Multivariate modeling and diagnostic classification of pulmonary sounds
Solunum seslerinin çok değişkenli modellenmesi ve tanıya yönelik sınıflandırılması
- Tez No: 338825
- Danışmanlar: PROF. DR. ZEYNEP YASEMİN KAHYA, DOÇ. DR. MURAT SARAÇLAR
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bilgisayarlı solunum sesleri analizi, stetoskop ile dinlemenin aksine nicel ve nesnel değerlendirme imkanı sunması ile, son bir kaç onyılda öne çıkmıştır. Çok değişkenli yöntemler, çok kanallı ölçümlerin barındırdığı uzamsal bilgiyi açığa çıkararak, akciğerlerde gelişmiş patolojik koşullardan dolayı değişen sistem özelliklerini araştırmaya olanak sağlar. Bu çalışmada, çok değişkenli matematiksel bir model olan vektör öz-bağlanımlı (VÖB) model ele alınmış, solunum ses verisini ifade eden eniyi VÖB model, veri ve uygulama için özel olarak önerilen yeni başarım kriterleri kullanılarak araştırılmıştır. Kestirilen model parametreleri, klinik ortamlar için tanıya yönelik bir sınıflandırıcı geliştirme nihai amacı ile, $k$-en yakın komşu ($k$-EYK) algoritması, destek vektör makineleri (DVM) ve Gauss karışım modelleri (GKM) kullanılarak sınıflandırılmıştır. En işe yarar sınıflandırıcıyı tasarlamak amacı ile farklı veri kümeleri üzerinde çeşitli sınıflandırıcı tasarımları denenmiştir. Sağlıklı ve hasta gruplar başarılı bir şekilde ayrışmaktadır. Sağlıklı grubu ve tıkayıcı ve sınırlayıcı hastalık tiplerini içeren durumların sınıflandırılmasında hiyerarşik bir yapı önerilmiştir. Genel olarak, sağlıklı ve sınırlayıcı gruplar tıkayıcı gruptan daha başarılı şekilde ayrışmaktadır. GKM genel olarak tüm sınıflandırıcılar içinde en yetkini olmakla birlikte, belirli öznitelik düzenlemeleri için DVM de başarılıdır. Tanısal sınıflandırıcının klinik ortama uygun hale gelecek şekilde geliştirilmesi problemi halen, özellikle tıkayıcı hastalıkların karıştırılmasını önleyecek şekilde ayırdedici özellikleri daha da vurgulayan ek öznitelikler ile, araştırılmaya açıktır.
Özet (Çeviri)
Computerized pulmonary sounds analysis has become prevalent in the recent decades as it provides means for quantitative and objective evaluation, contrary to the limited and subjective nature of stethoscope auscultation. Multi-variate methods disclose the inherent spatial information in the multi-channel measurements and enable to explore the system characteristics altered due to pathological conditions that have developed in the lungs. In this study, a multi-variate mathematical model, namely, vector auto-regressive (VAR) model, has been considered, and the optimal VAR model to represent the pulmonary sounds data is pursued through new goodness of fit criteria proposed specifically for the data and the application. The estimated model parameters are employed in classification using the $k$-nearest neighbor ($k$-NN), support vector machine (SVM), and Gaussian mixture model (GMM) classifiers, with an eventual aim to develop a diagnostic classifier for clinical setups. Various classifier schemes are experimented with different data sets in the quest for the most useful classifier design. The healthy and the pathological groups are discriminated successfully. In the classification of conditions including the healthy group and the obstructive and restrictive types of pathologies, a hierarchical framework is suggested. Generally, the healthy and the restrictive groups are discriminated more successfully than the obstructive group. GMM is generally the most competent classifier among all, however, SVM is also successful for certain feature arrangements. The improvement of the diagnostic classifier so as to make it appropriate for clinical setups is still open for exploration, especially with additional features to enhance the distinctive characteristics further as to prevent the confusion of the obstructive diseases.
Benzer Tezler
- Küçük hücreli dışı akciğer kanseri tanılı hastalarda venöz tromboembolizm riskini öngören tahmin modelinin geliştirilmesi
Development of a predictive model for venous thromboembolism risk in patients diagnosed with small cell lung cancer
SEVDE ÖZENOĞLU KOŞAK
Tıpta Uzmanlık
Türkçe
2025
Göğüs HastalıklarıHacettepe ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
PROF. DR. SEVİNÇ SARINÇ
- Azaltılmış total yansıma Fourier dönüşüm kızıl ötesi (ATR FT-IR) spektroskopisi ile insan ve hayvan kan izlerinin ayırımı
Separation of human and animal blood traces by attenuated total relectance Fourier transform infrared spectroscopy (ATR FT-IR) spectroscopy
YEŞİM NUR KALINAY
Yüksek Lisans
Türkçe
2021
Adli TıpAtatürk ÜniversitesiKriminalistik Ana Bilim Dalı
PROF. DR. ÖZKAN AKSAKAL
- Pediatrik migren hastalarında idrar homosistein tiyolakton düzeyleri ile homosistein tiyolaktonaz enzim aktivitesinin değerlendirilmesi
Evaluation of urinary homocysteine thiolactone levels and homocysteine thiolactonase enzyme activity in pediatric migraine patients
ŞÜKRAN BIÇAKCI
Tıpta Uzmanlık
Türkçe
2026
BiyokimyaSağlık Bilimleri ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. MEHMET ŞENEŞ
- Primer spontan pnömotoraks gelişen bireylerde haller indeksi ve diğer risk faktörlerinin retrospektif incelenmesi
A retrospective analysis of haller index and other risk factors in individuals with primary spontaneous pneumothorax
MUHAMMED YAVUZ HAKTANIR
Tıpta Uzmanlık
Türkçe
2025
Göğüs CerrahisiBolu Abant İzzet Baysal ÜniversitesiGöğüs Cerrahisi Ana Bilim Dalı
PROF. DR. HACIALİ KILIÇGÜN
- Psikotik bozukluğu olan hastalar ve sağlıklı kontrollerin ayrımında EEG güç analizlerinin kullanılması: Yapay zeka destekli bir model
Use of EEG power analysis in the differentiation of patients with psychotic disorders and healthy controls: An artificial intelligence–assisted model
AYŞENUR ARSLAN
Tıpta Uzmanlık
Türkçe
2025
PsikiyatriNecmettin Erbakan ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. ŞAKİR GICA