Bulanık Mantık ve Yapay Bağışıklık Sistemi Temelli Anestezik Derinlik Karar Destek Uygulaması

Yıl 2019, Cilt: 7 Sayı: 3, 2074 - 2093, 31.07.2019

Esra Şatır , Kudret Yılmaz

https://doi.org/10.29130/dubited.532821

Öz

Cerrahi
müdahalelerde, anestezi derinliğini
uygun hale getirmek amacıyla hastaların sistolik arter basıncını (Systolic
Arterial Pressure- SAP) ve kalp atım hızını (Heart Pulse Rate- HPR) kontrol
etmek iyi bilinen bir ölçüm yöntemidir. Ameliyat boyunca, SAP ve HPR verilerine
bakılarak hastaya verilebilecek anestezi miktarı (Anesthesia Output- AO) hesaplanabilmektedir. Bu çalışmada
anestezistlere, SAP ve HPR verilerinden yola çıkarak, hastaya verilebilecek en
uygun anestezi miktarını, Yapay Bağışıklık Sistemi (YBS) ve Bulanık Mantık (BM)
yardımı ile hassas hesaplayan bir Anestezik Derinlik Karar Destek Sistemi
(ADKDS) önerilmektedir. Çalışmada tasarlanan sistem, hastalardan elde edilen
giriş değerleri SAP, HPR ve çıkış parametresi AO kullanılarak, üyelik
fonksiyonlarının en uygun değerlerini elde etmek için, Klonal Seçim
Algoritmasının (KSA) her adımında arama, hesaplama ve değerlendirme
gerçekleştirmiştir. ADKDS’nin literatürdeki çalışmalara göre daha verimli
tahminlerde bulunduğu ve daha iyi sonuçlar elde ettiği gözlemlenmiştir.

Anahtar Kelimeler

Yapay Bağışıklık Sistemi, Anestezi Derinliği, bulanık mantık

Kaynakça

• [1] R. J. Kitz ve C. D. Vandem “A History and the scope of anesthetic practice,” 2nd. ed., vol. 1,New York, USA: Churchill - Livingstone, 1986.Chpt : 1, in Anesthesia cd.
• [2] B. E. Marshall ve D. E. Lockenfger, “General anaesthetics,Goodman and Gilman’s, the pharmocological basis of therapeutics,” 8th ed., Oxford: Permagon Press, 1990, pp. 285-311. [3] E. Eger, “New Inhaled Anesthetics,” Anesthesiology, vol.80, no. 1, pp. 906-922, 1994. [4] J.C. Snow, "Anestezi El Kitabı,” 1. baskı. İzmir, Türkiye: İzmir Guven Kitapevi, 1986, ss. 315-324.
• [5] S.G.Greenhow, D.A.Linkens ve A.J.Asbury, “Development of an expert system advisor for anaesthetic control,” Computer Methods and Programs in Biomedicine, vol. 37, no. 3, pp. 215-229,1992. [6] K. Becker, B. Thull, H. Kasmacher-Leidinger, J. Stemmer, G. Rau, G. Kalf ve H. Zimmermann, “Design and validation of an intelligent patient monitoring and alarm system based on fuzzy logic process model,” Artif Intell Med. , vol.11, no. 1, pp. 33-53, 1997.
• [7] L. Vefghi ve D.A. Linkens, “Internal representation in neural networks used for classification of patient anesthetic states and dosage,” Computer Methods and Programs in Biomedicine, vol. 59, no. 2, pp. 75– 89. 1999.
• [8] A. Yardimci, A. Ferikoğlu ve N. Hadimioğlu, “Microcontroller Based Fuzzy Logic Sevofluorane Anesthesia Control System,” International Conference on Computational Intelligence, pp. 137-147, 2001.
• [9] M. Mahfouf, A.J. ASbury ve D.A. Linkens, “Unconstrained and constrained generalised predictive control of depth of anaesthesia during surgery,” Control Engineering Practice, vol. 11, no. 12 ,pp. 1501-1515,2003.
• [10] J.S. Shieh, D.A. Linkens ve J.E.Peacock, “A computer screen-based simulator for hierarchical fuzzy logic monitoring and control of depth of anaesthesia,” Mathematics and Computers in Simulation, vol. 67, no.3, pp. 251-265, 2004.
• [11] C.S. Nunes, M. Mahfouf ve D.A. Linkens, “Fuzzy modelling for controlled anaesthesia in hospital operating theatres,” Control Engineering Practice, vol. 14, no. 5 pp. 563-572, 2006.
• [12] H. M. Saraoglu ve B. Edin, “E-Nose System for Anesthetic Dose Level Detection using Artificial Neural Network,” Journal of Medical Systems, vol. 31, no. 6,pp. 475-482, 2007.
• [13] S. Şanlı ve H.M. Saraoglu, “A Fuzzy Logic-Based Decision Support System on Anesthetic Depth Control for Helping Anesthetists in Surgeries,” Journal of Medical Systems, vol. 31, no. 6, pp. 511-519,2007.
• [14] H. M. Saraoğlu, “Anestezi derinliği için kullanılan parametrelerin etki seviyelerinin belirlenmesi,” 10. Akademik Bilişim Konferansı, Çanakkale,Türkiye,2008.
• [15] R. Güntürkün, "Estimation of Medicine Amount Used Anesthesia by an Artificial Neural Network, ” Journal of Medical Systems, vol. 34, no. 5, pp. 941-946, 2010. [16] R. Merer, j. Nieuwland, A. M. Zbinden ve S. S. Hacisalihzade, “Fuzzy logic control of blood pressure during anesthesia,” IEEE Control Systems Magazine, vol. 12, no. 6, pp. 12-17, 1992.
• [17] M. Yılmaz ve E. Arslan, “Bulanık mantığın jeodezik problemlerin çözümünde kullanılması,” 2. Mühendislik Ölçmeleri Sempozyumu,İstanbul,Türkiye,2005, ss. 512-522.
• [18] N. A. Zinab, “Bulanık mantık ile grup asansör kontrol sisteminin tasarımı ve simülasyonu,” Yüksek lisans tezi, Bilgisayar Mühendisliği Bölümü, Selçuk Üniversitesi, Konya, Türkiye, 2011.
• [19] F. Esponda, . S. Forrest ve P. Helm, “A Formal Framework for Positive and Negative Detection Schemes, ” IEEE Transactions on Systems, Man, and Cybernetics-Part B, Cybernetics, vol. 34, no.1, pp. 357-373, 2004. [20] O. Engin ve A. Döyen, “Artificial Immune Systems and Applications in Industrial Problems, ” Gazi University Journal of Science, vol.17, no.1, pp. 71–84, 2004.
• [21] B. Alatas, İ. Aydın ve E. Akın, “Asenkron Motorların Hata Teşhisinde Yapay Bağışıklık Sistemi Yaklaşımı, ” 2. Mühendislik Bilimleri Genç Araştırmacılar Kongresi, Istanbul, 2005, ss. 76-85.
• [22] L.N. De Castro ve F.J. Von Zuben, “The Clonal Selection Algorithm with Engineering Applications, ” Genetic and Evolutionary Computation Conference(GECCO), LAs Vegas, USA, 2000, pp. 36-37.
• [23] Ö.Taşkırdı, “Bulanık mantık ile sınavlara hazırlık için performans arttırma yazılımı, ” Yüksek lisans tezi,Bilgisayar Mühendisliği Bölümü, Kırıkkale Üniversitesi, Kırıkkale, Türkiye, 2013.