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: Elektrik ve Elektronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Electrical and Electronics Engineering, Computer Engineering and Computer Science and Control, Bioengineering
- Anahtar Kelimeler: Destek vektör makineleri, Gauss karışım modeli, Makine öğrenmesi, Saklı Markov modeli, Sınıflandırma, Örüntü tanıma, Support vector machines, Gaussian mixture model, Machine learning, Hidden Markov model, Classification, Pattern recognition
- 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: Belirtilmemiş.
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
- Parotis bezi ve tümörlerinin belirlenmesinde yapay zekâ tabanlı tanı destek sisteminin geliştirilmesi
Development of artificial intelligence-based diagnostic support system for the determination of parotid gland and tumors
KUBİLAY MUHAMMED SÜNNETCİ
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ALKAN
- 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
Kulak Burun ve BoğazYıldız Teknik ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. MİNE ELİF KARSLIGİL
- Geniş ölçekli veriler üzerinde sınıflandırma ve bölütleme amaçlı evrişimsel sinir ağı ve istatistiksel modellerin geliştirilmesi
Development of convolutional neural network and statistical models for classification and segmentation on large-scale data
NURULLAH ÇALIK
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
- The automatic segmentation of submandibular salivary glands and classification of sonographic parameters using deep learning methods in ultrasound images
Ultrasonografi görüntülerinde derin öğrenme yöntemiyle submandibular tükürük bezlerinin otomatik segmentasyonu ve sonografik parametrelerin siniflandirilmasi
BURAK TUNAHAN ÇİFTÇİ
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiGaziantep ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FİRDEVS AŞANTOĞROL
- Bitki yapraklarından hastalık tespiti için derin öğrenme tabanlı yeni yöntemlerin geliştirilmesi
Development of new deep learning based methods for disease detection from plant leaves
EMRULLAH POLAT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TAYYİP ÖZCAN
DR. ÖĞR. ÜYESİ HAKAN AKTAŞ