Geri Dön

Yeniden örnekleme ve makine öğrenimi teknikleri ile solunum seslerinin otomatik sınıflandırılması

Automatic classification of respiratory sounds with resampling and machine learning techniques

PDF İndir

  1. Tez No: 700604
  2. Yazar: HÜSEYİN CİHAD GÜLER
  3. Danışmanlar: DOÇ. DR. OKTAY YILDIZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 60

Özet

İnsan akciğerlerinden yayılan solunum sinyalleri, bir hastanın akciğerlerinin sağlık durumu hakkında hayati ve belirleyici bilgiler verir. Geleneksel klinik yöntemler, profesyonel göğüs hastalıkları uzmanlarının bu tür sinyalleri doğru şekilde teşhis etmesini gerektirir. Bilgisayar destekli tanım sistemleri bu alanda sıklıkla kullanılmaktadır. Ancak Bilgisayar Destekli Tanım sistemlerinin yüksek başarım için yeterli miktarda veri kritik öneme sahiptir. Önerilen bu çalışmada, yeniden örneklenmiş solunum ses verilerinden normal/anormal sınıflandırması için otomatik bir tanı sistemi önerilmiştir. Öncelikle, yeniden örneklenmiş ses verilerinden 200'den fazla ses özelliği çıkarımı yapılmış, ardından öznitelik seçim yapılarak tahmin modeline sunulmuştur. Tahmin modelleri için k-En Yakın Komşu, Destek Vektör Makinesi, Naive Bayes, Karar Ağacı ve Rastgele Orman gibi geleneksel Makine Öğrenmesi modelleri kullanılmıştır. Her bir sınıflandırma yöntemi için 10-Kat Çapraz Geçerleme yapılmış, %93-%95 arasında sonuçlar elde edilmiştir.

Özet (Çeviri)

Respiratory signals emitted from human lungs provide vital and decisive information about the health status of a patient's lungs. Traditional clinical methods require professional pulmonologists to accurately diagnose such signals. Computer aided identification systems are frequently used in this field. However, sufficient data is critical to the high performance of Computer Aided Identification systems. In this proposed study, an automatic diagnostic system for normal/abnormal classification from resampled respiratory sound data is proposed. First, more than 200 sound features were extracted from the resampled sound data, and then the feature was selected and presented to the prediction model. Traditional Machine Learning models such as k-Nearest Neighbor, Support Vector Machine, Naive Bayes, Decision Tree and Random Forest are used for prediction models. For each classification method, 10-fold Cross Validation was performed and results between 93% and 95% were obtained.

Benzer Tezler

  1. Tez No

    827867

    Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  2. Tez No

    847190

    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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  3. Tez No

    790421

    Dengesiz bir diyabet veri setinde makine öğrenmesi yöntemlerini kullanarak diyabet hastalığının teşhisi

    Diagnosis of diabetes disease using machine learning methods in an imbalanced diabetes dataset

    İSMAİL BUĞRA BÖLÜKBAŞI

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Endüstri ve Endüstri MühendisliğiBursa Uludağ Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. BETÜL YAĞMAHAN

  4. Tez No

    892154

    Condition monitoring and fault detection for electrical power systems using signal processing and machine learning techniques

    Sı̇nyal ı̇şleme ve makı̇ne öğrenme teknı̇klerı̇ kullanılarak elektrı̇k güç sı̇stemleri ı̇çı̇n durum ı̇zleme ve arıza belirleme

    YASMIN NASSER MOHAMED

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAHİN SERHAT ŞEKER

  5. Tez No

    837365

    Portfolio optimization with wavelet analysis and neural fuzzy networks

    Dalgacık analizi ve bulanık sinir ağları modeli ile portföy optimizasyonu

    ÖMER ZEKİ GÜRSOY

    Doktora

    İngilizce

    İngilizce

    2022

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. OKTAY TAŞ

Geri Dön