Horlama seslerinin kaotik yapısına dayalı olarak uyku apnesinin tespiti
Detection of sleep apnea based on chaotic structure of the snore sounds
- Tez No: 386287
- Danışmanlar: YRD. DOÇ. DR. FİKRET ARI
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Elektrik ve Elektronik Mühendisliği, Engineering Sciences, Electrical and Electronics Engineering
- Anahtar Kelimeler: Doğrusal olmayan analiz, Horlama, Kaos, Lyapunov üstelleri, Polisomnografi, Uyku apne sendromları, Yapay sinir ağları, Nonlinear analysis, Snoring, Chaos, Lyapunov exponents, Polysomnography, Sleep apnea syndromes, Artificial neural networks
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Uyku apnesi, uykuda solunumun en az 10 sn süreyle durması olarak tanımlanmakta olup, Tıkayıcı Uyku Apnesi Sendromu (TUAS) bu rahatsızlığın en yaygın görülen türüdür. Horlama, TUAS'ın en önemli belirtilerindendir. Yapılan çalışmalar TUAS hastalarının gürültülü bir şekilde ve sıklıkla horladığını göstermiştir. Bu tez çalışmasında, sadece horlama sinyallerinden yararlanılarak TUAS'ın teşhis edilebilmesi amacıyla, horlama sinyallerinin kaotik analizi gerçekleştirilmiştir. Böylelikle polisomnografi testine göre daha hızlı, daha basit ve düşük maliyetli bir teşhis yönteminin belirlenmesi amaçlanmıştır. Bu kapsamda horlama seslerinin kaotik yapısına dayalı olarak En Büyük Lyapunov Üsteli (EBLÜ), Iraksama Eğrisinin Ortalama Değeri ve En Yakın Yanlış Komşu Yüzdesi parametreleri horlama seslerinin sınıflandırılması amacıyla öznitelik olarak kullanılmıştır. TUAS rahatsızlığı olanlarla basit horlayanları sınıflandırma işlemi, bir ileri beslemeli yapay sinir ağı yardımıyla yapılmıştır. Sınıflandırıcı girişine bu üç öznitelik değerleri verildiğinde toplam başarım oranı %98,29 olarak elde edilmiştir.
Özet (Çeviri)
Sleep Apnea is defined as cessation of breathing during sleep at least 10 seconds, Obstructive Sleep Apnea Syndrome (OSAS) is most prevalent type of this disease. Snoring is one of the most important symptom of the OSAS. Studies have shown that OSAS patients snore loudly and frequently. In this thesis, chaotic analysis of snore sounds have been carried out in order to diagnose OSAS by using only the snore sounds. Thus faster, simpler and more cost-effective diagnostic method than polysomnography have been aimed to determine. In this context, based on chaotic structure of the snore sounds, Largest Lyapunov Exponent (LLE), Mean Value of Divergence Curve and Percent of the False Nearest Neighbors parameters are used as features for classification of snore sounds. OSAS patients/simple snorers are classified by means of a feed forward neural network. When the three features used as inputs of the neural network, total classifier performance rate was obtained as %98,29.
Benzer Tezler
- Amorf germanyum filimlerin elektriksel iletim özellikleri
Başlık çevirisi yok
AYNUR ERAY
Doktora
Türkçe
1988
Fizik ve Fizik MühendisliğiHacettepe ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. ÖZCAN ÖKTÜ
- Çelikte alaşım elementi olarak bor ve borlama ile yüzey sertleştirme
Başlık çevirisi yok
TANER AKGÜNDÜZ