Geri Dön

İstatistiksel değişim algılama algoritmaları ile horlama seslerinin bölütlenmesi ve uyku apnesinin tesbiti

Segmentation of snore sounds and detection of sleep apnea with statistical change detection algorithms

  1. Tez No: 545895
  2. Yazar: GÜLSEVİN KODALOĞLU
  3. Danışmanlar: DOÇ. DR. FİKRET ARI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 84

Özet

Horlama uyku esnasında solunum yapılarının titreşimi sonucunda ortaya çıkan sestir. Tıkayıcı Uyku Apne Sendromu (TUAS) toplumda yaygın bir uyku bozukluğu olup uykuda üst solunum yollarının tamamen veya kısmen kapanması nedeniyle en az 10 sn süre ile nefessiz kalınması durumudur. Horlama uyku apnesi teşhisi için önemli bir işarettir. Apne sonrası horlama seslerinin başlangıcındaki ani değişiklik TUAS hastalarını basit horlayanlardan ayırmak için anlamlı bir ayırt edici bilgidir. İstatistiksel yöntemlerle sinyal modellenmiş ve horlama bölütleri başlangıç ve bitiş noktaları tespit edilmiştir. Başlangıç noktasından sonra alınan farklı bölüt uzunlukları ile alt bölütler elde edilmiştir. Horlama sesleri bölütlerinin spektrogram görüntüleri oluşturularak evrişimsel sinir ağları ile derin öznitelikler çıkarılmıştır. Elde edilen derin öznitelikler Destek Vektör Makineleri ve Evrişimsel Sinir Ağları ile sınıflandırılmıştır.

Özet (Çeviri)

Snoring is a sound produced by the vibration of airway tissues. Obstructive Sleep Apnea Syndrome (OSAS) is a common sleep that is breathless for at least 10 seconds due to complete or partial closure of the upper airway. Snoring is an important sign for the diagnosis of sleep apnea. The sudden change in the onset of snoring after apnea is a distinctive information to differentiate OSAS patients from simple snorers. Signal was modeled, snoring segments start and end points were detected via statistical methods. Sub-sections with different segment lengths obtained after the starting point. Spectrogram images of snoring sounds are generated and deep features extracted by convolutional neural networks. Deep spectrum features were classified with Support Vector Machine and Convolutional Neural Network.

Benzer Tezler

  1. Rapidly varying sparse channel tracking for OFDM systems

    OFDM sistemleri için çok hızlı değişen seyrek kanal takibi

    AYŞE BETÜL BÜYÜKŞAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN ALİ ÇIRPAN

  2. The interactions of middle-class lifestyles within the context of İslamization in TurkeyTürkiye'de orta sınıfın yaşam tarzlarının İslamlaşma bağlamında etkileşimleri

    Türkiye'de orta sınıfın yaşam tarzlarının İslamlaşma bağlamında etkileşimleri

    MÜGE ÖZTUNÇ

    Doktora

    İngilizce

    İngilizce

    2019

    Sosyolojiİstanbul Bilgi Üniversitesi

    Sosyal Bilimler Ana Bilim Dalı

    PROF. DR. AHMET KILIÇ SÜERDEM

  3. Sayısal imgelerdeki dürtü gürültüsünün giderilmesi için yeni algoritmalar ve analog devre yapıları

    New algorithms and analog circuit structures for the removal of impulsive noise in digital images

    PINAR ÇİVİCİOĞLU

    Doktora

    Türkçe

    Türkçe

    2004

    Elektrik ve Elektronik MühendisliğiErciyes Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA ALÇI

  4. Deep learning for wind energy systems using the hurst exponent and statistical parameters

    Hurst üslü ve istatistiksel parametreleri kullanarak rüzgar enerjisi sistemleri için derin öğrenme

    BEHNAZ ALAFI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAHİN SERHAT ŞEKER

  5. Uzaktan algılamada ileri sınıflandırma tekniklerinin karşılaştırılması ve analizi

    Comparing and analyzing of advanced classifier techniques in remote sensing

    İSMAİL ÇÖLKESEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Jeodezi ve FotogrametriGebze Yüksek Teknoloji Enstitüsü

    Jeodezi ve Fotogrametri Ana Bilim Dalı

    DOÇ. DR. TAŞKIN KAVZOĞLU