Geri Dön

An efficient and fast method of snore detection for sleep disorder investigation

Uyku bozuklukları araştırması için etkin ve hızlı bir horlama tespit yöntemi

  1. Tez No: 199084
  2. Yazar: MUSTAFA ÇAVUŞOĞLU
  3. Danışmanlar: YRD. DOÇ. DR. YEŞİM SERİNAĞAOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Bioengineering, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Horlama, Apne, Sınıflandırma, Spektrogramvii, Snoring, Apnea, OSAS, Classification, Spectrogramv
  7. Yıl: 2007
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ORHAN ARIKAN

  2. Efficient machine learning models for cancer biology

    Kanser biyolojisi için etkin yapay öğrenme modelleri

    AYYÜCE BEGÜM BEKTAŞ

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri MühendisliğiKoç Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET GÖNEN

  3. Türkçe yazım denetleyen editör

    Turkish spelling checker editor

    K.MESUT YARIMBIYIKLI

    Yüksek Lisans

    Türkçe

    Türkçe

    1992

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    DOÇ. DR. TAKUHİ NADİA ERDOĞAN

  4. Video analizi ile baş hareketi sınıflandırma

    Head rotation classification via video analysis

    FİLİZ GÜRKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLGE GÜNSEL KALYONCU

  5. 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

    Türkçe

    2013

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MESUT KARTAL