Geri Dön

Non-contact breathing abnormality detection using machine learning

Temassız ölçüm ve makine ögrenmesi ile nefes bozuklugu teşhisi

PDF İndir

  1. Tez No: 592717
  2. Yazar: SEFA ERDOĞAN
  3. Danışmanlar: DOÇ. DR. AHMET ÖNCÜ, PROF. DR. CENGİZHAN ÖZTÜRK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoteknoloji, Elektrik ve Elektronik Mühendisliği, Tıbbi Biyoloji, Biotechnology, Electrical and Electronics Engineering, Medical Biology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Biyo-Medikal Mühendislik Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 65

Özet

Solunum hastalıkları dünyada sıklıkla görülmektedir ancak hastanın hayatı çok ciddi sekilde etkilenmedigi sürece hastalık tedavi edilmemektedir. Temassız ölçüm teknikleriyle ölçülebilen solunum hareketi hastanın sağlık durumuyla ilgili bilgiler içermektedir. Solunum hızı ve hareketinin temassız sürekli ölçümü hem hastalar, hem sağlık çalısanları için istenen bir imkandır. Doppler radar gögüs kafesi hareketini doğru bir sekilde ölçebilir. Doppler radar modül tipi aynı zamanda ucuz ve erisilebilir bir radar tipidir. Göğüs kafesi hareketi kaydedildikten sonra makine ögrenmesi algoritmaları solunum hareketi tipini tahmin edebilir. Çesitli solunum hareketlerinin sınıflandırma algoritmalarının odaklanabilecegi farklı özellikleri bulunmaktadır. Bu çalısmada, bir Doppler radar ölçüm düzeneği hazırlandı. Sistemin hassasiyeti servo motor konrollü lineer aktüatör ile test edildi ve radarın göğüs kafesi hareketini ölçebilir hassasiyette oldugu tespit edildi. 10 denekten normal, hipoventilasyon, Kussmaul, Cheyne-Stokes ve Biot dahil 5 nefes tipi toplandı. Her denek 5 nefes hareketi ürettiğinden, toplamda 50 ölçüm alındı. Sonuçlar, lineer diskriminant ve alt uzay diskriminant topluluk sınıflandırıcılarının nefes hareketlerini %96 doğrulukla tahmin edebildiğini, kullanılan diger algoritmaların doğruluklarının ise %90'ın üstünde olduğunu gösterdi.

Özet (Çeviri)

Respiratory diseases are widely seen in the world and they are not seriously handled until they start affecting the patient's life very badly. Respiration motion contains information about the patient's health status which can be measured with non-contact measurement techniques. Non-contact continuous measurement of respiration rate and pattern is desirable for both the patients and the caregivers. Doppler radar can measure the chest wall displacement, accurately. It is also cheap and accessible. Once the chest wall motion is captured, machine learning algorithms can predict the type of the breathing pattern. Different types of breathing patterns contain distinctive features that the classification algorithms can focus on. In this study, a Doppler radar measurement setup was prepared. The accuracy of the system was tested with a linear actuator and it found to be accurate enough to measure the chest wall displacement. 5 breathing patterns including normal, hypoventilation, Kussmaul, Cheyne-Stokes and Biot's breathing were collected from 10 subjects. Since each subject reproduced 5 breathing patterns, a total of 50 measurements were taken. Results show that prediction accuracy is 96% for linear discriminant and subspace ensemble classifier, and other used algorithms also predict the patterns with more than 90% accuracy.

Benzer Tezler

  1. Tez No

    855849

    Multiple stationary human respiratory detection by IR-UWB radar

    IR-UWB radar ile çok sayıda sabit insan solunum tespiti

    MAHDI ESMAEILISHAHIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiBahçeşehir Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. SAEID KARAMZADEH

  2. Tez No

    879078

    Analysis of signal processing algorithms for detection of human vital signs using uwb radar

    Hayati bulguların geniş bantlı radar sistemleri ile tespitinde kullanılan sinyal işleme algoritmalarının analizi

    CANSU EREN

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. MESUT KARTAL

    PROF. DR. SAEİD KARAMZADEH

  3. Tez No

    467105

    Detection of human vital signs through obstructive barriers using UWB GPR

    Engel arkası hayati bulguların geniş bantlı yere nüfus eden radar ile tespiti

    CANSU BÜYÜKHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. FATMA İNCİ ÇİLESİZ

    YRD. DOÇ. DR. SAEID KARAMZADEH

  4. Tez No

    474912

    Dynamic analysis of beam with breathing crack using finite element method

    Açılıp kapanan çatlaklı kirişlerin sonlu eleman yöntemi kullanılarak dinamik analizi

    BERKAY ÖZKAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Makine MühendisliğiOrta Doğu Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. FEVZİ SUAT KADIOĞLU

  5. Tez No

    164261

    Yenidoğan ünitelerinde yatan bebeklerde ve annelerinde oluşan stres etkilerinin azaltılmasında kanguru bakım modelinin etkisi

    Investigate the effects of kangaroo care (KC) in lowering the stress effects that occur in newborns and the mothers in neonatal units

    KAMİLE DÖNMEZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2005

    HemşirelikEge Üniversitesi

    Hemşirelik Ana Bilim Dalı

    YRD. DOÇ. DR. BAHİRE BOLIŞIK

Geri Dön