Diagnosis of lung diseases using pulmonary sounds
Akciğer sesleri kullanılarak akciğer hastalıkları teşhisi
- Tez No: 855164
- Danışmanlar: DOÇ. DR. DAMLA GÜRKAN KUNTALP
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 156
Özet
Dünyada milyonlarca insan akciğer hastalıklarından muzdarip. Bu tezde amacımız akciğer seslerinde yapılacak analizler ile akciğer hastalıkları teşhisine yardımcı olacak farklı teknikler geliştirmektir. Açık erişimli akciğer sesleri veritabanı olan ICBHI 2017 veritabanını kullandık. Bu veritabanında KOAH hasta kayıtları çoğunlukta olduğundan sınıf dengesizliğini ortadan kaldırmak adına veri görüntüleme, arttırma ve temizleme işlemlerini uygulayarak farklı verisetleri oluşturduk. Akciğer seslerinden Mel Frekans Kepstral Katsayıları (MFCC), Güç Spektral Yoğunluğu (PSD) ve istatistiksel öznitelikleri çıkardık ve veri örnekleme/arttırma yöntemlerini kullanarak makine öğrenme algoritmalarımızın performansını arttırmaya çalıştık. Özniteliklerin seçiminde Shapley değerlerinden iki şekilde yararlandık: Mutlak Shapley değerlerini dikkate alarak ve sınıf bazında Shapley değerlerinin katkısını kullanarak beş farklı öznitelik seti oluşturduk. Bu özellik setlerini kullanarak veri tabanındaki altı sınıf için (Sağlıklı, ÜSYE, KOAH, Bronşektazi, Zatüre ve Bronşiolit) altılı, beşli, dörtlü, üçlü ve ikili sınıflandırmalar yaptık. Bunların bir kısmında Shapley metotları kullanarak, bir kısmında ise kullanmadan makine öğrenme algoritmalarımızın farklı metriklerde sınıflandırma performanslarını ölçtük. Ayrıca Shapley metotlarından en başarılı olanlarını karar verici olarak seçip beş adet ikili sınıflandırmadan gelen sonuca göre akciğer hastalığı tahmini yapan topluluk klinik destek sistemleri tasarladık. Topluluk sistemlerinde Karar Ağacı algoritması kullanıldı. Karar ağacı algoritmasının kullanılmasının nedeni, özniteliklerin sınıf katkısını gösteren Shapley değerlerinin karar ağacı tabanlı algoritmalarla elde edilebilmesidir.
Özet (Çeviri)
Millions of people in the world suffer from lung diseases. In this thesis, we aim to develop different techniques to help diagnose lung diseases by analyzing pulmonary sounds. We used the ICBHI 2017 database, which is a public lung sounds database. Since COPD patients' recordings are majority in this database, we created different datasets by applying data visualization, augmentation, and cleaning operations to eliminate class imbalance. We extracted Mel Frequency Cepstral Coefficients (MFCC), Power Spectral Density (PSD), and statistical features from the lung sounds and worked on increasing the performance of our machine learning algorithms by using data sampling/augmentation methods. We made use of the Shapley values in the selection of features in two ways: by considering the absolute Shapley values and by using the contribution of Shapley values on a class basis we created five different feature sets. Using these feature sets, for six classes from the database (Healthy, URTI, COPD, Bronchectasy, Pneumonia and Bronchiolitis), we made sextuple, quintuple, quadruple, triple and binary classifications. We measured the classification performances of our machine learning algorithms on different metrics, some of them using Shapley methods and some without. We also selected the most successful Shapley methods as decision makers and designed ensemble clinical support systems that classified lung diseases based on the results of five binary classifications. Decision Tree algorithm was used in the ensemble systems. The reason for using the decision tree algorithm is that Shapley values, indicating the class contribution of features, can be obtained with decision tree-based algorithms.
Benzer Tezler
- Design of a system for diagnosis of lung diseases using pulmonary sounds
Solunum seslerini kullanarak akciğer hastalıklarını tespit eden elektronik sistem tasarımı
ERMAN KÖMÜRCÜ
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ZEYNEP YASEMİN KAHYA
- Diagnosis using pulmonary sounds and design of an electronic auscultation device
Solunum yolları seslerini kullanarak teşhis ve elektronik oskültasyon cihazı tasarımı
LEVENT AKA
Yüksek Lisans
İngilizce
2006
BiyomühendislikGaziantep ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ.DR. HALİL RIDVAN ÖZ
- Ses analizi ile hastalık teşhisi
Disease diagnosis with sound analysis
SİNEM UYSAL
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLAY YILDIRIM
- Feature selection and classification for differential diagnosis of asthma and COPD
Astım ve KOAH ayırıcı tanısı için öznitelik seçimi ve sınıflandırma
SERHAT İSMET SARGIN
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Bilgi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İPEK ŞEN
- Oskültasyon seslerinden ampirik dalgacık dönüşümü analizi kullanılarak kronik obstrüktif akciğer hastalığının teşhisi
Diagnosis of chronic obstructive pulmonary disease using empirical wavelet transform analysis from auscultation sounds
EMRE DEMİR
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİskenderun Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET GÖKÇEN