutes of Health and the World Health Organization, USA, 1-55 (2009).
69. Konstantikaki, V., Kostikas, K., Minas, M., Batavanis, G., Daniil, Z.,
Gourgoulianis, K., Hatzoglou, C., “Comparison of a network of primary care
physicians and an open spirometry programme for COPD diagnosis”,
Respiratory Medicine, 105 (2): 274-281 (2011).
70. Troiani, J. S., Carlin, B. P., “Comparison of Bayesian, classical, and heuristic
approaches in identifying acute disease events in lung transplant recipients”,
Statistics in Medicine, 23 (5): 803–824 (2004).
71. Mahesh, V., Ramakrishnan, S., “Assessment and classification of normal and
restrictive respiratory conditions through pulmonary function test and neural
network”, Journal of Medical Engineering & Technology, 31 (4): 300-304
(2007).
72. Jafari, S., Arabalibeik, H., Agin, K., “Classification of Normal and Abnormal
Respiration Patterns Using Flow Volume Curve and Neural Network”,
International Symposium of Health Informatics and Bioinformatics (HIBIT),
Antalya, 110 - 113 (2010).
85
73. Manoharan, S. C., Veezhinathan, M., Ramakrishnan, S., “Comparison of Two
ANN Methods for Classification of Spirometer Data”, Journal of Measurement
Science Review, 8 (3): 53-57 (2008).
74. Şahin, D., Übeyli, E. D., Ilbay, G., Sahin, M., Yasar, A. B., “Diagnosis of
Airway Obstruction or Restrictive Spirometric Patterns by Multiclass Support
Vector Machines”, Journal of Medical Systems, 34 (5): 967-973 (2010).
75. Miller, A., “Lung function testing: selection of reference values and
interpretative strategies”, American Review of Respiratory Disease, 144 (5):
1202-1218 (1991).
76. Nargela, R. V., Andziulis, A., “Bronchial obstruction evaluation according to
different methods”, Journal of Medicina, 39 (6): 550-554 (2003).
77. Demir, A., Büyükşirin, M., Polat, G. ve ark., “KOAH Çadırında Ölçülen SFT
Sonuçları ve KOAH Risk Faktörlerinin Değerlendirilmesi”, Toraks Dergisi, 7
(1): 23-28 (2006).
78. Montes, O. M., Talamo, C., Perez-Padilla, R., Jardim, J. R., Muino, A., Lopez,
M. V., et al., “Chronic obstructive pulmonary disease and body mass index in
five Latin America cities: the PLATINO study”, Journal of Respiratory
Medicine, 102 (5): 642-650 (2008).
79. Harik-Khan, R. I., Fleg, J. L., Wise, R. A., “Body Mass Index and the Risk of
COPD”, Chest, 121 (2): 370-376 (2002).
80. Özdamar, K., “SPSS ile Biyoistatistik”, Kaan Kitabevi, İstanbul, 419-460
(2003).
81. Karakış, R., “Yapay Sinir Ağları ve Lojistik Regresyon Yöntemleri ile Meme
Kanseri Koltuk Altı Lenf Nodu Durumunun Belirlenmesi”, Yüksek Lisans Tezi,
Gazi Üniversitesi Bilişim Enstitüsü, 11-33 (2009).
82. Fawcett, T., “An introduction to ROC analysis”, Pattern Recognition Letters, 27
(8): 861-874 (2006).
83. Slaby, A., “ROC analysis with Matlab”, International Conference of
Information Technology Interfaces (ITI), Croatia, 191-196 (2007).
84. Özyılmaz, L., Yıldırım, T., “Artificial neural networks for diagnosis of hepatitis
disease”, International Conference on Neural Networks, Portland, 586- 589
(2003).
86
85. Tokan, F., Türker, N., Yıldırım, T., “Determination of the neural network
performances in the medical prognosis by ROC analysis”, International
Conference of IEEE Signal Processing and Communications Applications,
Antalya, 1-4 (2006).
86. Koch, A., “Connecting Medical Measuring Instruments (GDT)”, Qualitätsring
Medizinische Software, Kerpen, 2-41 (2001).
87. Rivest, R., “The MD5 Message-Digest Algorithm RFC1321”, USA (1992).
88. Thomas, M., Kay, S., Pike, J., Williams, A., Rosenzweig, J. R., Hillyer E. V.,
Price, D., “The Asthma Control Test (ACT) as a predictor of GINA guidelinedefined asthma control: analysis of a multinational cross-sectional survey”,
Primary Care Respiratory Journal, 18 (1): 41-9 (2009).
89. Nguyen, V. N., Chavannes, N., Le, L. T., Price, D., “The Asthma Control Test
(ACT) as an alternative tool to Global Initiative for Asthma (GINA) guideline
criteria for assessing asthma control in Vietnamese outpatients”, Primary Care
Respiratory Journal, 21 (1): 85-9 (2012).
90. Erk, M., “Kronik Obstrüktif Akciğer Hastalığında Yaşam Kalitesinin
değerlendirilmesi”, Turgut Yayıncılık, Ankara, 267-273 (2000).
91. Gnanou, J., Caszo, B., Haniza, W., Mohamad, W., Nawawi H., Yusoff, K.,
Ismail, T., “Prediction Equations For Lung Function In Healthy, Life Time
Never-Smoking Malaysian Population”, The Southeast Asian Journal of
Tropical Medicine and Public Health, 42 (4): 965-976 (2011).
92. Işık, A. H., Şener, M. U., Güler, İ., “A Low Cost Mobile Adaptive Tracking
System for Chronic Pulmonary Patients in Home Environment”, Telemedicine
Journal and E-Health, Baskıda, 2012.
93. Işık, A. H., Güler, İ., “Teletıpta Mobil Uygulama Çalışması ve Mobil İletişim
Teknolojilerinin Analizi”, Bilişim Teknolojileri Dergisi, 3 (1): 1-10 (2010).
94. Işık, A. H., Özkaraca, O., Güler, İ., “Evaluation of Biotelemetry Systems and
Novel Proposal for Chronic Diseases Management”, Emerging Issues in the
Natural and Applied Sciences, 5-19 (2011).
95. Işık, A. H., Güler, İ., “SMS and Web Based Tele-Homecare System for Chronic
Pulmonary Patients Care”, International eHealth Telemedicine Conference
(Med-e-tel), Luxembourg, 790-794 (2011).
87
EKLER
88
EK-1. Sağlık Bakanlığı’ndan alınan araştırma izin belgesi
89
ÖZGEÇMİŞ
Kişisel Bilgiler
Soyadı, adı
: IŞIK, Ali Hakan
Uyruğu
: T.C.
Doğum tarihi ve yeri : 1980 Burdur
Telefon
: 0 (312) 202 37 94
e-mail
: [email protected]
Eğitim
Derece
Eğitim Birimi
Lisans
Gazi Üniversitesi / Elektrik-Elektronik Mühendisliği
2002
Yüksek Lisans
Gazi Üniversitesi / Elektrik-Elektronik Mühendisliği
2005
Mezuniyet tarihi
İş Deneyimi
Yıl
Yer
2002-2002
KOSGEB
2002-2003
Mira Mühendislik
2003-2007
Türk Telekom A.Ş.
2007-
Gazi Üniversitesi
Görev
Danışman
Proje Mühendisi
Uzman Yardımcısı
Sistem Yöneticisi
Yabancı Dil
İngilizce
Yayınlar
SCI Kapsamında Taranan Makale
1. Işık, A. H., Şener, M. U., Güler, İ., “A Low Cost Mobile Adaptive Tracking
System for Chronic Pulmonary Patients in Home Environment”, Telemedicine
Journal and E-Health, Baskıda, 2012.
Ulusal Ve Uluslararası Makaleler
1. Işık, A. H., Güler, İ., “Uzaktan Eğitimde Güvenlik Uygulamaları”, Bilişim
Teknolojileri Dergisi, 1 (2): 1-3 (2008).
90
2. Işık, A. H., Güler, İ., “Novel Approach For Optimization Of Cell Planning And
Capacity”, International Journal of Communications, 3 (1): 1-8 (2009).
3. Işık, A. H., Karakış, R., Güler, İ., “Postgraduate students attitudes towards
distance learning (The case study of Gazi University)”, Procedia - Social and
Behavioral Sciences(Elsevier), 9 (1): 218-222 (2010).
4. Işık, A. H., Güler, İ., “Teletıpta Mobil Uygulama Çalışması ve Mobil İletişim
Teknolojilerinin Analizi”, Bilişim Teknolojileri Dergisi, 3 (1): 1-10 (2010).
5. Özkaraca, O., Işık, A. H., Güler, İ., “Biological Signals Sensing with Wearable
Technologies and an ECG Athlete Design”, Recent Patents on Biomedical
Engineering Journal, 4 (2): 74-83 (2011).
6. Özkaraca, O., Işık, A. H., Sevil, G., Güler, İ., “Microcontroller based passive
elbow and knee rehabilitation instrument design”, Procedia - Computer
Sciences(Elsevier), (2011).
Kitapta Bölüm
1. Işık, A. H., Özkaraca, O., Güler, İ., “Evaluation of Biotelemetry Systems and
Novel Proposal for Chronic Diseases Management”, Emerging Issues in the
Natural and Applied Sciences, ISBN: 978-9952-8071-4-1, 5-19 (2011).
Uluslararası Bildiriler
1. Işık, A. H., Afacan, E., “Control Of Cell Planning With Fuzzy Logic In GSM
System”, 8th Wseas International Conference On Telecommunications And
Informatics (Tele-Info 09), İstanbul, 101-105 (2009).
2. Işık, A. H., Güler, İ., “Statistical Study And Data Mining In Distance Learning”,
3rd International Computer & Instructional Technologies Symposium, Trabzon
(2009).
3. Işık, A. H., “Solution Offers Directed Towards Encountered Problems In Distance
Learning Vocational High Schools”, 1st International 5th National Vocational
Schools Of Higher Education Symposium, Konya, 3546- 3551 (2009).
91
4. Akman, E. A., Işık, A. H., Çetin, A., Güler, İ., “A WEB3D Application in
Biomedical Engineering Education”, 13th International Conference on
Interactive Computer aided Learning(ICL2010), Hasselt-Belgium, 190-194
(2010).
5. Çetin, A., Işık, A. H., Güler, İ., “Learning Management System Selection with
Analytic Hierarchy Process”, 13th International Conference on Interactive
Computer aided Learning(ICL2010), Hasselt-Belgium, 921-926 (2010).
6. Işık, A. H., Akman Aydın, E., Çetin, A., “Collaborative E-Learning Environment
for Biomedical Specialists Training”, 13th International Conference on
Interactive Computer aided Learning(ICL2010), Hasselt-Belgium, 331-336
(2010).
7. Işık, A. H., Karakış, R., Güler, İ., “Gazi Üniversitesi Bilişim Enstitüsü Web
Sayfasının Kullanılabilirlik Analizi”, 2nd International Conference on New
Trends in Education and Their Implications (ICONTE 2011), Antalya, 607-614
(2011).
8. Özkaraca, O., Işık, A. H., Güler, İ., “Detection, Real Time Processing and
Monitoring of ECG Signal with a Wearable System”, IEEE International
Symposium on Innovations in Intelligent Systems and Applications, İstanbul,
424 - 427 (2011).
9. Işık, A. H., Güler, İ., “SMS and Web Based Tele-Homecare System for Chronic
Pulmonary Patients Care”, International eHealth Telemedicine Conference
(Med-e-tel), Luxembourg, 790-794 (2011).
10. Işık, A. H., Özkaraca, O., Güler, I., “Uzaktan Eğitim Öğrencilerinin İnternet
Yeterlilik Düzeylerinin İstatistiksel Analizi”, 2nd International 5th National
Vocational Schools of Higher Education Symposium (UMYOS 2011) , Aydın,
(2011).
Ulusal Bildiriler
1. Işık, A. H., Çetin, G., Orman, A., “Gelecek Nesil Şebekeleri (NGN)”, III. İletişim
Teknolojileri Ulusal Sempozyumu, Adana, 177-179 (2007).
92
2. Çetin, G., Işık, A. H., Orman, A., “Ipv6 ya Geçiş Sürecinde Uyum Sağlama
Testleri”, III. İletişim Teknolojileri Ulusal Sempozyumu, Adana, 185-188
(2007).
3. Işık, A. H., Çetin, G., “Yeni Nesil Operasyon Destek Sistemleri”, I. Haberleşme
Teknolojileri Ve Uygulamaları Sempozyumu (Habtekus'07), İstanbul, 58-61
(2007).
4. Işık, A. H., Aydın, E. A., Işık, İ., Tornincasa, S., Güler, İ., “Medikal Cihazların 3
Boyutlu Web Tabanlı Öğretilmesi”, Akademik Bilişim 09, Şanlıurfa, 8 (2009).
5. Işık, A. H., Işık, İ., Aydın, E. A., Muneta, M. L., Tornıncasa, S., Güler, İ.,
“Biyomedikal Uzmanlarının Eğitiminde Yeni Teknoloji ve Yöntemler“, 4. Ulusal
Elektrik,
Elektronik,
Bilgisayar,
Biyomedikal
Mühendislikleri
Eğitimi
Sempozyumu, Eskişehir (2009).
6. Işık, A. H., Özkaraca, O., Karacı, A., Güler, İ., “Uzaktan Eğitimde Sistem Odası
Tasarımı Ve İşletilmesi”, Akademik Bilişim 10, Muğla, 79-81 (2010).
7. Işık, A. H., Özkaraca, O., Karacı, A., Biroğul, S., “Web Tabanlı Eş Zamanlı
(Senkron) Uzaktan Eğitim Sistemlerinin Karşılaştırmalı Analizi”, Akademik
Bilişim 10, Muğla, 361-368 (2010).
8. Işık, A. H., Özkaraca, O., Güler, İ., “Mobil Öğrenme ve Podcast”, Akademik
Bilişim 11, Malatya, (2011).
İlgi Alanları
Biyomedikal, Telekomünikasyon, Koşu, Kayak, Tarih.
Download
Random flashcards
qweeqwqwe

5 Cards oauth2_google_78146396-8b44-4532-a806-7e25cc078908

En Mimar Architecture LTD ŞTİ XD

2 Cards asilyasar069

KIRIHAN GÜMÜŞ DEDEKTÖR

6 Cards oauth2_google_49cd8e53-7096-4be6-ba73-4ff7e4195b4b

Create flashcards