Ardışıl ileri ana dalgacık seçim yöntemi öznitelikleri ile fotopletismografi işaretlerinin sınıflandırılması
Classification of photoplethysmography signals using features of sequential forward mother wavelet selection method
- Tez No: 774721
- Danışmanlar: PROF. DR. MEHMET ŞAHİN
- Tez Türü: Doktora
- Konular: Fizik ve Fizik Mühendisliği, Physics and Physics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Recep Tayyip Erdoğan Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Fizik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Mikro-vasküler doku yatağındaki kan hacmi değişikliklerini saptamak için kullanılan, acı vermeyen, basit, düşük maliyetli ve müdahalesiz optik bir yöntem olan fotopletismografi (PPG) tıp ve mühendislik alanında kullanımı giderek artış gösteren fizyolojik verilerden bir tanesidir. Özellikle örüntü tanıma ve makine öğrenmesi algoritmalarındaki gelişmeler bu sinyallere dayalı uygulamalara olan ilgiyi daha da arttırmıştır. PPG sinyalleri kullanılarak; kalp ve tansiyon rahatsızlıkları, stres seviyesi, kişi tanıma ve yorgunluk tespiti gibi yöntemler önerilmektedir. Bu çalışmalar daha çok iki sınıflı problemleri ele alarak yeni öznitelik çıkarma yaklaşımları sunmaktadır. Elde edilen sonuçlar görece başarılı olsa da halen daha geliştirilmeye açık performans seviyelerindedir. Bu tez çalışmasında ardışıl ileri ana dalgacık seçimi yöntemi öznitelikleri ile PPG işaretlerinin yüksek performans ile sınıflandırılması önerilmiştir. Önerilen yöntemin geçerliliği ve kararlılığı 3 ayrı PPG veri setine uygulanmıştır. Öznitelikler, belirlenen ana dalgacıklarla elde edilen dalgacık dönüşümü katsayılarının standart sapması ve ortalama değerleri hesaplanarak elde edilmiştir. Daha sonra elde edilen öznitelikler k-en yakın komşuluk yöntemi ile sınıflandırılmıştır. Önerilen yöntem ile Veri Seti 1 (zihinsel iş yükü seviyesinin belirlenmesi), Veri Seti 2 (hipertansiyon hastalığının belirlenmesi) ve Veri Seti 3 (insan faaliyet izleme) için sırasıyla ortalama %65.76, %73.39 ve %86.54 sınıflandırma doğruluklarına ulaşılmıştır. Elde edilen sonuçlar önerilen yöntemin PPG işaretlerini sınıflandırmada önemli potansiyelinin olduğunu göstermiştir.
Özet (Çeviri)
Photoplethysmography (PPG), a painless, simple, low-cost and non-invasive optical method used to detect blood volume changes in the vascular tissue bed, is one of the physiological data that is increasingly used in medicine and engineering. Especially the developments in pattern recognition and machine learning algorithms have increased the interest in applications based on these signals. By using PPG signals, methods such as heart and blood pressure disorders, stress level, person recognition and fatigue detection are suggested. These studies offer new feature extraction approaches by dealing mostly with two-class problems. Although the results obtained are relatively successful, they are still at performance levels that are open to improvement. In this thesis, it is proposed to classify PPG signals with high performance with sequential forward main wavelet selection method features. The validity and stability of the proposed method was applied to 3 separate PPG datasets. The features were obtained by calculating the standard deviation and average values of the wavelet transform coefficients obtained with the determined main wavelets. Then, the obtained features were classified using the k-nearest neighborhood method. The proposed method achieved average classification accuracies of 65.76%, 73.39%, and 86.54% for Data Set 1 (determination of mental workload level), Data Set 2 (detection of hypertension disease), and Data Set 3 (human activity monitoring), respectively. The obtained results showed that the proposed method has significant potential in classifying PPG signals.
Benzer Tezler
- Investigation of EEG signals of panic disorder patients during different auditory stimuli
Farklı işitsel uyaranlar sırasında panik bozukluğu hastalarının EEG sinyallerinin araştırılması
PINAR KARAMIKOĞLU
Yüksek Lisans
İngilizce
2015
Mühendislik BilimleriFatih ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SAİME AKDEMİR AKAR
- Tek kanallı yaygın akciğer seslerinden solunum döngülerinin otomatik algılanması ve sınıflandırılması
Automatic detection and classification of respiratory cycles from common lung sounds in single channel
SELİM ARAS
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ GANGAL
- EOG temelli insan bilgisayar arabirimi için uygun sınıflandırma yönteminin araştırılması
Researching a suitable classification method for EOG-based human computer interface
MUNA LAYTH ABDULATEEF AL-ZUBAIDI
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiOndokuz Mayıs ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELİM ARAS
- Statistical feature learning and signal generation for time-series sensor signals
Zaman serisi sensör işaretleri için öznitelik öğrenimi ve işaret üretimi
ERKAN KARAKUŞ
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- El hareketlerine ait yüzey EMG sinyallerinin işlenmesi ve sınıflandırılması
Processing and classification of surface EMG signals of hand gestures
MEHMET CAN DEMİR
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiOndokuz Mayıs ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CENGİZ TEPE