Özet:
Bruksizm, çiğneme kaslarının kasılarak dişlerin gıcırdaması ve alt çenenin
sıkılması olarak bilinir. Bruksizmden dolayı dişlerin aşınması, çene ağrısı ve çene
kaslarında oluşan yorgunluk nedeniyle hastaların yaşam kalitesini olumsuz
etkilenir. Teşhisi, konusunda uzmanlık ve klinik ortam gerektirmesiyle zor ve
zaman alıcıdır. Teşhis genellikle uyku sırasında masseter kaslarının
elektromiyografi aktivitesinin izlenmesiyle yapılır. Yüzey elektromiyografisi
sinyallerinin kullanılması ekonomik ve pratik bir çözüm olmasına rağmen,
çevresel etkilerden dolayı çene kaslarının yorgunluk ve parafonksiyonel
hareketlerini elektromiyografi sinyalleri ile tespit etmek zordur. Bu tez
çalışmasında hem elektromiyografi hem de akselerometre tabanlı olarak
kaslardan elde edilen sinyallerin etkin bir şekilde filtrelenmesinde genişletilmiş
Kalman filtre modeline dayalı yeni bir adaptif yöntem geliştirilirmiştir. Elde
edilen sinyallerin farklı genlik ve frekans özellikleri, sinyallerin dalgacık
dönüşümleriyle Shannon Entropi özellikleri ve de otoregresyon analiziyle de
regresyon katsayı özellikleri değerlendirilmiştir. Elde edilen bu özellikler,
bruksizm esnasında ortaya çıkan çene sıkma ve diş gıcırdatma eylemlerine ek
olarak ayrıca alt çenede oluşan kas yorgunluk durumları da dikkate alınarak
belirlenmiştir. Bu özelliklerden sadece en etkili olanları yapay sinir ağlarıyla
belirlenerek daha az özellikler ile bruksizm esnasında ortaya alt çene aktiviteleri
ve kas yorgunlukları belirlenerek en etkili bruksizm tanılaması bu tez çalışmasında
yapılabilmiştir. Dolayısıyla tanılama için beş farklı makine öğrenme algoritmaları
ayrı ayrı kullanılarak alt çene aktiviteleri sınıflandırılmış, bu algoritmaların da
birbirlerine göre performansları karşılaştırılmıştır. Bruksizmin en etkin
tanılanmasında ayrıca hem eletromiyografi tabanlı hem de akselerometre tabanlı
olmak üzere klinik bir ortama gereksinim kalmadan ev ortamında veri kaydına da
olanak sağlayan, giyilebilir ve düşük maliyetli güvenilir bir sistem geliştirilmiştir.