Geri Dön

Abnormal respiratory event detection in sleep: Prescreening system with smart wearables

Uykuda anormal solunum olayı tespiti: Akıllı giyilebilir cihazların kullanıldığı önizleme sistemi

  1. Tez No: 503218
  2. Yazar: BURÇİN CAMCI
  3. Danışmanlar: PROF. DR. CEM ERSOY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 108

Özet

İnsan ve toplumun sağlık ve huzurunda elzem bir rol oynayan uyku, gözlemlenmesi gereken önemli bir aktivitedir. Uyku süresince yaşanan problemler kişilerin günlük yaşamını olumsuz etkilemekte olup düşük kalitedeki uyku pek çok hastalığa sebep olmaktadır. Uykudaki problemleri teşhis edebilmek için literatürde bir çok gözlemleme sistemi geliştirilmiştir. Kişiyi rahatsız etmeyen, düşük maliyetli ve herkes tarafından ulaşılabilir bir sistem tasarlanmasına dikkat edilmelidir ve bu tezde, bu özellikler akıllı giyilebilir saat ve akıllı telefon yardımıyla sağlanmıştır. Önerilen sistem bir önizleme sistemidir ve kişilerin uykudayken yaşadıkları solunum problemlerinin ciddiyetini ölçmektedir. Bu amaçla, akıllı saatteki ivme ve kalp atış ölçer alıcılarıyla akıllı telefondaki ses ölçüm alıcısı aktifleştirilmiştir. Tasarlanan sistemin deneyleri bir uyku kliniğinde uzman uyku doktoru tarafından muayene edilen 17 denek üzerinde yapılmıştır. Dokuz denekte az sayıda anormal solunum olayı görülürken geriye kalanlarda pek çok anormal solunum olayı saptanmıştır. Deneklerden toplanan veriler birleştirildikten sonra, bu verilerin çeşitli kombinasyonları; farklı öznitelik çıkarım, seçim ve örnekleme yaklaşımlarıyla oluşturulmuştur. Sınıflandırma sonuçları verilerin çeşitli kombinasyonları, farklı eğitim ve puanlama yaklaşımları yardımıyla beş makine öğrenimi algoritması tarafından çıkarılmıştır. Sistem performansı iki yolla ölçülmektedir; anormal solunum olaylarının ayrımsanma başarısı ve deneklerin solunum problemlerine göre sınıflandırılma başarısı. Anormal solunum olaylarının ayrımsanma başarısı için elde edilen en iyi doğruluk oranı %85,95 iken, deneklerin sınıflandırılma başarısı; 17 kişide bir yanlış sınıflandırmadır.

Özet (Çeviri)

Sleeping is an important activity to monitor since it has a crucial role in the overall health and well-being of the people and the society. The problems in sleep affect the daily lives of people negatively and a great deal of diseases has a strong correlation with low sleep quality. In order to diagnose the problems in the sleep, different monitoring systems are developed in the literature. The unobtrusiveness, reduced cost and reachability are the main design considerations and in this thesis, those are accomplished with the smart wearables; smart watch and smart phone. The proposed system can be utilized as a prescreening tool which recognizes the severity of problems in respiration during sleep. For this purpose, the accelerometer and heart rate monitor sensors on smart watch and the sound level sensor on smart phone are activated. The experiments of this system are performed with 17 subjects in a sleep clinic. The subjects are examined by the specialist doctor and among those subjects; nine of them perform a few abnormal respiratory events whereas lots of abnormal respiratory events are observed for remaining eight subjects. The data collected from these subjects is merged and used to generate various combinations by employing varied feature extraction, feature selection and sampling approaches. Five different machine learning algorithms are implemented and the classification results are generated with the various combinations of data, training and scoring strategies. The system performance is measured in two ways; discrimination success of abnormal respiratory events and classification success of subjects according to the problems in their respiration. The best achieved accuracy rate of distinguishing abnormal respiratory events is 85.95% whereas the classification success of subjects is one misclassification through 17 subjects.

Benzer Tezler

  1. Obstrüktif uyku apne sendromu ile uykuda periyodik hareket bozukluğu'nun ilişkisi ve obstrüktif uyku apne sendromu tedavisinin uykuda periyodik hareket bozukluğu'na etkisi

    Relationship between obstrutive sleep apnea syndrome and periodic limb movement disorder and the effect of obstrutive sleep apnea syndrome treatment on periodic limb movement disorder

    AYGUL MAHMUDOVA

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2017

    Nörolojiİstanbul Üniversitesi

    Nöroloji Ana Bilim Dalı

    PROF. DR. DERYA KARADENİZ

  2. Amyotrofik lateral skleroz hastalarında solunum ve yutma fonksiyon bozukluklarının ilişkisi

    Swallowıng and respıratıon relatıonshıp ın amyotrophıc lateral sclerosıs

    NAZAN ŞİMŞEK ERDEM

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2013

    NörolojiAkdeniz Üniversitesi

    Nöroloji Ana Bilim Dalı

    PROF. DR. HİLMİ UYSAL

  3. Talasemi majorlü çocuklarda solunum fonksiyon testi ve bronşprovokasyon testi

    Respiratory function test and bronchial provocation test in children with thalassemia major

    NESLİHAN ÖZKUL SAĞLAM

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2001

    Çocuk Sağlığı ve HastalıklarıSağlık Bakanlığı

    Çocuk Sağlığı ve Eğitimi Ana Bilim Dalı

    UZMAN ARİF ŞAHİN KUT

  4. Oligohidroamniotik mekonyumlu gebelerde doğumda uygulanan amnioinfüzyonun fetal ve maternal etkileri

    The fetal and maternal effects of amnioinfusion at delivery in pregnancies with oligohydramnios and meconium

    MUSTAFA KARADENİZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1996

    Kadın Hastalıkları ve DoğumSağlık Bakanlığı

    Kadın Hastalıkları ve Doğum Ana Bilim Dalı

    DR. HAMDİ EKREM ÖZAKIN

  5. Obstrüktif uyku apne teşhisi için makine öğrenmesi tabanlı yeni bir yöntem geliştirilmesi

    Developing a new method for obstructive sleep apnea diagnosis based on machine learning

    MUHAMMED KÜRŞAD UÇAR

    Doktora

    Türkçe

    Türkçe

    2017

    BiyoistatistikSakarya Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET RECEP BOZKURT