Doppler işaretlerine spektral analiz tekniklerinin uygulanması ve yapay sinir ağları ile sınıflandırılması
Application of spectral analysis technques to Doppler signals and classification by artificial neural networks
- Tez No: 155514
- Danışmanlar: PROF.DR. NİHAL FATMA GÜLER
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2004
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 167
Özet
Ultrasonik Doppler, birçok atardamar hastalıklarında atardamarlardaki akış karakteristiğini ve atardamarların direncini belirleyen güvenilir bir teknik olarak bilinmektedir. Bu çalışmada, Behçet, üveit hastası olan kişilerden alınan oftalmik atardamar Doppler işaretlerinin ve iç karotid atardamar daralması, tıkanıklığı olan kişilerden alınan iç karotid atardamar Doppler işaretlerinin spektral analizi, klasik (hızlı Fourier dönüşüm tabanlı metodlar) ve model tabanlı (özbağlaşımlı metod, yürüyen ortalamah metod ve özbağlaşımlı yürüyen ortalamalı metod) teknikler ile yapılmıştır. Bu spektral analiz tekniklerinin kullanılması ile oftalmik ve iç karotid atardamar Doppler işaretlerinin güç yoğunluk spektrumları ve sonogramları elde edilmiştir. Daha sonra bu güç yoğunluk spektrumları ve sonogramlar kullanılarak spektral analiz metodları frekans çözünürlükleri, oftalmik ve iç karotid atardamarlardaki akış karakteristiklerinin belirlenmesindeki etkileri bakımından karşılaştırılmıştır. Bu çalışmada, özbağlaşımlı ve özbağlaşımlı yürüyen ortalamah metodlar ile elde edilen güç yoğunluk spektrumlarının ve sonogramların oftalmik ve iç karotid atardamarlardaki hemodinamik değişimler hakkında güvenilir bilgi verdiği belirlenmiştir. Oftalmik atardamar ve iç karotid atardamar Doppler işaretlerinin sınıflandırılması geri yayılım algoritması ile eğitilen çok katmanlı perseptron sinir ağı ile yapılmıştır. Yapılan sınıflama ile oftalmik atardamar daralması, iç karotid atardamar daralması ve iç karotid atardamar tıkanıklığıtespit edilmiştir. Sınıflama sonuçları ve istatistiksel parametrelerin değerleri, oftalmik atardamar ve iç karotid atardamar Doppler işaretlerinin sınıflandırılmasının geri yaydım algoritması ile eğitilen çok katmanlı perseptron sinir ağı ile mümkün olduğunu göstermiştir. Bilim Kodu : 705 Anahtar Kelimeler : Doppler işareti, Spektral analiz, Güç yoğunluk spektrumu, Sonogram, Oftalmik atardamar, İç karotid atardamar, Behçet hastalığı, Üveit hastalığı, Daralma, Tıkanıklık, Geri yaydım yapay sinir ağı S
Özet (Çeviri)
Doppler ultrasonography is known as a reliable technique, which demonstrates the flow characteristics and resistance of arteries in various arterial disease. In this study, spectral analysis of ophthalmic arterial Doppler signals obtained from subjects having Behcet, uveitis disease and internal carotid arterial Doppler signals obtained from subjects having internal carotid artery stenosis, occlusion were performed by classical (fast Fourier transform based methods) and model based (autoregressive, moving average and autoregressive moving average) techniques. By using these spectral analysis techniques, power spectral densities and sonograms of ophthalmic and internal carotid arterial Doppler signals were obtained. These power spectral densities and sonograms were then used to compare the applied methods in terms of their frequency resolution and the effects in determination of flow characteristics in ophthalmic and internal carotid arteries. In this study, it has been determined that power spectral densities and sonograms obtained by autoregressive and autoregressive moving average methods give reliable information on hemodynamic alterations in ophthalmic and internal carotid arteries. Classification of ophthalmic arterial and internal carotid arterial Doppler signals were done by multilayer perceptron neural network trained with backpropagation algorithm. Ophthalmic artery stenosis, internal carotid artery stenosis and internal carotid artery occlusion were detected by the performed classification. TheIV classification results and the values of statistical parameters indicated that the classifications of ophthalmic arterial and internal carotid arterial Doppler signals were feasible by multilayer perceptron neural network trained with backpropagation algorithm. Science Code : 705 Key Words : Doppler signal, Spectral analysis, Power spectral density, Sonogram, Ophthalmic artery, Internal carotid artery, Behcet disease, Uveitis disease, Stenosis, Occlusion, Backpropagation artificial neural network
Benzer Tezler
- Doppler işaretlerinden faydalanarak damar hastalıklarının teşhisi için çeşitli işaret analizi tekniklerinin uygulanması
The application of various signal analysis techniques for diagnose of vessel diseases profiting from Doppler signals
SEMRA İÇER
Doktora
Türkçe
2005
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ.DR. SADIK KARA
- Ultrasonik doppler işaretlerinin bilgisayar destekli analizi
Başlık çevirisi yok
MEHMET EMİN YÜKSEL
Yüksek Lisans
Türkçe
1993
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektronik Ana Bilim Dalı
YRD. DOÇ. DR. FATMA GÜLER
- Durağan olmayan sesötesi doppler işaretlerinin zamana bağımlı adaptif parametrik modeller ile modellenmesi
Time dependet adaptive parametric modeling of nonstationary ultrasonic doppler signals
MEHMET EMİN YÜKSEL
- Transcranial doppler işaretlerinin yapay zeka ortamında sınıflandırılması
Classification of transcranial doppler signals in artificial intelligence environment
UÇMAN ERGÜN
Doktora
Türkçe
2005
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
PROF.DR. İNAN GÜLER
Y.DOÇ.DR. FIRAT HARDALAÇ
- Investigation of wind turbine effects on radar performance
Rüzgar türbinlerinin radar performansı üzerindeki etkilerinin araştırılması
OSMAN KARABAYIR
Doktora
İngilizce
2016
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SEDEF KENT PINAR