Akciğer seslerinin hastalıklı ve sağlıklı olarak iki sınıfa ayrılması
Classification of lung sounds to two classes as unhealthy and helalthy
- Tez No: 575243
- Danışmanlar: PROF. DR. ALİ GANGAL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: 46
Özet
Akciğer sesleri, insanın çeşitli solunum yolu rahatsızlıklarına göre değişebilmektedir. Bu sesleri inceleyebilmek için oskültasyon olarak adlandırılan bir sistem geliştirilmiştir. Bu sistemde akciğer seslerini deri üzerinden duymaya yarayan cihaza stetoskop adı verilmiştir. Medikal elektroniğin de gelişmesiyle bu konudaki araştırmaların sayısı oldukça artmıştır. Çalışmamızda, analog akciğer seslerini, elektronik stetoskop vasıtasıyla dinleyip dijital ses kaydedici ile bilgisayar ortamına kaydederek üzerinde MFKK katsayılarının ana parametre olduğu çeşitli öznitelik çıkarma yöntemleriyle bu sesleri en iyi şekilde sınıflandırabilen yöntemi elde etmek için çalıştık. Sınıflandırıcı olarak k-EYK ve DVM kullanıldı. Elde ettiğimiz sonuçlara göre en yüksek sınıflandırma doğruluğu performansı gösteren kombinasyon, MFKK katsayıları hesaplanan akciğer seslerinin ortalaması alınarak oluşturduğumuz öznitelik kümesidir. Bundan sonra sınıflandırma performansı olarak standart sapma ve entropi gelmektedir.
Özet (Çeviri)
Lung sounds are changeable by some respiratory defections of human. In order to examine these sounds, a system was developed which called auscultation. In this system, used to hear lung sounds as a non-invasive device named stethoscope. The number of studies has increased in this area while growing medical electronic. Analogue lung sounds taken by an electronic stethoscope and saved a computer via digital voice recorder and we practised to get the best way of classification of these sounds while MFKK coefficients are the main parameter of some feature extraction paths. k-NN and SVM used as a classifier. According to our results, the combination with the highest classification accuracy performance is the set of attributes that we have calculated by taking the average of MFCC coefficients and calculated lung sounds. After that, the classification performance comes as standard deviation and entropy.
Benzer Tezler
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Classification of lung sounds using wavelet-based neural networks
Solunum seslerinin dalgacık tabanlı sinir ağları ile sınıflandırılması
METE YEĞİNER
Yüksek Lisans
İngilizce
2002
Tıbbi BiyolojiBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. YASEMİN KAHYA
- Diagnosis of lung diseases using pulmonary sounds
Akciğer sesleri kullanılarak akciğer hastalıkları teşhisi
FEVZİ YASİN KABABULUT
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. DAMLA GÜRKAN KUNTALP
- A Digital signal processing based instrument for real-time classification of pulmonary sounds
Gerçek zamanda çalışan digital signal processing tabanlı solunum sesleri sınıflandırıcı
SAMEER ALSMADİ
Yüksek Lisans
İngilizce
2003
Tıbbi BiyolojiBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. YASEMİN KAHYA