Geri Dön

Düşük karmaşıklıklı öznitelikler kullanılarak solunum sesi içerisindeki kalp seslerinin yerlerinin olasılıksal modelleme ile kestirimi

Estimation of heart sound locations in respiratory sound based on probabilistic modeling with low-complexity features

  1. Tez No: 380510
  2. Yazar: HAMED SHAMSI
  3. Danışmanlar: YRD. DOÇ. DR. İBRAHİM YÜCEL ÖZBEK
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2015
  8. Dil: Türkçe
  9. Üniversite: Atatürk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Haberleşme Bilim Dalı
  13. Sayfa Sayısı: 90

Özet

Bilgisayar yardımı ile kalp seslerinin yerlerinin ortam gürültüsü veya akciğer sesleri içerisinde tespit edilmesi kalp ve akciğer sesi sinyallerinin işlenmesi uygulamalarında en temel adımlardan biridir. Bu tezin temel amacı solunum sesi içerisindeki kalp seslerinin yerlerini bulmaktadır. Bu amaç doğrultusunda tez üç bölümden oluşmaktadır. Tezin ilk bölümünde kalp seslerinin yerlerini bulmak için entropi sınırına dayalı yeni bir öznitelik önerilmektedir. Önerilen özniteliğin kalp seslerinin yerlerini bulmada oldukça başarılı olduğu ve işlem yükü açısından oldukça düşük işlem yüküne sahip olduğu gösterilmiştir. Bu tezin ikinci bölümünde kalp seslerinin sınırlarını bulmak için öğrenme kabiliyeti olan ve bulanık c-ortalama (FCM) algoritmasına dayalı yeni bir algoritma önerilmektedir. Bu algoritma zamansal bulanık c-ortalama (TFCM) olarak adlandırılmaktadır. TFCM algoritması herhangi bir çerçevenin sınıfı hakkında karar verirken yalnızca o çerçeveye değil, o çerçevenin etrafındaki çerçevelere de bakarak karar verme işlemini gerçekleştirmektedir. Bu tezin üçüncü bölümünde kalp seslerinin yerlerini bulma işleminin etiketlendirilmiş eğitim verisi kullanılarak nasıl daha iyileştirilebileceği anlatılmaktadır. Bu bölümde önerilen yöntem olabilirlik oranı testi (LRT) ve etkili bir uyarlama işlemine dayanmaktadır. Önerilen yöntemde LRT iki hipotez kullanmaktadır. Bu hipotezlerden ilki analiz edilen çerçevenin kalp sesi diğeri ise kalp sesi olmadığını savunmaktadır ve bu iki hipotez Gauss karışım modeli (GKM) ile modellenmektedir. Her bir modelin parametre kümesi elde bulunun etiketlendirilmiş eğitim verisi kullanılarak kestirilmektedir.

Özet (Çeviri)

Heart sound detection and segmentation in ambient noise or respiratory sound is a basic step for various heart and lung sound signal processing applications. The goal of this thesis is detecting of the heart sound (HS) with lung sound and the lung sound only (non-HS) segments in a respiratory signal. For this purpose, the thesis consists of three parts. In the first part of the thesis, the location of the heart sounds is find using a new feature. The proposed feature in heart sound detection task have a good performance in heart sound boundary detection and its computational cost is much lower. In the second part of this thesis we proposed a new method which it have an efficient learning mechanism. This method is named as temporal fuzzy c-means. The TFCM algorithm uses the temporal information from both the current and the neighboring frames in decision making. In the third part of this thesis, we describe how classification results are improved by using training labeled data. The proposed method is based on likelihood ratio test combined with an efficient adaptation procedure. The proposed method uses two hypotheses. The first hypothesis, is contains only the lung sound and the alternative hypothesis is contains the heart sound with the lung sound and these hypothesis are modelled by Gaussian mixture models. The model parameters are estimated using the set of labelled training data.

Benzer Tezler

  1. Data mining applications in a forklift distributor

    Bir forklift dağıtıcısında veri madenciliği uygulaması

    PRATIWI EKA PUSPITA

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Endüstri ve Endüstri MühendisliğiUludağ Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TÜLİN İNKAYA

  2. Yerel öznitelikler kullanarak görüntü indeksleme ve eşleme

    Image indexing and matching using local features

    ONUR ÇALIKUŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLGE GÜNSEL KALYONCU

  3. Combining features using principal component analysis and independent component analysis for image retrieval

    Görüntü alma için temel bileşen analizi ve bağimsiz bileşen analizi kullanarak özellikleri birleştirme

    MUHAMMED DAVUD

    Yüksek Lisans

    İngilizce

    İngilizce

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolArab Academy for Science, Technology & Maritime Transport

    Mühendislik ve Teknoloji Yönetimi Ana Bilim Dalı

    PROF. DR. KHALED MAHAR

  4. Tissue density classification in mammographic images using local features

    Yerel öznitelikler ile mamografi görüntülerinde doku yoğunluğunun sınıflandırılması

    SEZER KUTLUK

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLGE GÜNSEL

  5. EOG verilerini kullanarak göz bakış tahmininde en iyi öznitelik vektör kümesi seçiminin araştırılması

    Researching the best feature vector cluster selection for eye gaze prediction using EOG data

    ALİHAN SUİÇMEZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiOndokuz Mayıs Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. CENGİZ TEPE