Predicting maximal oxygen uptake using deep learning
Derin öğrenme ile maksimum oksigen tüketimi tahmini
- Tez No: 584950
- Danışmanlar: PROF. DR. MEHMET FATİH AKAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
Kalp-solunum uygunluğu; solunum, kardiyovasküler ve iskelet-kas sistemlerine bağlı olduğu için sağlık ve fiziksel uygunluğun belirlenmesinde kullanılan önemli bir bileşendir. Kalp-solunum uygunluğunu tespit etmek için kullanılan standart yöntem maksimal egzersiz testi sırasında maksimum oksijen tüketiminin (VO2max) direk olarak ölçülmesidir. VO2max testi pahalı laboratuvar malzemesi, eğitimli teknisyenler, yüksek motivasyonlu bireyler, hatta bazı durumlarda bir doktorun desteğini gerektiren ve zaman alan bir testtir. Maksimal VO2max testinin dezavantajlarından dolayı, literatürde bu teste alternatif olarak birçok VO2max tahmin modeli önerilmiştir. Bu çalışmada, Derin Öğrenme Deep Learning (DP) yöntemi ile bireylerin VO2max değerini tahmin etmek üzere yeni modeller geliştirilecektir. Karşılaştırma amaçlı Destek Vektör Makinesi Support Vector Machine (SVM), Çok Katmanlı Algılayıcı Multilayer Perceptron (MLP) ve Tek Karar Ağacı Single Decision Tree (SDT) tabanlı tahmin modelleri de geliştirilecektir. Tahmin modellerinin performansı, 10 katlı çapraz doğrulama kullanılarak, standart tahmin hatası (Standard Error of Estimate – SEE) ve çoklu korelasyon katsayısı (Multiple Correlation Coefficient – R) hesaplanarak değerlen¬dirilecektir. DP tabanlı VO2max tahmin modellerinin diğer makine öğrenme tabanlı tahmin yöntemlerine göre daha performanslı çalışacağı beklenmektedir.
Özet (Çeviri)
Maximal oxygen uptake, or VO2max, is an external parameter that is affected by things like how many red blood cells the body has, how adapted the muscles are to distance running, and how much blood the heart can pump. It is measured as milliliters of oxygen used in one minute per kilogram of body weight. In a laboratory, it is calculated by measuring the volume (V) of oxygen (O2) that the body consumes while running on a treadmill which is the most accurate way. However, because of the serious drawbacks of direct measurement, a lot of studies have been conducted using machine learning methods to predict VO2max. The purpose of this study is to build new VO2max prediction models using deep learning (DL). The dataset has been split into training and test data using 70-30%, 80-20% split ratio, and 10-fold cross-validation. For comparison purposes, VO2max prediction models based on Multi-Layer Perceptron (MLP), Support Vector Machine (SVM), and Single Decision Tree (SDT) have also been developed. The performance of the prediction models has been evaluated using Standard Error of Estimate (SEE) and Multiple Correlation Coefficient (R). As a conclusion, DL can be used safely in VO2max prediction domain.
Benzer Tezler
- Predicton of maximal oxygen uptake using machine learning methods combined with feature selection
Nitelik seçme ile birleştirilmiş makina öğrenme yöntemleri kullanılarak maksimum oksijen tüketiminin tahmini
ERMAN AKTÜRK
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET FATİH AKAY
- Prediction of maximum oxygen uptake (VO2max) with submaximal and questionnaire variables using different regression methods
Submaksimal ve anket değişkenleri kullanarak maksimum oksijen tüketiminin farklı regresyon yöntemleriyle tahmin edilmesi
ESER YÜCEL
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET FATİH AKAY
- Prediction of upper body power and maximal oxygen uptake of cross-country skiers using different regression methods
Farklı regresyon yöntemleri kullanarak kros kayakçılarda üst vücut gücünün tahmin edilmesi
SHAHABODDİN DANESHVAR
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET FATİH AKAY
- Development of new hybrid models for prediction of VO2MAX using machine learning methods combined with feature selection algorithms
Nitelik seçme algoritmalarıyla birleştirilmiş makine öğrenme yöntemleri kullanılarak yeni hibrit VO2MAX tahmin modellerinin geliştirilmesi
FATİH ABUT
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET FATİH AKAY
- Farklı yüklenmeler altında antropometrik verilere bağlı olarak fizyolojik parametrelerdeki değişimlerin incelenmesi
Analysis of variations in physiological parameters under different loadings with respect to anthropometrical data
BERMAN KAYIŞ(ÇİLİNGİR)
