Geri Dön

Detection of voice diseases with signal processing methods and machine learning

Ses hastalıklarının işaret işleme yöntemleri ve makine öğrenmesi ile tespiti

  1. Tez No: 860395
  2. Yazar: ECENUR AKÜREN
  3. Danışmanlar: DOÇ. DR. DERYA YILMAZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 82

Özet

Normal konuşma akışının bozulması, patolojik durumlara bağlı olarak ortaya çıkan bir ses bozukluğu olarak bilinir. Bu sebeple, konuşma üretim sisteminin işleyişini etkileyen herhangi bir bozukluk, ses üretimini olumsuz yönde etkileyerek ses bozukluğuna yol açabilir. Bazı laringeal patolojiler hayatı tehdit edebilir, bu yüzden ses bozukluğunun erken tespiti büyük bir önem taşımaktadır. Bu çalışmada, sağlıklı, kist, polip ve sulkus seslerinin tespitine yönelik sınıflandırma yapılmıştır. Literatürden farklı olarak doğrusal olmayan öznitelikler kullanılarak üç sınıflandırma yöntemi kullanılmıştır. İlk olarak datasetini eğitim ve test grubuna ayırarak çoklu sınıf uygulanmıştır. Eğitim seti datasetinin %86'sını ve test seti %14'ünü oluşturmaktadır. İkinci olarak k-katlı çapraz doğrulama ile özniteliklerin ortalaması alınarak çoklu sınıf yapılmıştır. Son olarak bozukluklar (kist, polip ve sulkus)/sağlıklı (ikili sınıflandırma) yapılmıştır. Özniteliklerin seçimi Anova, Mrmr ve Relief algoritmaları kullanılarak yapılmış ve sinyallerin sınıflandırılmasında Coarse Tree, Naive Bayes ve Ensemble sınıflandırma metotları kullanılmıştır. Sonuçlar değerlendirildiğinde, eğitim ve test gruplarına ayırarak yapılan çoklu sınıf uygulamasında Naive Bayes sınıflayıcı ile %91.6 oranında, 10-katlı çapraz doğrulama ile özniteliklerin ortalaması alınarak yapılan çoklu sınıf uygulamasında Coarse Tree ile %83.3 doğruluk oranı ve ikili sınıflandırmada %99.2 doğruluk oranı elde edilmiş olup, literatürdeki çalışmalarla karşılaştırıldığında sonuçların başarılı olduğu görülmektedir.

Özet (Çeviri)

Disruption of normal flow of speech is known as a voice disorder that occurs due to pathological conditions. For this reason, any disorder that affects the functioning of the speech production system can negatively affect voice production and lead to voice disorders. Some laryngeal pathologies can be life-threatening, so early detection of voice disorders is of great importance. In this study, a classification was made to detect healthy, cyst, polyp and sulcus voices. Unlike the literature, three classification methods were used by using nonlinear features. First, multiclass classification was made by separating the dataset into train (86% of dataset) and test groups (14% of dataset). Secondly, multiclass with k-fold cross validation and features averaged was applied. Finally, disorders (cyst, polyp and sulcus) and healthy voices was detected with binary classification. The selection of features was made using Anova, Mrmr and Relief algorithms, and Coarse Tree, Naive Bayes and Ensemble classification methods were used to classify the signals. When the results are evaluated, 91.6% accuracy rate was obtained with the Naive Bayes classifier in multiclass classification by dividing dataset into train and test groups, 83.3% accuracy rate was obtained with Coarse Tree in multiclass with 10-fold cross validation and features averaged, and 99.2% accuracy rate was obtained in binary classification. When compared to the studies in the literature, the results are successful.

Benzer Tezler

  1. Homomorfik filtreleme ile EKG analizi

    Başlık çevirisi yok

    HÜSEYİN HIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1995

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    DOÇ.DR. MEHMET KORÜREK

  2. Solunum yolu hastalıklarının öksürük analizi ile tespiti

    Detection of respiratory diseases through cough analysis

    ASEEL WADEEA SHUKRI AL-DOORI

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiOndokuz Mayıs Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. Begüm KORUNUR ENGİZ

  3. Vokal kord ölçümlerinden makine öğrenmesi yöntemleri kullanarak Parkinson hastalığının teşhisi

    The detection of Parkinson disease using machine learning models

    BÜŞRA ZEYNEP GÜREL

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik MühendisliğiTokat Gaziosmanpaşa Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MAHMUT HEKİM

  4. Derin öğrenme teknikleri kullanılarak Parkinson hastalığının konuşma sinyallerinden tespiti

    Detection of Parkinson's disease from speech signals using deep learning techniques

    AYŞE NUR TEKİNDOR

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiGazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EDA AKMAN AYDIN

  5. Makine öğrenmesi yöntemleri kullanılarak sesin müzikal öznitelikleri ile Parkinson hastalığının tespiti

    Detection of Parkinson's disease with musical features using machine learning methods

    İLKE KURT

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya Üniversitesi

    Hesaplamalı Bilimler Ana Bilim Dalı

    DOÇ. DR. OĞUZHAN ERDEM

    DR. ÖĞR. ÜYESİ SEZER ULUKAYA