Geri Dön

Kardiyovasküler hastalıkların teşhisine yönelik kalp seslerinin sınıflandırılması

Classification of heart sounds for the diagnosis of cardiovascular diseases

  1. Tez No: 813315
  2. Yazar: ELİF ÇİÇEK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN YÜCE, PROF. DR. ALPER KEPEZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mekatronik Mühendisliği, Computer Engineering and Computer Science and Control, Mechatronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 88

Özet

Kalp hastalıkları, dünya genelinde önemli bir sağlık sorunudur ve yılda milyonlarca insanın ölümüne neden olmaktadır. Önümüzdeki yıllarda bu sayının daha da artması beklenmektedir. Bu nedenle, erken teşhis ve doğru tanı, hayati öneme sahiptir. Kalp sesi, kalp sağlığı hakkında değerli bilgiler içeren önemli bir işarettir. Normal kalp sesleri, kalp kapakçıklarının açılıp kapanması ile oluşur ve kalp döngüsü boyunca“lub-dub”şeklinde duyulur. Üfürümler, kardiyovasküler sistemin düzensiz kan akışından kaynaklanan titreşimlerdir ve hastalığın tanısında önemli bir rol oynarlar. Bu seslerin değerlendirilmesi için stetoskop ve diğer cihazlar kullanılırken, yapay zekâ tekniklerinin de katkısı önemli hale gelmektedir. Son araştırmalar, fonokardiyogram sinyallerinin özniteliklerinin çıkarılması ve derin öğrenme yöntemleri olan RNN ve CNN ile sınıflandırılmasının yüksek doğruluk sağlayabileceğini göstermektedir. Bu çalışmada kalp seslerinin Kesirli Fourier Dönüşümünün zaman-frekans özeliği kullanılarak MFCC ile özellikleri çıkartılmıştır. Seslerin işlenmesinde MFCC literatürde sıkça kullanılan ve başarılan olan yöntemdir. Sonrasında bir boyutlu CNN ve RNN modelleriyle sınıflandırılmıştır. Kalp seslerinin sınıflandırılması, özellikle kırsal bölgelerde ekokardiyografiye erişimin sınırlı olduğu durumlarda kullanışlı olabilir ve doktorların kalp hastalıklarını teşhis etme sürecini kolaylaştırabilir. Standartlaştırılmış ve kolay ulaşılabilir otomatik oskültasyon cihazları, klinikte büyük bir fayda sağlayabilir ve kalp hastalıklarının erken teşhisine katkıda bulunabilir. Bu şekilde, gelecekte kalp hastalıklarının tedavisi ve yönetimi için daha etkili bir yaklaşım geliştirilebilir.

Özet (Çeviri)

Heart diseases are a significant global health problem, leading to millions of deaths each year. It is expected that this number will further increase in the coming years. Therefore, early diagnosis and accurate assessment are of vital importance. The heart sound, known as the cardiac auscultation, is a valuable indicator of heart health. Normal heart sounds are produced by the opening and closing of heart valves and are heard as“lub-dub”throughout the cardiac cycle. Murmurs, which are vibrations caused by irregular blood flow in the cardiovascular system, play an essential role in diagnosing heart conditions. While stethoscopes and other traditional devices are used to evaluate these sounds, artificial intelligence techniques have also become increasingly significant. Recent studies have shown that extracting features from phonocardiogram signals and classifying them using deep learning methods such as RNN and CNN can achieve high accuracy. In this study, the time-frequency representation of heart sounds was extracted using the Fractional Fourier Transform, and Mel Frequency Cepstral Coefficients (MFCC) were used to extract features. MFCC is a widely used and successful method in the literature for processing audio signals. Subsequently, one-dimensional CNN and RNN models were employed for the classification task. The classification of heart sounds can be particularly useful in areas with limited access to echocardiography, facilitating the diagnosis of heart diseases for healthcare professionals. Standardized and easily accessible automatic auscultation devices can provide significant benefits in clinical settings, contributing to early diagnosis of heart diseases. In this way, a more effective approach to the treatment and management of heart diseases can be developed in the future.

Benzer Tezler

  1. Deneysel periodontitis modelinde inflamasyon ve doku hasar parametrelerinin elisa yöntemi ile incelenmesi

    Investigation of inflamation and tissue damage parameters in the experimental periodontitis model by elisa method

    ÖZGE İPEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    BiyolojiZonguldak Bülent Ecevit Üniversitesi

    Biyoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ VOLKAN KARACAOĞLAN

    DR. ESRA BÜBER

  2. Proteomic approaches for the identification and quantification of clinically relevant biomarkers

    Klinik önem taşıyan biyobelirteçlerin belirlenmesi ve miktar tayini için proteomik yaklaşımlar

    MELTEM AŞICIOĞLU KÜÇÜK

    Doktora

    İngilizce

    İngilizce

    2024

    Biyokimyaİstanbul Teknik Üniversitesi

    Moleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı

    PROF. DR. NEVİN GÜL KARAGÜLER

    DR. MERVE ÖZTUĞ KILINÇ

  3. Akut miyokard enfarktüsü biyogöstergelerinden homosistein, miyoglobin ve yağ asiti bağlayıcı proteinin (FABP) girişimsiz tayini için ters iyontoforez tabanlı elektrokimyasal immünosensörün geliştirilmesi

    Development of a reverse iontophoresis-based electrochemical immunosensor for the noninvasive determination of homocysteine, myoglobin and fatty acid binding protein (FABP), biomarkers of acute myocardial infarction

    FATMA GÜLAY DER

    Doktora

    Türkçe

    Türkçe

    2024

    Eczacılık ve FarmakolojiEge Üniversitesi

    Analitik Kimya Ana Bilim Dalı

    PROF. DR. MUSTAFA EMRAH KILINÇ

  4. The investigation of angiogenic mechanisms associated with miRNA-126 signalling pathway molecules in atherosclerosis

    Aterosklerozda miRNA-126 sinyal yolağı molekülleri ile ilişkili mekanizmaların araştırılması

    ÇİĞDEM SEZER ZHMUROV

    Doktora

    İngilizce

    İngilizce

    2016

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Moleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı

    PROF. DR. HAKAN BERMEK

    DOÇ. DR. TUNÇ ÇATAL

  5. Automated diagnostic tool for hypertension using deep learning model

    Derin öğrenme modelini kullanarak hipertansiyon için otomatik teşhis aracı

    TUĞBA YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BAHA ŞEN