Respiratory sounds classification using artificial neural networks

Solunum seslerinin yapay sinir ağları kullanılarak sınıflandırılması

Tez No: 47507
Yazar: ÇİĞDEM İLTEMİR
Danışmanlar: DOÇ.DR. FİKRET GÜRGEN
Tez Türü: Yüksek Lisans
Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
Anahtar Kelimeler: Belirtilmemiş.
Yıl: 1995
Dil: İngilizce
Üniversite: Boğaziçi Üniversitesi
Enstitü: Fen Bilimleri Enstitüsü
Ana Bilim Dalı: Belirtilmemiş.
Bilim Dalı: Belirtilmemiş.
Sayfa Sayısı: 64

Özet

ÖZET Solunum yolu hastalıklarının tanısında, en yaygın olarak kullanılan yöntemlerden biri, solunum seslerinin steteskop aracılığıyla dinlenmesidir. Bu yöntem, tamamen doktorların kişisel değerlendirmelerine ve tecrübelerine bağlı olduğu için hataya sebep olabilmektedir. Bundan dolayı, daha iyi bir tıp hizmeti için, tanıda daha yüksek başarım gösterebilecek bir yönteme ihtiyaç vardır. Bu ihtiyaç, sesleri toplayıp analizini yaparak tamda doktorlara yardımcı olabilecek bilgisayar destekli bir sistemle karşılanabilir. Bu tez çalışması, böyle bir sistemin kurulmasına yardımcı olmayı amaçlamaktadır. Çalışmalar 3 ayrı sınıftan denek üzerinde gerçekleşmiştir: Sağlıklılar, kronik tıkayıcı solunum yolu hastalıklılar, kısıtlayıcı solunum yolu hastalıklılar. Solunum seslerinin özellikleri bir durumdan diğerine değişiklik gösterirler. Sistemin amacı, bir durumu diğerinden veriyi sınıflandırarak ayırdetmektir. Veri, solunum seslerinin özbağîanımlı (AR) ve cepstral modelleme teknikleri kullanılarak elde edilmiş olan özniteliksel gösterimlerinden oluşmuştur. Sınıflandırma, Yapay Sinir Ağlan (YSA) yapılarından Çok Katmanlı Algılayıcı (ÇKA), Radyal Temel Fonksiyonu Ağı (RTF A) ve Vektör Ayrıştırmayı Öğrenme (VAÖ) sınıflandıncılan ve bunlara ek olarak, klasik yaklaşımlardan k-En Yakın Komşu (k-EYK) ve bulanık k-EYK algoritmaları kullanılarak yapılmıştır. Veri çeşitli kombinasyonlarda alınarak birçok deneyler yapılmış, sonuçlar analiz edilmiş ve kıyaslanmıştır. Bu deneylere ek olarak, veri sayısının azlığına karşılık öznitelik boyutunun çok yüksek olmasının yarattığı işlem karmaşıklığını azaltmak için öznitelik azaltma yöntemi kullanılmış ve daha az sayıda öznitelikle temsil edilen denekler üzerinde de deneyler yapılmıştır.

Özet (Çeviri)

iv ABSTRACT In the diagnosis of respiratory diseases, one of the most common methods that is currently used is to listen to the respiratory sounds of the patients using a stethoscope. Since it solely depends on the personal judgments and experience of the doctors, it is prone to error. Therefore, a new method which will allow more precise diagnostics is a necessity for improved medical service. The mentioned need can be provided by a computer aided system, which will collect and analyze the sounds and thus help doctors during diagnosis. This thesis work aims to help the establishment of such a system in order to make the decision of doctors more accurate. The decisions are made on three types of subjects: Healthy ones, chronic obstructive patients and restrictive lung disease patients. The characteristics of the respiratory sounds show the differences from one type to another. The objective of the system described is to distinguish one case from another by classifying the data. The data is the parametric representations of the sounds which were obtained using Auto Regressive (AR) and cepstral analysis techniques. The classification process was investigated by using Artificial Neural Network (ANN) structures such as Multi Layer Perceptron (MLP), Radial Basis Function (RBF) and Learning Vector Quantization (LVQ), and in addition to these, using the conventional approaches like k-Nearest Neighbour (k-NN) and fuzzy k-NN algorithms. Using different combinations of the data, several experiments were conducted and the results were analyzed and compared. In addition to these experiments, in order to decrease the complexity caused by the inconsistency of smaller number of subjects versus high dimensionality, the feature reduction process was also used and experiments were performed on the subjects which were represented by the smaller amount of data.

Benzer Tezler

Tez No
139354
Classification of respiratory sounds using autoregressive and crackle parameters
Solunum seslerinin özbağlanım ve çıtırtı parametreleri kullanılarak sınıflandırılması
BORA BİLGİÇ
Yüksek Lisans
İngilizce
2003
Elektrik ve Elektronik Mühendisliği Boğaziçi Üniversitesi
Elektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YASEMİN KAHYA
Tez No
129415
Classification of lung sounds using wavelet-based neural networks
Solunum seslerinin dalgacık tabanlı sinir ağları ile sınıflandırılması
METE YEĞİNER
Yüksek Lisans
İngilizce
2002
Tıbbi Biyoloji Boğaziçi Üniversitesi
Biyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. YASEMİN KAHYA
Tez No
758992
Solunum seslerinin evrişimsel sinir ağlarıyla sınıflandırılması
Classification of lung sounds with convolutional neural networks
FUNDA CİNYOL
Doktora
Türkçe
2022
Elektrik ve Elektronik Mühendisliği Hacettepe Üniversitesi
Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR BAYSAL
Tez No
807263
Lung sound signal classification by using cosine similarity-basedmultilevel discrete wavelet transform decomposition with CNN-LSTM hybrid model
CNN-LSTM hıbrıt modelıyle kosınüs benzerlıgıne dayalı çok düzeylıayrık dalgacık dönüsümü ayrısımı kullanarak akcıger ses sınyalısınıflandırması
KHABAT HASAN ABDULLAH
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol Harran Üniversitesi
Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET BİLAL ER
Tez No
538936
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 Kontrol Fırat Üniversitesi
Yazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEDA ARSLAN TUNCER

Geri Dön