Enhance the performance of preprocessing techniques by using artificial intelligence algorithms
Yapay zeka algoritmaları kullanarak ön işleme tekniklerinin performansını artırın
- Tez No: 799869
- Danışmanlar: YRD. DOÇ. DR. ABDULLAHİ ABDUL IBRAHIM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 58
Özet
COVID-19 pandemik salgını, 18 ayda dünyayı kasıp kavurdu ve sonuçları hiçbir şekilde azalmıyor. COVID-19 ve diğer akciğer hastalıklarıyla ilgili acil ihtiyaç, el cihazlarıyla hızlı çevrimiçi teşhistir. Bu kısıtlamaların ışığında, klinisyenler rutin olarak insan vücudundan gelen işitsel ipuçlarını (örn. damar üfürümleri, solunum, nabız, bağırsak sesleri vb.) hastalıkların veya hastalıkların gelişimi. Yakın zamana kadar, bu tür sinyaller genellikle planlanmış ziyaretler sırasında manuel oskültasyon yoluyla elde ediliyordu. Araştırma ayrıca kardiyovasküler veya solunum testleri için vücut seslerini toplamak için dijital teknolojileri kullanmaya başladı, örneğin stetoskoplardan, bunlar daha sonra otomatik yapay zeka tabanlı analiz için kullanılabilir. Erken bir çalışma, öksürük ve konuşma teşhis sinyallerinden COVID-19'u tespit etme sözü verdi. Bu araştırma çalışması, ön işleme tekniklerinin, solunum seslerinden oluşan büyük ölçekli, kitle kaynaklı bir veri seti üzerinde oluşturulan bir metodolojinin performansını nasıl artırabileceğini ve ön işleme tekniklerinin öksürük temelli tanı performansını hangi yollarla iyileştirdiğini açıklamaktadır. Bulgularımız, bir makine öğrenimi sınıflandırıcısının ön işleme tekniklerini uygulayarak sağlıklı bir bireyi bronşit, boğmaca veya COVID-19 nedeniyle öksürüğü olan bireyden daha iyi ayırt edeceğini göstermektedir. K-katlamalı öğrenme metodolojisi için kullanıcı tabanlı veri ayrıştırma ile sağlam sonuçlar elde edilmiştir. Sonuçlar, algoritmik bir ardışık düzende ön işleme tekniklerinin uygulanmasının etkinliğinde gözle görülür bir artış olduğunu göstermektedir. Bu ön bulgular, ses ve öksürük sinyallerine dayalı makine öğrenimi tekniklerinin potansiyelinin yüzeyini çiziyor. Çalışma, daha karmaşık ve yoğun kaynak tüketen alternatifleriyle rekabet edebilmeleri için hafif makine algoritmalarının performansını iyileştirmenin yolunu açıyor. Bu tür ilerlemeler, uygulama dağıtımının pratik alanında çok önemli olabilir.
Özet (Çeviri)
COVID-19 pandemic outbreak has taken the world by storm in the 18 months and the ramifications are by no means curtailing. The need of the hour with COVID-19 and other pulmonary diseases is a quick online diagnosis by handheld devices. In the light of these constraints, scientists are relying on audio based automated tech- niques since clinicians routinely use audio cues from the human body (e.g., vascular murmurs, respiration, pulse, bowel sounds etc.) as markers for diagnoses of diseases or the development of ailments. Until recently, such signals have been commonly obtained during scheduled visits via manual auscultation. Research has also begun to use digital technologies to collect body sounds for cardiovascular or respiratory tests, e.g., from stethoscopes, which can then be used for automated artificial- intelligence-based analysis. An early study has promised to detect COVID-19 from cough and speech diagnostic signals. This research work describes how preprocess- ing techniques can enhance the performance of a methodology established over a large-scale crowd-sourced dataset of respiratory audios and in what ways preprocess- ing techniques ameliorate the performance of cough-based diagnosis. Our findings demonstrate that a machine learning classifier will better distinguish a healthy in- dividual from individual with cough due to bronchitis, pertussis or COVID-19 by applying preprocessing techniques. Robust results have been procured by user-based data split-up for the K-fold learning methodology. The results show a noticeable increase in the efficacy of the application of preprocessing techniques in an algo- rithmic pipeline. These preliminary findings just scratch the surface of the potential of machine learning techniques based on audio and cough signals. The study paves the way for improving the performance of lightweight machine algorithms so that they can compete with their more complex and resource-intensive alternatives. Such advancements can be of paramount significance in the practical field of application deployment.
Benzer Tezler
- State of charge estimation of lithium-ion batteries using machine learning approach
Makine öğrenmesi yaklaşımı kullanılarak lityum iyon pillerin şarj durumu tahmini
OSMAN ALPER ALTUN
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİNE AYAZ
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Developing a life insurance recommendation system using machine learning methods
Makine öğrenme yöntemleri kullanarak hayat sigortası öneri sistemi geliştirmesi
ASLI HAZAL AKALTUN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBüyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
DOÇ. DR. TEVFİK AYTEKİN
- Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data
Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları
İSMAİL BİLGEN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Cloud classification using residual network
Residual network ile bulut görüntülerini sınıflandırması
MERYEM SENA BARK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOSTİM TEKNİK ÜNİVERSİTESİBilgisayar Mühendisliği Ana Bilim Dalı
DR. OSMAN AKIN