Term-preterm detection using spectral estimation with machine learning and deep learning methodologies
Makine öğrenmesi ve derin öğrenme metodolojileri ile spektral kestirim kullanarak term ve preterm doğum tespitinin yapılması
- Tez No: 629072
- Danışmanlar: PROF. DR. MEHMET EMİN YÜKSEL
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Derin öğrenme, Erken doğum, Makine öğrenmesi, Spektral analiz, Deep learning, Machine learning, Spectral analysis
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bir bebeğin tıbben öngörülen doğum tarihinden daha önce doğması olarak tanımlanan erken doğum gerek anne gerekse yeni doğan bebek için ciddi Sağlık sorunlarına sebep olmaktadır. Erken doğum vakalarının dünya çapında gitgide artan sayılarına ek olarak, erken doğum olayının gerçek sebeplerinin tam olarak bilinmemesi bu problem ile baş etmek için ciddi bir sorun meydana getirmektedir. Bu yüzden, erken doğumları önceden tespit etmek ve onların yol açtığı sorunlarla Baş edebilmek için erken doğum konusundaki araştırma çalışmalarının artırılması gerekmektedir. Bu çalışmada erken doğum olaylarının önceden tespit edilebilmesi amacıyla Elektrohisterografi (EHG) sinyallerinin Spektrum analizi incelenmektedir. Rahim kaslarından elde edilen EHG sinyalleri Öncelikle ön işlemeye tabi tutulmuş ve spektral analiz için çerçevelere bölünmüştür. Bu çerçevelere ait centroid frekansları bir öznitelik vektörü olarak kullanılmış ve makine öğrenmesi ve derin öğrenme yöntemleri içeren sınıflandırma deneylerinde erken doğum tahmini amacıyla kullanılmıştır. Bu işlemlere ek olarak uygulanan istatistiksel analiz ve literatürde mevcut olan diğer yöntemlerle yapılan kıyaslamalar tezde işlenen centroid frekansı tabanlı erken doğum tahmin yönteminin literatürde bilinen yöntemlere göre çok daha iyi bir sınıflandırma performansı verdiğini göstermektedir.
Özet (Çeviri)
Preterm delivery, the delivery of babies before the estimated delivery date, exposes both the mother and the unborn child to health complications. Aside from the increasing number of preterm deliveries worldwide, the exact unknown causes of preterm deliveries present an extra challenge at combating this menace. Thus, there is a need to contribute to the ongoing research to predict preterm delivery and take necessary actions to reduce the undesired implications of preterm delivery. This thesis study investigates the spectral properties of Electrohysterography (EHG) signals to predict preterm delivery. EHG signals, obtained from the uterine muscle, are preprocessed and sliced into frames for spectral analysis. The centroid frequencies of these frames which represent a feature vector are subsequently employed for classification experiments with machine learning and deep learning models to predict preterm birth. A further statistical analysis and comparison with existing methods in the literature confirm the superiority of the proposed centroid frequency estimation for the prediction of preterm delivery.
Benzer Tezler
- Towards adaptive brain-computer interfaces: Statistical inference for mental state recognition
Uyarlanabilir beyin-bilgisayar arayüzlerine doğru: Zihinsel durum tanıma için istatistiksel çıkarım
MASTANEH TORKAMANI AZAR
Doktora
İngilizce
2020
Elektrik ve Elektronik MühendisliğiSabancı ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜJDAT ÇETİN
Prof. Dr. SELİM SAFFET BALCISOY
- Doğal süreçlerde gürültü analizi ve sinyal modellemeleri
Noise analysis and signal modeling in natural processes
SÜLEYMAN BAYKUT
Doktora
Türkçe
2012
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAYFUN AKGÜL
- Hiperspektral görüntülerde derin öğrenme ile hedef tespiti
Target detection on hyperspectral images using deep learning
BATUHAN MERT SEVEROĞLU
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SENİHA ESEN YÜKSEL ERDEM
- Coğrafi bilgi sistemleri ve uzaktan algılama teknikleri kullanarak deprem sonrası yapısal hasarlarının tespiti:6 şubat 2023 Kahramanmaraş depremleri örneği
Detection of post-earthquake structural damages using geographic information systems and remote sensing techniques: The case of the Kahramanmaras earthquakes
YAREN GÜLŞEN
Yüksek Lisans
Türkçe
2026
İnşaat MühendisliğiÇankırı Karatekin Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER SARIFAKIOĞLU
- Hibrit konuşma aktivite tespiti kullanılarak D-vektör tabanlı bir konuşmacı diyarizasyon sisteminin tasarlanması
Implementation of a D-vector based speaker diarization system using hybrid voice activity detection
YUNUS KORKMAZ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYTUĞ BOYACI