Methods for segmentation and classification of swallowing instants from the feeding sound of newborn infants
Yenidoğan bebeklerin beslenme sesi üzerinden yutmaanlarını bölütleme ve sınıflandırma yöntemleri
- Tez No: 562181
- Danışmanlar: PROF. DR. TOLGA ÇİLOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Bioengineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 117
Özet
Yutma frekansı, ritmik yutmalar arası ortalama süre, maksimum ritmik yutma sayısı gibi istatistikler bebeklerin beslenme olgunluğu ile ilişkilendirilebilir. Bu yüzden, akustik beslenme sinyali üzerinden yutma anlarının otomatik olarak tespiti, neonatologlar için bir karar destek mekanizması olarak düşünülebilir. Bu tez, yenidoğan bebeklerin beslenme seslerini analiz eden farklı yaklaşımları içermektedir ve bölütleme sonrası sınıflandırma ile sınflandırma sonrası birleştirme olmak üzere iki adet örüntü tanıma temelli yöntem sunmaktadır. Bu çalışmada, 52 bebekten dijital steteskop aracılığıyla alınan beslenme kayıtları kullanılmıştır. Yutma seslerini diğer seslerden ayırt etmek amacıyla, destek vektör makinaları, saklı Markov modelleri ve gaussian karışım modelleri gibi bir çok öğrenme algoritmasından faydalanılmıştır. Akustik sinyalleri temsil etmesi amacıyla, zaman ve frekans uzayında kapsamlı bir öznitelik araştırması yapılmıştır. Ayrıca, öznitelik vektörlerinin temsiliyetini artırmak ve boyutunu küçültebilmek adına, öznitelik seçme prosedürleri incelenmiştir. Sekiz farklı yutma sesi bölütleme ve sınıflandırma yöntemi, kesinlik, hatırlama eğrileri göz önünde bulundurularak deneysel olarak karşılaştırılmıştır. Elde edilen sonuçlara göre, bölütlemede yapılan hatanın sınıflandırma performansını da direkt olarak olumsuz etkilemesi sebebiyle ilk örüntü tanıma yaklaşımının daha düşük performansla çalıştığı gözlemlenmiştir. Öte yandan, 2 ve 3 sınıflı destek vektör makineleri, amaca uygun tasarlanmış birleştirme algoritmaları olan sonlu durum makineleriyle birlikte en iyi performansı sergilemişlerdir. Zamana dayalı değerlendirme yapılırken, her iki yöntem için de F1 skoru yaklaşık olarak 0.7 bulunurken, sayı temelli değerlendirmede bu değer 0.81 civarında hesaplanmıştır.
Özet (Çeviri)
Statistics such as swallow frequency, the average time between rhythmic swallows and the maximum number of rhythmic swallows can be related to the feeding maturity of infants. Therefore, detecting swallow segments automatically from an acoustical feeding signal can be considered as a decision support mechanism for neonatologists. This thesis includes different approaches for the analysis of infant's feeding sounds and proposes two different pattern recognition methodologies, segmentation followed by classification and classification followed by merging, for auto-segmentation and classification of swallowing instants. Data from 52 infant subjects are used, in which acoustic feeding signals are recorded with a digital stethoscope. Multiple learning algorithms such as Gaussian mixture models (GMM), support vector machines (SVM) and hidden Markov models (HMM) are used to discriminate swallowing sounds from other sound activities. A comprehensive set of feature extraction methods in time and frequency domain are investigated for the representation of captured acoustic signals. Moreover, feature selection methods are examined thoroughly to improve the representation power of feature vectors. Experimental comparison in terms of precision, recall and F1 scores of eight different paths to segment and classify swallow instants is made. The results show that the first approach segments the swallow episodes with lower performance as the error in the segmentation also affects the classification performance negatively. On the other hand, best results are obtained in the second approach where binary and 3 class SVM classifiers are applied with purpose-specific finite state machine algorithms. In the time duration based performance evaluation, the F1 scores are obtained as almost equal to 0.70 for both methods. On the other hand, they are computed as nearly 0.81 in the event based one.
Benzer Tezler
- Ses teli damar ve şekil özelliklerini değerlendirerek ses telipatolojilerinin sınıflandırılması
Classification of laryngeal disorders based on shape and vascular patterns of vocal folds
HAFİZA İREM TÜRKMEN ÇİLİNGİR
Doktora
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. MİNE ELİF KARSLIGİL
- Derin öğrenme yaklaşımlarıyla tıbbi yara görüntülerinin segmentasyonu ve sınıflandırılması
Segmentation and classification of medical wound images with deep learning approaches
HÜSEYİN ELDEM
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAN ÜLKER
- Hiperspektral görüntü sınıflandırmada faz korelasyonu ve 1-bit temelli yaklaşımlar
Hyperspectral image classification approaches using phase correlation and 1-bit transform
DAVUT ÇEŞMECİ
Yüksek Lisans
Türkçe
2009
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET KEMAL GÜLLÜ
- Kontrastsız bilgisayarlı tomografi görüntülerinde yapay zekâ tabanlı karaciğer bölütleme ve hastalık sınıflandırma
Artificial intelligence-based liver segmentation and disease classification in non-contrast computed tomography images
RABİYE KILIÇ
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiAtatürk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM YÜCEL ÖZBEK
- Sayısal görüntülerin bölümlenmesi ve sınıflandırılmasında temel algoritmaların yorumlanması ve uygulanması
Application and interpratation basic algorithms for digital image segmentation and classification
HASRET KİTAPÇIOĞLU
Yüksek Lisans
Türkçe
2005
Jeodezi ve FotogrametriOndokuz Mayıs ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
PROF.DR. SEBAHATTİN BEKTAŞ