An efficient and fast method of snore detection for sleep disorder investigation
Uyku bozuklukları araştırması için etkin ve hızlı bir horlama tespit yöntemi
- Tez No: 199084
- Danışmanlar: YRD. DOÇ. DR. YEŞİM SERİNAĞAOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Bioengineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Horlama, Apne, Sınıflandırma, Spektrogramvii, Snoring, Apnea, OSAS, Classification, Spectrogramv
- Yıl: 2007
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
Özet
Horlama, çoğu insanın uyku sırasında çıkardığı nefes sesleridir ve obstrüktif uykuapnesi sendromu (OSAS) gibi pek çok uyku bozukluğu için bir risk faktörü olduğubelirtilmiştir. Uyku bozukluklarının teşhisi, polisomnografi kayıtlarının alınması vehekim tarafından incelenmesi gibi zaman alıcı, klinik uzmalık gerektiren ve hastayırahatsız eden bir süreci içerir. Cerrahi ve terapatik tedaviler geliştirilmesine rağmen,apnenin ve horlamanın tedavisi için hastaya yapılan müdahelelerde karşılaşılan enönemli sorunlardan birisi, uygulanan yöntemin hasta üzerinde ne kadar etkinolduğunun objektif kriterlere dayandırılarak belirlenememesidir. Bu kriterlerinbelirlenmesini ve tedavi öncesi ve sonrası karşılaştırılarak başarı performansınınbelirlenmesini sağlayacak bir sisteme ihtiyaç vardır.Bu çalışmada, uzun süreli solunum seslerini analiz etmek amacıyla, bölütlenmişhorlama sesleri için bir sınıflandırma sistemi, ve sonuçları objektif olarakdeğerlendirmek amacıyla klinik personeli tarafından kolaylıkla kullanılabilen birarayüz geliştirilmiştir. Algoritma uyku sesleri bölütlerini alt-bant enerji dağılımlarınagöre `horlama' ve `horlama değil' şeklinde sınıflandırır. Hem aynı hastanın tümvikaydı boyunca, hem de hastadan hastaya kayıtlar karşılaştırıldığında önemlibenzerlikler gözlenmiştir. Bu gözlem, öznitelik vektörlerinin daha düşük bir boyuttatemsil edilmesine motivasyon oluşturmuştur. Bu şekildeki bir temsil de `ana bileşenanalizi' yöntemiyle mümkün olmuştur. Uyku sesleri `horlama' veya `horlama değil'olarak iki boyutlu bir uzayda başarıyla temsil edilebilmişlerdir. Ses kayıtları,Gülhane Askeri Tıp Akademisi Uyku Çalışmaları Labaratuvarı'nda OSASpatolojisinden şüphelenilen hastalardan gece uykusu boyunca, hastalarpolisomnografi cihazına bağlı iken alınmıştır. Farklı apne/hipopne indeksine (AHI)sahip 30 hastadan (18 basit horlayan, 12 OSA hastası) alınan episodlar geliştirilenalgoritma ile sınıflandırılmıştır. Sonuçlar bir KBB uzmanı tarafından yapılandeğerlendirmelerle karşılaştırılmıştır. Sistem hem basit horlayanlarda hem de OSAhastalarında yüksek belirleme oranları göstermiştir.
Özet (Çeviri)
Snores are breath sounds that most people produce during sleep and they are reportedto be a risk factor for various sleep disorders, such as obstructive sleep apneasyndrome (OSAS). Diagnosis of sleep disorders relies on the expertise of theclinician that inspects whole night polysomnography recordings. This inspection istime consuming and uncomfortable for the patient. There are surgical and therapeutictreatments. However, evaluation of the success of these methods also relies onsubjective criteria and the expertise of the clinician. Thus, there is a strong need for atool to analyze the snore sounds automatically, and to produce objective criteria andto assess the success of the applied treatment by comparing these criteria obtainedbefore and after the treatment.In this thesis, we proposed a new algorithm to detect snoring episodes from the sleepsound recordings of the individuals, and created a user friendly interface to processsnore recordings and to produce simple objective criteria to evaluate the results. Thealgorithm classifies sleep sound segments as snores and nonsnores according to theirsubband energy distributions. It was observed that inter- and intra-individual spectralenergy distributions of snore sounds show significant similarities. This observationmotivated the representation of the feature vectors in a lower dimensional spaceivwhich was achieved using principal component analysis. Sleep sounds can beefficiently represented and classified as snore or nonsnore in a two dimensionalspace. The sound recordings were taken from patients that are suspected of OSASpathology while they were connected to the polysomnography in Gülhane MilitaryMedical Academy Sleep Studies Laboratory. The episodes taken from 30 subjects(18 simple snorers and 12 OSA patients) with different apnea/hypopnea indices wereclassified using the proposed algorithm. The system was tested by using the manualannotations of an ENT specialist as a reference. The system produced high detectionrates both in simple snorers and OSA patients.
Benzer Tezler
- Yapay zekâ-tabanlı hibrit anomali tespit ve klinik karar destek teknikleri ile kardiyovasküler hastalıkların ve COVİD-19'un otomatik tespiti
Artificial intelligence-based hybrid anomaly detection and clinical decision support techniques for automated detection of cardiovascular diseases and COVİD-19
MERVE BEGÜM TERZİ
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN ARIKAN
- Efficient machine learning models for cancer biology
Kanser biyolojisi için etkin yapay öğrenme modelleri
AYYÜCE BEGÜM BEKTAŞ
Doktora
İngilizce
2022
Endüstri ve Endüstri MühendisliğiKoç ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET GÖNEN
- Türkçe yazım denetleyen editör
Turkish spelling checker editor
K.MESUT YARIMBIYIKLI
Yüksek Lisans
Türkçe
1992
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ. DR. TAKUHİ NADİA ERDOĞAN
- Video analizi ile baş hareketi sınıflandırma
Head rotation classification via video analysis
FİLİZ GÜRKAN
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU
- İkinci nesil sayısal video yayını (DVB-S2) ileri hata kodlama birimi tasarımı ve gerçeklemesi
Design and implementation of forward error correction unit for second generation digital video broadcasting (DVB-S2)
ŞAKİR BALTA
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MESUT KARTAL