Enhancing deep extreme learning machines: Novel multi-kernel autoencoders and implementation for detecting the chronic obstructive pulmonary disease
Derin aşırı öğrenme makinelerinin geliştirilmesi: Yeni çok çekirdekli autoencoderlar ve kronik obstruktif akciğer hastalığının belirlenmesinde uygulanması
- Tez No: 499549
- Danışmanlar: YRD. DOÇ. DR. YAKUP KUTLU
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Mustafa Kemal Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enformatik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 179
Özet
Günümüzde hızla gelişmeyi sürdüren tıbbi teşhis sistemleri ve tedavi yöntemlerine rağmen, kardiyo-pulmoner ve en çok da solunum rahatsızlıkları için hala en yaygın kullanılan teşhis ve muayene aracı oskültasyon sesleridir. Dünya Sağlık Örgütü, en ölümcül hastalıklar listesinde Kronik Obstrüktif Akciğer Rahatsızlığı (KOAH) gibi solunum rahatsızlıklarının başları çektiğini duyurmuştur. Bu hastalıklar için ayrılan yüksek meblağlı sağlık bütçeleri, sosyal yaşamda meydana getirdiği kısıtlamalar ve işgücü açığı düşünüldüğünde, erken evrelerde tanı koyma ve kontrol altına alınması hastalığın ileri boyutlara ulaşmasını engellemede önemli bir adımdır. Literatürde en büyük eksiklerden biri Bilgisayar destekli medikal arayüzler için geliştirilecek yöntemlere temel olabilecek geniş ve detaylı solunum rahatsızlığı veritabanının bulunmamasıdır. Bu çalışma yaşları 38 ile 68 arasında değişen 30 sağlıklı, Farklı evrelerdeki KOAH (KOAH0, KOAH1, KOAH2, KOAH3, KOAH4) ve Astım hastalarından oluşan 47 hastadan oluşan farklı sosyal-ekonomik düzeyden ve farklı cinsiyetten 77 kişilik bir popülasyonu kapsamaktadır. Kaydedilen oskültasyon sesleri ve multimedya verilerden oluşan tanı araçlarını içeren RespiratoryDatabase@TR oluşturulmuştur. RespiratoryDatabase@TR, ön ve arka oskültasyon bölgeleri olmak üzere 4 kanalı kalp, 12 kanalı akciğer odaklarını içeren 16 farklı kanaldan iki dijital stetoskopla sağ ve sol odaklardan eşzamanlı olarak kaydedilmiş oskültasyon seslerini içerir. Her hastaya özgü göğüs filmi, kalp ve akciğer sesleri, solunum fonksiyon testi ölçümleri, SGQR-C anketi cevapları gibi multimedya veri içermesi ve KOAH seviyelerini analiz edebilmesine imkân sağlaması özellikleriyle eşsiz bir solunum veritabanıdır. Aşırı Öğrenme Makineleri (AÖM) ve Derin Öğrenme son yıllarda derin analizleri hızlı biçimde gerçekleştirmeyi sağlayan popüler makine öğrenmesi algoritmalarıdır. AÖM ileri yönlü çalışan tek katmanlı yapay sinir ağı modeli olma özelliğine sahipken, Derin Öğrenme algoritmaları çok katmanlı yapısı ve denetimsiz öğrenmeyle ön eğitimden geçirilerek sonrasında sınıflandırıcı parametrelerinin optimize edilmesini sağlayan bir yapay sinir ağı modelidir. Bu tezde Derin öğrenmenin analiz kapasitesi ile AÖM genelleme başarımı ile hızını birleştirmeyi gerçekleştirecek farklı ayrıştırma yöntemleriyle çalışabilen çok çekirdekli Derin AÖM önerilmiştir. Oskültasyon sesleri Hilbert-Huang Dönüşümü, Ayrık Dalgacık Dönüşümünden elde edilen alt bantların istatistiksel öznitelikleri ve 3 boyutlu uzayda İkinci derece fark haritalarının nicelemesiyle elde edilen öznitelikler kullanılarak analiz edilmiştir. KOAH teşhisi ve KOAH seviyelerinin belirlenmesi üzerine farklı modeller geliştirilmiş ve performansları hesaplanmıştır.
Özet (Çeviri)
Despite the rapid development of medical diagnostic systems and treatment modalities contemporarily, the most commonly used diagnostic and examination tool is still the auscultation sounds for most commonly cardio-respiratory and respiratory diseases. World Health Organization reports that respiratory diseases including Chronic Obstructive Pulmonary Disease (COPD) take the top places on the deadliest list. Taking into account of the limitations of diseases on social life, manpower deficit and the health budgets of the states and nations for these diseases, the early diagnosis and keeping under control in early stages is important steps for preventing disease reaching advanced levels. One of the biggest deficiencies in the literature is the lack of a comprehensive and detailed respiratory disease database, which may be used as the focus for novel methods for computer-aided medical interfaces. This study comprises of a population of 77 subjects from different socioeconomic status and sexuality, aged between 38 and 68, consisting of 30 healthy subjects that have never smoked, and 47 patients with COPD (COPD0, COPD1, COPD2, COPD3, and COPD4) and asthma. RespiratoryDatabase@TR containing diagnostic aids such as auscultation recordings and multimedia data was created. RespiratoryDatabase@TR contains the 16-channels auscultation sounds including 4-channel heart sounds, 12-channels lung sound which were recorded synchronously left and right sides form anterior and posterior lung auscultation areas. It is a unique respiratory database with the features of acquiring patient specific multimedia data such as chest X-ray, pulmonary function test measurements, SGRQ-C questionnaire answers, lung and heart sounds, and enabling analysis on COPD levels. Extreme Learning Machines (ELM) and Deep Learning are popular machine learning algorithms that enable rapid development of deep analyses in last decades. While the ELM has specifications of a single layer feedforward artificial neural network model, Deep Learning algorithms have the specifications of artificial neural network model that enables to optimize classifier parameters with supervised learning after applying pre-training with multilayer structure in unsupervised learning. In this thesis, Multi-kernel Deep ELM model is proposed, which can work with different decomposition kernels to realize the integrating the analysis capacity of Deep Learning and generalization performance of the ELM. The auscultation sounds were analysed by using statistical features of the subbands extracted using the Hilbert-Huang Transform and Discrete Wavelet Transform and by using the quantization features of Second Order Difference Plots in three-dimensional space. Different classification models were developed on the basis of the COPD diagnosis and severity classification of the COPD and the performances were evaluated.
Benzer Tezler
- Deep learning approaches for hailstorm detection and forecasting using CNN and LSTM algorithms: Comparative evaluation of radar products
Derin öğrenme yaklaşımlarıyla dolu fırtınası tespiti ve tahmini için CNN ve LSTM algoritmalarının kullanılması: Radar ürünlerinin karşılaştırmalı değerlendirmesi
NAHİT ÇATMADIM
Yüksek Lisans
İngilizce
2023
Bilim ve Teknolojiİstanbul Teknik Üniversitesiİklim ve Deniz Bilimleri Ana Bilim Dalı
PROF. DR. MEHMET SİNAN ÖZEREN
- Makine öğrenme ve derin öğrenme ile rüzgâr hızının tahmini
Prediction of wind speed using machine learning and deep learning
ADEM DEMİRTOP
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. EMRE ÇOMAK
- Çok sınıflı medikal görüntü sınıflandırması için melez derin öğrenme yaklaşımları
Hybrid deep learning approaches for the multi class medical image classification
ZELİHA KAYA AKÇELİK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖNÜL ULUDAĞ
- Derin öğrenme yöntemleri ile MODIS tabanlı NDVI ve LST zaman serilerinin kestirimi ve kuraklık şiddetinin araştırılması
Prediction of MODIS-based NDVI and LST time series and investigation of drought severity using deep learning methods
EMİRCAN BUĞA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DOÇ. DR. MUZAFFER CAN İBAN
- Dolgu duvarların asma katlı çerçeveli betonarme yapıların davranışı üzerindeki etkisi
Effect of the infill wall of structure with mezzanine floor on structural behaviour
VESSAM ALMANNAA
Yüksek Lisans
Türkçe
2024
İnşaat MühendisliğiSakarya Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMET ZEKİ ÖZYURT