Geri Dön

Classification of lung sounds using wavelet-based neural networks

Solunum seslerinin dalgacık tabanlı sinir ağları ile sınıflandırılması

PDF İndir

  1. Tez No: 129415
  2. Yazar: METE YEĞİNER
  3. Danışmanlar: DOÇ. DR. YASEMİN KAHYA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Tıbbi Biyoloji, Medical Biology
  6. Anahtar Kelimeler: Akciğer sesleri, yapay sinir ağlan, dalgacık tabanlı sinir ağlan, çoklu çözünürlük analizi, Lung sounds, artificial neural networks, wavelet-based neural networks, multiresolution analysis
  7. Yıl: 2002
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Biyo-Medikal Mühendislik Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 81

Özet

SOLUNUM SESLERİNİN DALGACIK TABANLI SINIR AĞLARI İLE SINIFLANDIRILMASI ÖZET Geçen yüzyılın ikinci yansında, bilgisayar tabanlı sistemler tıbbın farklı alanlarında hastalık tanısında yaygın halde kullanılmıştır. Benzer çalışmalar, akciğer sesine dayanan tanıların da güvenilirliğini artırmaya yönelik olarak yapılmaya başlanmıştır. Bu çalışmada, iki tip sınırlandırıcı kullanılmıştır. Bunlar dalgacık tabanlı sinir ağlan ve yapay sinir ağlandır (YSA). Bu sınıflandırıcıların sağlıklı ve iki farklı sınıf patolojik akciğer seslerini sınılandırmadaki başarımları karşılaştırılmıştır. Bu sesler, hava akışıyla eşzamanlı olarak, sırtın iki tarafına yerleştirilen mikrofonlar kullanılarak alınmıştır. Sınıflandırıcıların girdileri 'çift-tek ayırımı' ve 'birini-dışarıda-bırakma' yöntemleri kullanılarak düzenlenmiştir. İçsoluma ve dışsoluma evrelerine ait akciğer sesleri %25 örtüşme ile otuz bölüte ayrılmıştır. Dalgacık tabanlı sinir ağlarında, bu bölütlere ait sinyaller dalgacık dönüşümüyle sıklık uzayında beş seviyeye ayrıştırılmış ve her seviye için yeniden yapılandırılan sinyaller özbağlanım kaysayılarıyla ifade edilmiştir. Bu katsayılarla birlikte solunum döngüsünün alt evrelerinin (erken-orta-geç) ifadesi olan hacim katsayıları sınıflandırıcıda girdi olarak kullanılmıştır. Her oktava ait sinir ağının çıktısı, sınıflandırıcının sıklık aralıklarındaki başarımını ölçmek için biraraya getirilmiştir. YSA'da ise, bölütlere ait sinyallerden elde edilen özbağlanım katsayılarıyla beraber hacim sabiti, sınıflandırıcının girdilerini oluşturmuştur. Sınıflandırıcı solunum döngüsünün iki evresine de uygulanmıştır. Sınıflandırıcının bu evrelere ait başarımları karşılaştırıldığında, dışsoluma seslerinin tamda kullanılmasının daha uygun olduğunu görülmüştür.

Özet (Çeviri)

IV CLASSIFICATION OF LUNG SOUNDS USING WAVELET-BASED NEURAL NETWORKS ABSTRACT Computer-based systems for diagnosing diseases have been widely used in various areas of medicine in the last decades and similar studies have been performed to parameterize and increase the reliability of lung-sound based diagnosis by using computational techniques. In this study, two types of classifiers, namely wavelet-based neural network and conventional artificial neural network (ANN), are used and compared for the classification of healthy and two-class pathological lung sounds which are acquired using two microphones on the chest wall along with the air-flow signal. The inputs of classifiers are organized using two different methods, 'even-odd partitioning' and 'leave-one-out'. The lung sound signals belonging to inspiratory or expiratory phases are divided into thirty segments with 25% overlapping. In wavelet-based classifiers, the signals belonging to segments are decomposed to five levels using wavelet transforms and the reconstructed signal at each level is represented by AR parameters at the input of the network along with a volume constant indicating the sub-phases (early, mid, and late) of the respiratory cycle. The outputs of five networks belonging to five octaves are later combined to determine the performance of the classifier with respect to the frequency intervals used. For the ANN, the AR parameters obtained from the segments and the volume constant are used as inputs for the network. The classifiers operate on the respiration phases separately and a comparison between the results of the two phases indicates that expiration is more useful in diagnosis.

Benzer Tezler

  1. Tez No

    807263

    Lung sound signal classification by using cosine similarity-basedmultilevel discrete wavelet transform decomposition with CNN-LSTM hybrid model

    CNN-LSTM hıbrıt modelıyle kosınüs benzerlıgıne dayalı çok düzeylıayrık dalgacık dönüsümü ayrısımı kullanarak akcıger ses sınyalısınıflandırması

    KHABAT HASAN ABDULLAH

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET BİLAL ER

  2. Tez No

    486861

    Time-frequency and time-scale analysis, decomposition and classification of adventitious pulmonary sounds

    Solunum ekseslerinin zaman-sıklık ve zaman-ölçek analizi, ayrıştırılması ve sınıflandırılması

    SEZER ULUKAYA

    Doktora

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEYNEP YASEMİN KAHYA

  3. Tez No

    632508

    Oskültasyon seslerinden ampirik dalgacık dönüşümü analizi kullanılarak kronik obstrüktif akciğer hastalığının teşhisi

    Diagnosis of chronic obstructive pulmonary disease using empirical wavelet transform analysis from auscultation sounds

    EMRE DEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİskenderun Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET GÖKÇEN

  4. Tez No

    499549

    Enhancing deep extreme learning machines: Novel multi-kernel autoencoders and implementation for detecting the chronic obstructive pulmonary disease

    Derin aşırı öğrenme makinelerinin geliştirilmesi: Yeni çok çekirdekli autoencoderlar ve kronik obstruktif akciğer hastalığının belirlenmesinde uygulanması

    GÖKHAN ALTAN

    Doktora

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMustafa Kemal Üniversitesi

    Enformatik Ana Bilim Dalı

    YRD. DOÇ. DR. YAKUP KUTLU

  5. Tez No

    858377

    Akciğer seslerinin makine öğrenmesi yöntemleri ile sınıflandırılması

    Classification of lung sounds using machine learning techniques

    MAHMUD ESAD ARAR

    Doktora

    Türkçe

    Türkçe

    2024

    BiyomühendislikYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. HERMAN SEDEF

Geri Dön