Uyku apnesi tanısı için bilgisayar destekli tespit sisteminin tasarımı ve gerçeklemesi
Desing and implementation of a computer aided detection system for diagnosis of sleep apnea
- Tez No: 679194
- Danışmanlar: DR. ÖĞR. ÜYESİ İDİL IŞIKLI ESENER
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Bilecik Şeyh Edebali Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 109
Özet
Tez çalışmasında, uyku apnesi teşhisi gerçekleştirebilen bir bilgisayar destekli teşhis sistemi önerilmiş ve PhysioNet Apnea-ECG veri tabanı üzerinde doğrulanmıştır. Önerilen sistemin ön işleme aşamasında, veritabanında yer alan elektrokardiyogram sinyalleri z-skor normalizasyonuna tabi tutulmuş, bant geçiren filtreden geçirilmiş ve bir-dakikalık bölütlere ayrılmıştır. Sonrasında, öznitelik çıkarımı aşamasında, bir-dakikalık bölütler gerek uzamsal düzlemde gerekse frekans düzleminde yedi farklı öznitelik grubu ile betimlenmiştir. Ayrıca, her bir öznitelik grubuna temel bileşen analizi, ortak vektör yaklaşımı ve ayırt edici ortak vektör yaklaşımı yöntemleri uygulanarak öznitelik seçimi gerçekleştirilmiştir. Sınıflandırma aşamasında ise lojistik doğrusal sınıflandırıcı, doğrusal ayırtaç sınıflandırıcı, fisher doğrusal ayırıcı analizi, bayes sınıflandırıcı, k-en yakın komşu sınıflandırıcısı kullanılarak, 2- ve 3-sınıflı teşhis çalışmaları gerçekleştirilmiştir. Sonuç olarak, bir-dakikalık bölütlerin apneli/apnesiz olarak sınıflandırıldığı 2-sınıflı teşhis çalışmasında kalp atım hızı değişkenliği öznitelikleri kullanılarak maksimum %72,29, kalp atım hızı değişkenliği özniteliklerinin temel bileşen analizi yöntemi ile boyut indirgemesi yapıldıktan sonra %67,00 doğruluk sağlandığı tespit edilmiştir. Hasta/sınırda/sağlıklı olarak sınıflandırıldığı 3-sınıflı teşhis çalışmasında da kalp atım hızı değişkenliği öznitelikleri kullanılarak maksimum %68,67, hibrit özniteliklerinin temel bileşen analizi ile boyut indirgemesi yapıldıktan sonra %68,67 doğruluk sağlandığı tespit edilmiştir.
Özet (Çeviri)
In the thesis study, a computer aided diagnostic system capable of diagnosing sleep apnea is proposed and validated on the PhysioNet Apnea-ECG database. In the preprocessing phase of the proposed system, electrocardiogram signals in the database is subjected to z-score normalization, bandpass filtered and divided into one-minute segments. Then, in the feature extraction stage, one-minute segments are described with seven different feature groups in both the spatial plane and the frequency plane. In addition, feature selection is performed by applying principal component analysis, common vector approach and distinguished common vector approach methods to each feature group. In the classification stage, 2- and 3-class diagnostic studies are performed using the logistic linear classifier, linear differential classifier, fisher linear differential analysis, bayes classifier, k-neighbor classifier. As a result, In the 2-class diagnostic study, it is determined that maximum 72.29% accuracy is achieved by using heart rate variability features, and 67.00% accuracy is achieved after size reduction of heart rate variability features by principal component analysis method. In the 3-class diagnostic study, in which the patient is classified as borderline/healthy, it is determined that the maximum accuracy is 68.67% using heart rate variability features, and 68.67% accuracy is achieved after size reduction with principal component analysis of hybrid features.
Benzer Tezler
- Standart polisomnografik parametrelerin uyku apnesinin teşhisine etkisinin makine öğrenmesi yöntemleriyle araştırılması
Investigation of the effect of standard polysomnographic parameters on the diagnosis of sleep apnea using machine learning methods
YAKUP ÇİÇEK
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA ARSLAN TUNCER
- Beyin bilgisayar arayüz (BBA) sistemleri ile akıllı saat entegresi sağlanarak uyku apnesi sorununun tespit edilmesi
Detection of sleep apnea problem by integrating a smart clock with brain-computer interface (BBA) systems
BURAK KAYA
Yüksek Lisans
Türkçe
2024
Makine MühendisliğiSüleyman Demirel ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA REŞİT USAL
- OSAS hastaları ile sağlıklı bireylerdeki nabız geçiş sürelerinin makina öğrenmesi teknikleriyle sınıflandırılması
Classification of pulse transit times in healthy individuals with osas patients using the machine learning method
BEYZA NUR AKILOTU
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEDA ARSLAN TUNCER
- Evre 4 ve evre 5 kronik böbrek hastalığı olan ve diyalize girmeyen hastalardaki biyoimpedans analiz yöntemi ile belirlenen volüm durumu ile obstrüktif uyku-apne sendromu arasındaki ilişki
The relationship between volum status assessed by bioimpedance analysis and obstructive sleep-apnea syndrome in patients with stage 4 and 5 chronic kidney disease whom have not yet undergone dialysis treatment
REŞİT YILDIRIM
Tıpta Uzmanlık
Türkçe
2016
NefrolojiDicle Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. ZÜLFÜKAR YILMAZ
- Classification of pediatric snoring episodes using deep convolutional neural networks
Pediyatrik horlama episodlarının derin evrişimsel sinir ağları ile sınıflandırılması
OZAN FIRAT CİVANER
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. MUSTAFA ERSEL KAMAŞAK