Makine öğrenmesi yöntemlerinin polisomnografik verilere uygulanması
Application of machine learning methods to polysomnography datas
- Tez No: 350324
- Danışmanlar: YRD. DOÇ. DR. İLHAN UMUT
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilişim Bilim Dalı
- Sayfa Sayısı: 103
Özet
Uykuda Periyodik Hareket Bozukluğu (UPHB) Polisomnografi (PSG) kaydındaki bacak Elektromiyografisi (EMG) haricindeki diğer kanallar kullanılarak, dijital sinyal işleme yöntemleri ve makine öğrenmesi yöntemleri ile analiz edilmiştir. Bu hastalığın belirlenen özniteliklere uygun makine öğrenmesi algoritmalarıyla sınıflandırılması amaçlanmıştır. Çalışma UPHB hastalığı teşhisi konulmuş farklı yaş ve cinsiyetten 153 bireyin, PSG kayıtları kullanılarak gerçekleştirilmiştir. Hasta kayıtları (PSG) ortalama 7-8 saat sürmektedir. Çalışma ekibi tarafından dijital sinyal işleme ve makine öğrenmesi yöntemlerini kullanan bir yazılım geliştirilmiştir. Bu yazılım hasta kayıtlarını (PSG) 2, 5, 30 ve 60 saniyelik epok (bölüt) sürelerine parçalayarak analiz etmekte ve elde edilen sonuçları karşılaştırmaktadır. Her epok PSG kanallarının kendine ait farklı özniteliklerini içermektedir. Bu öznitelikler dijital sinyal işleme yöntemleri (Dalgacık ve Fourier) ve istatistiksel yöntemler kullanılarak elde edilip veritabanında saklanmıştır. Veritabanında saklanan öznitelikler, farklı makine öğrenmesi algoritmaları kullanılarak UPHB sınıflandırılmıştır. 60 ve 30 saniyelik epoklar kullanılarak elde edilen sınıflandırma sonuçlarının birbirine çok yakın ve yüksek sınıflandırma oranlarına (% 79) sahip olduğu gözlemlenmiştir. 2 ve 5 saniyelik epoklar kullanılarak elde edilen sınıflandırma sonuçlarının da birbirine çok yakın olduğu ve düşük sınıflandırma oranlarına (% 63.93) sahip olduğu görülmüştür. Makine öğrenmesi algoritmalarından `lazy.Ibk? sınıflandırma algoritması diğer algoritmalara göre daha yüksek sınıflandırma oranı (% 79) ve düşük hata değerine (RMSE= 0.4652) sahiptir. Diğer yandan `functions.Logistic? algoritması ise daha düşük sınıflandırma oranı (% 63.34) ve daha yüksek hata değerine (RMSE= 0.4741) sahiptir. Yapılan analizler sonucunda, UPHB?nin bacak EMG?si kaydı kullanılmayarak, makine öğrenmesi algoritmalarıyla, % 79 gibi yüksek bir oranla sınıflandırılabileceği tespit edilmiştir.
Özet (Çeviri)
The Periodic Leg Movement Disorder (PLMD) has been analyzed with the DSP (Digital Signal Processing) and machine learning methods by means of other channels apart from the leg electromyography in records polysomnography (PSG). This study aimed to classify PLMD by means of the selected attributes in accordance with the machine learning algorithms. This study was carried out by means of PSG recordings among 153 people, defined by age and sex. PSG recordings take around 7-8 hours. A software program that uses the Digital Signal Processing (DSP) and machine learning techniques was developed by the working team. This software analyzes PSG recordings in 2, 5, 30, and 60-second epochs and compares the obtained results. Each epoch contains different attributes specific to its own. These attributes are deposited in the database with statistical and DSP analysis. The obtained attributes in the database are used to classify PLMD by using different machine learning algorithms. It is observed that classification results that obtained by using 60 and 30-second epochs are very close to each other and have high classification rates (79 %). It is also observed that classification results that obtained by using 2 and 5-second epochs are very close to each other but have low classification rates (63.93 %). lazy.Ibk? classification algorithm in machine learning algorithms has higher classification rate (79 %) and lower error value (RMSE= 0.4652) than other algorithms. On the other hand `functions.Logistic? classification algorithm has lower classification rate (63.34 %) and higher error value (RMSE= 0.4741). As a result of the analyzes, PLMD using PSG record other than the leg EMG channels, classified as high as rate (79 %) by the machine learning algorithms
Benzer Tezler
- OSAS hastaları ile sağlıklı bireylerdeki nabız geçiş sürelerinin makina öğrenmesi teknikleriyle sınıflandırılması
Classification of pulse transit times in healthy individuals with osas patients using the machine learning method
BEYZA NUR AKILOTU
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEDA ARSLAN TUNCER
- Obstrüktif uyku apne teşhisi için tek kanal EKG ve hibrit makine öğrenmesi tabanlı yeni bir yöntem
A new method based on single channel ECG and hybrid machine learning for obstructive sleep apnea diagnosis
FERDA BOZKURT
Doktora
Türkçe
2020
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
DOÇ. DR. AHMET ZENGİN
- Improving text categorization performance by combining feature selection methods
Öznitelik seçme metotlarını birleştirerek metin sınıflandırma performansının iyileştirilmesi
ECE ÖZBİLEN
Yüksek Lisans
İngilizce
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUNGA GÜNGÖR
- Makine öğrenmesi yöntemlerinin sınıflandırma başarısını arttırmaya yönelik meta analiz sonuçlarına dayalı bir model önerisi: Göğüs kanseri verileri üzerine uygulama
A proposed model based on meta-analysis results to improve the classification success of machine learning methods: Application on breast cancer data
MUHAMMED ENES EREN
Yüksek Lisans
Türkçe
2024
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. ALİ HAKAN BÜYÜKLÜ
- Assessment of machine learning methods for mass real estate appraisal
Makine öğrenmesi yöntemlerinin toplu gayrimenkul değerleme çalışmaları açısından değerlendirilmesi
SEÇKİN YILMAZER
Doktora
İngilizce
2022
Jeodezi ve FotogrametriHacettepe ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SULTAN KOCAMAN