Vokal kord ölçümlerinden makine öğrenmesi yöntemleri kullanarak Parkinson hastalığının teşhisi
The detection of Parkinson disease using machine learning models
- Tez No: 562268
- Danışmanlar: DOÇ. DR. MAHMUT HEKİM
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Tokat Gaziosmanpaşa Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 41
Özet
Parkinson hastalığının (PD) en önemli semptomlarından biri, ağız, dil, boğaz, ses tellerinin fiziksel bir bozukluğu nedeniyle konuşmada güçlük çeken konuşma bozukluğudur. Yaygın olarak kullanılan Birleşik Parkinson Derecelendirme Ölçeği (UPDRS) gibi standart ölçeklere rağmen hastalığın erken evrelerde teşhisi zordur. Bu yüzden, bu çalışmada, hastalardan alınan ve sağlıklı gönüllülerden kaydettiğimiz vokal kord işaretlerinin zaman, frekans ve zaman-frekans domenlerinde istatistiksel parametreler yardımıyla özellik vektörleri çıkarılmış ve bu vektörler PD tanısı için makine öğrenmesi (ML) temelli sınıflayıcı modellere girdi olarak uygulanmıştır. Bu amaç için, vokal kord işaretlerine ayrık Fourier dönüşümü (DFT) kullanılarak elde edilen frekans spektrumu üzerinde ve ayrık dalgacık dönüşümü (DWT) uygulanarak ayrıştırılan frekans alt-bantları üzerinde istatistiksel parametreler yardımıyla özellik vektörleri elde edilmiştir. Bu özellik vektörleri PD'nin teşhisi için yaygın olarak kullanılan ML yöntemlerine dayalı sınıflayıcı modellere giriş olarak uygulanmıştır. PD teşhisi için zaman, frekans ve zaman-frekans domenlerinde gerçekleştirilen sınıflandırma deneylerinde, kullanılan ortalama, geometrik ortalama, harmonik ortalama, varyans gibi temel istatiksel parametreleri ile hesaplanan özellik vektörleri sınıflayıcı modellere giriş olarak uygulandığında toplam doğru sınıflandırma (TCC) oranları açısından arzu edilen seviyelere ulaşılmıştır. Buna ek olarak, PD teşhisine ilişkin ilk kez bu tezde kullanılan noktalar-arası eğimi hem zaman hem de frekans domeninde uygulanıp elde edilen yeni işaretin Ki-Karesi ve entropisi hesaplanarak gerçekleştirilen sınıflandırma deneyleri tekrarlandığında özellikle işaretlerin frekans domeninde sınıflayıcı modeller çok daha yüksek TCC oranlarını sağlamıştır. Sonuç olarak, hastaların ses işaretlerine ait frekans alt-bantlarında istatistiksel parametrelerle ve ses işaretlerinin eğimi alınıp Ki-Kare ve entropi uygulandığında elde edilen özellik vektörlerinden ML yöntemleri yardımıyla PD'nin teşhisinin yüksek başarı oranlarında gerçekleştirilmesi mümkün olmuştur. 2019, -- SAYFA
Özet (Çeviri)
Since one of the most important symptoms of Parkinson's disease (PD) is dysphonia that is difficulty in speaking due to PD and a physical disorder of the mouth, tongue, throat, vocal cords, the diagnosis of disease is difficult to diagnose early with the widely used standard scales such as Unified Parkinson's Disease Rating Scale (UPDRS). Therefore, in this study, feature vectors were extracted from patients and healthy volunteers by using statistical parameters in the time, frequency and time-frequency domains of vocal cords, and these vectors were applied as the inputs into machine learning (ML) based classifier models for PD diagnosis. For this aim, the frequency domain coefficients and frequency sub-bands coefficients were obtained by using discrete Fourier transform (DFT) and discrete wavelet transform (DWT) from vocal cord voice signals, respectively. The feature vectors were extracted from these obtained coefficients by using statistical parameters such as mean, geometric mean, harmonic mean and standard deviation. These feature vectors were applied as the inputs into classifier models based on commonly used ML methods for PD diagnosis. In the classification experiments implemented in time, frequency and time-frequency domains for PD diagnosis, the classifier models reached to the satisfactory levels in terms of total correct classification (TCC) ratios. In addition, when the classification experiments performed by using the parameters of entropy, Chi- inter-points slope that were evaluated in this thesis for the first time were repeated for PD diagnosis, the classifier models provided much higher TCC ratios especially when the feature vectors obtained from the frequency domain of the signals were used. As a result, this approach allowed to diagnose PD from feature vectors obtained by using statistical parameters in the frequency sub-bands of patients' voice signals in high success ratios with the help of ML methods.
Benzer Tezler
- Vokal kord nodülü olan çocuklar ile sağlıklı sese sahip çocukların ses özelliklerinin karşılaştırılması ve vokal kord nodülü olan çocuklarda farklı ses terapisi yöntemlerinin etkililiğinin incelenmesi
Comparison of voice characteristics of children with vocal cord nodules and children with healthy voices and investigation of the effectiveness of different voice therapy techniques in children with vocal cord nodules
MARAL YEŞİLYURT
Doktora
Türkçe
2020
Kulak Burun ve BoğazÜsküdar ÜniversitesiDil ve Konuşma Terapisi Ana Bilim Dalı
PROF. DR. AHMET KONROT KONROT
- Vokal kord hasarı oluşturulan ratlarda krosinin yaraiyileşmesi ve fibrozis üzerine olan etkilerinin araştırılması
Investigation of the effects of crocin on wound healingand fibrosis in rats with vocal fold damage
SERHAT TONÇ
Tıpta Uzmanlık
Türkçe
2024
Kulak Burun ve BoğazÇanakkale Onsekiz Mart ÜniversitesiKulak Burun Boğaz Ana Bilim Dalı
PROF. DR. OĞUZ GÜÇLÜ
DOÇ. DR. ÖZGE ÇAĞLAR ÇİL
- Tavşan vokal kordunda hyalüronik asit'in, polilaktikkoglikolik asit/pluronik F127 ve polilaktikkoglikolik asit/pluronik f127-fibroblastik büyüme faktörü birleşiminin doku üzerindeki etkilerinin endoskopik muayene ve histopatolojik analiz yapılarak karşılaştırılması
Comparison of the effects of hyaluronic acid, polylactic coglycolic acid/pluronic F127 and polylactic coglycolic acid/pluronic F127 fibroblastic growth factor combination on tissue in rabbit vocal cord by endoscopic examination and histopathological analysis
TUĞBA DİLAN YILMAZ ÇELİK
Tıpta Uzmanlık
Türkçe
2023
Kulak Burun ve BoğazEskişehir Osmangazi ÜniversitesiKulak Burun Boğaz Hastalıkları Ana Bilim Dalı
PROF. DR. MELEK KEZBAN GÜRBÜZ
- Reinke ödemi immunopatogenezinde epitel kaynaklı sitokinlerin rolü
Role of epithelium derived cytokines in immunopathogenesis of reinke' s edema
CEREN BAŞ EROL
Tıpta Uzmanlık
Türkçe
2022
Kulak Burun ve BoğazBaşkent ÜniversitesiKulak Burun Boğaz Ana Bilim Dalı
DOÇ. DR. ALPER KÖYCÜ
- Türk toplumunda larenks morfometrik ölçümleri ve larenks çatı cerrahilerine etkileri
Türk toplumunda larenks morfometri̇k ölçümleri̇ ve larenks çati cerrahi̇leri̇ne etki̇leri̇
NECATİ ENVER
Tıpta Uzmanlık
Türkçe
2015
Anatomiİstanbul ÜniversitesiKulak Burun Boğaz Hastalıkları Ana Bilim Dalı
DOÇ. DR. BORA BAŞARAN