Geliştirilen önişlemeli?sinir ağı modelleri ile yetişkin insanlarda uyku apne ve çeşitlerinin teşhisi
Estimation and classification of sleep apnea in adults by developed preprocessing?neural network models
- Tez No: 301016
- Danışmanlar: YRD. DOÇ. DR. MEHMET EMİN TAĞLUK
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: Türkçe
- Üniversite: İnönü Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 118
Özet
Uyku apnesi sendromu (UAS) dünyanın ciddi sağlık problemlerinden biridir. Bu sendromun tedavisinde erken teşhis oldukça önemli bir faktördür.Bu çalışmada, UAS'nin teşhisi ve sınıflandırılması için farklı yöntemler araştırıldı. Birinci metot, hastanın horlama ses işaretinin, zaman?frekans analizi ile ortaya çıkan apne ile ilintili belirli yapıdaki bileşenlerin enerjisi, tasarlanan YSA'ya verilerek UAS teşhisini ele almıştır. İkinci metot, hastalardan kayıtlanan EEG işaretlerini ele almıştır. EEG işaretinin delta, theta, alfa, beta, ve gamma altbantlarının ikiz?spektrumu ile ortaya çıkan kuadratik faz eşleşmeleri gibi karakteristik özellikler quantifiye edilerek YSA'ya verilmiştir. Üçüncü metot, hastadan alınan karın ve göğüs hareketi işaretlerini ele almıştır. Bu veriler sonra Ayrık Dalgacık Dönüşümü (ADD) kullanarak 7. seviyeye kadar dalgacık katsayılarına ayrıştırılmıştır. UAS sınıflandırması için bir ADD?YSA tasarlanmıştır. Bu dalgacıkların 1. seviyeden 7. seviyeye kadar detay katsayılarının enerjisi ile 7. seviyedeki yaklaşık katsayılarının enerjisi hesaplanarak bu ağa verilmiştir. YSA ile değerlendirilen veriler aynı zamanda Adaptif Ağ Yapısına Dayalı Bulanık Çıkarım Sistemi (ANFIS) ile de değerlendirildi ve elde edilen sonuçlar karşılaştırıldı.Önerilen bu metotlar ile UAS'yi teşhis ve sınıflandırmada yüksek başarım oranları elde edildi. Bu şekildeki veri analizinin nöroloji ve uyku bozuklukları alanlarında da kullanılması mümkündür. Hem hastaya hem de uzman hekime kolaylık sağlaması için geliştirilen SDD?YSA ve ADD?YSA modelleri PSG cihazına entegre edilebileceği düşünülmektedir.
Özet (Çeviri)
Sleep Apnea Syndrome (SAS) is one of the serious worldwide health problems. Early diagnosis is an important factor in the treatment of the syndrome.In this study, various methods for estimating and classifying SAS were investigated. The first method, concerns estimation of SAS by an Artificial Neural Network (ANN) designed to employ the energy of particular scheme emerged through time?frequency analysis of snoring signals that linked to apnea. The second method, concerns the EEG signals taken from patients. The characteristic features, such as the Quadratic Phase Couplings (QPCs), exhibited by bi?spectrum of delta, theta, alfa, beta and gamma sub-bands of EEG were quantified and fed to ANN. The third method, concerns thoracic and abdominal signals taken from patients. These data were then split into wavelet coefficients up to 7th level through Discrete Wavelet Transform (DWT). A particular DWT?NN for classification of SAS was designed. The energies of coefficients of each detail (1?7 level) and the 7th approximation level were fed to the input of the ANN. The data evaluated through ANN were also evaluated through a specifically designed Adaptive Neuro?Fuzzy Inference System (ANFIS) and the obtained results were cross?compared.With the proposed methods, SAS was estimated and classified with highly significant success rates. Such data analysis may also be used in neurology and sleep disorder fields. The developed Wavelet?NN or DWT?NN model may be considered to integrate into the PSG system to provide ease both to medical specialists and patients.
Benzer Tezler
- Context-aware remote sensing data processing for improvement of agricultural predictions
Bağlam farkındalıklı uzaktan algılama veri entegrasyonu ile tarımsal tahminlerin iyileştirilmesi
AYDA FITRIYE AKTAŞ
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Makine öğrenmesi yöntemleriyle anormal içme suyu tüketimlerinin tespit edilmesi ve tahmin modellerinin geliştirilmesi
Detecting abnormal drinking water consumptions and developing forecast models by machine learning methods
İSMAİL GÜNEY
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. İHSAN HAKAN SELVİ
- Online adaptive classification of finger movements for brain computer interfaces
Beyin bilgisayar arayüzleri için el hareketlerinin çevrimiçi uyarlanır modellenmesi
MOHAND LOKMAN AHMAD AL DABAG
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYaşar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NALAN ÖZKURT
- Evrişimli sinir ağı kullanarak dengesiz doppler radar verisinde hedef sınıflandırma
Target classification in unbalanced doppler radar data using convolutional neural network
MUHAMMED ERDOĞAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- EEG işaretlerinin klasik ve modern yöntemlerle önişlenmesi ve sınıflandırılması
Classification of EEG signals by using classical and modern preprocessing methods
AHMET ALKAN