Convolutional neural networks based approach for classification of lung sounds
Akciğer seslerinin sınıflandırılmasında evrişimi sinir ağlarına dayalı yaklaşım
- Tez No: 717005
- Danışmanlar: PROF. DR. SEMA KAYHAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 57
Özet
Son birkaç on yılda, akciğer seslerinin tespiti, biyoinformatik alanındaki araştırmaların önemli bir odak noktası olmuştur. Akciğer sesleri, solunum yolu hastalıkları hakkında temel bilgileri iletir. Akciğer rahatsızlıkları olan vakaları teşhis etmek amacıyla, uygulayıcılar akciğer seslerini dinlemek için geleneksel statoskop kullanır. Ancak bu tekniğin birçok kısıtlaması vardır. Örneğin, doktor yeterince eğitimli değilse, bu yöntem yanlış tanıya neden olabilir. Ayrıca, akciğer sesleri sinyalleri durağan değildir, bu da analiz ve tanıma sürecini karmaşık hale getirir. Bu sebeplerden, Evrişimsel Sinir Ağlarının akciğer seslerini sınıflandırmada performansını belirlemeye yönelik araştırmalar, bu kısıtlamaların üstesinden gelinmesine yardımcı olabilir. Bu araştırmada, akciğer seslerini sınıflandırmak için üç farklı evrişimsel sinir ağı yaklaşımı uyguladık ve en popüler ve büyük veri tabanı olan ICBHI 2017 veri tabanını kullandık. İlk yaklaşımda, Kısa Zamanlı Fourier dönüşümü kullanarak spektrogram görüntülerini çıkardık ve ImageNet'ten ağırlıklar kullandık, ardından spektrogramları VGG16 modeline uyguladık. İkinci yaklaşımda, tüm sınıflarda üç farklı veri büyütme tekniği (Gürültü, Pitch Kaydırma ve Dinamik değişiklik sıkıştırma) uyguladık, ardından MFCC özniteliklerini çıkardık ve daha sonra Öznitelikleri Yoğun CNN'ye uyguladık. Üçüncü yaklaşımda ise sadece daha az örneği olan türler üzerinde veri büyütme işlemini gerçekleştirdik. Belirtilen üç yaklaşım için doğrulama doğruluğu sırasıyla %83, %91 ve %93 olarak elde edilmiştir.
Özet (Çeviri)
Over the past few decades, lung sounds detection has been a significant focus of research in the bioinformatics field. Lung sounds convey essential information about respiratory diseases, and to diagnose cases with pulmonary disorders, practitioners use traditional statoscopes to auscultate lung sounds. This technique, however, has many restrictions. For example, if the physician is not adequately trained, this may result in an incorrect diagnosis. Furthermore, lung sounds signals are non-stationary, complicating the analysis and recognition process. From these points, research on identifying the ability of CNN to classify lung sounds can aid in overcoming these constraints. In this research, we applied three different CNN approaches for classifying lung sounds and used the ICBHI 2017 database, the most popular and largest available database. In the first approach, we extracted spectrogram images using Short-time Fourier transform and used weights from ImageNet, then fed spectrograms into VGG16 model. In the second and third approaches, we performed three different data augmentation techniques (Noise, Pitch Shifting, and Dynamic change compression) on all classes, then extracted MFCC features then fed features into Dense CNN; in the third approach, data augmentation was only made on the types that have fewer samples. The validation accuracy obtained 83%,91%, and 93 %, respectively, for the three mentioned approaches.
Benzer Tezler
- Konuşma olmayan sinyallerin evrişimsel sinir ağları tabanlı yaklaşımlar ile sınıflandırılması
Classification of non-speech signals with convolutional neural network based approaches
FATİH DEMİR
Doktora
Türkçe
2020
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı
PROF. DR. ABDULKADİR ŞENGÜR
- Lung sound signal classification by using cosine similarity-basedmultilevel discrete wavelet transform decomposition with CNN-LSTM hybrid model
CNN-LSTM hıbrıt modelıyle kosınüs benzerlıgıne dayalı çok düzeylıayrık dalgacık dönüsümü ayrısımı kullanarak akcıger ses sınyalısınıflandırması
KHABAT HASAN ABDULLAH
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET BİLAL ER
- COVID-19 hastalığının derin öğrenme yöntemleri kullanılarak tespiti
Detection of COVID-19 disease using deep learning methods
HÜSEYİN YAŞAR
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT CEYLAN
- Biomedical image processing using artificial intelligence
Yapay zeka kullanarak biyomedikal görüntü işleme
SHIREEN ALOFARI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAMZA OSMAN İLHAN
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK