Makine öğrenmesi tabanlı işitme kaybı tipi ve timpanogram tahmin modeli
Machine learning based hearing loss type and tympanogram prediction model
- Tez No: 864500
- Danışmanlar: DOÇ. DR. YUSUF SAİT TÜRKAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 90
Özet
Günümüzde işitme kaybı tipi ve timpanometri işitme ölçümlerinde kullanılmaktadır. Bu testlerin kullanımı klinikte rutindir ve ölçümlerinin yorumlanması subjektif sonuçlara ve hatalara neden olabilmektedir. Bu çalışmada, timpanometri ve işitme kaybı türlerinin tahminlenmesi amacıyla makine öğrenmesi algoritmalarından CatBoost, Random Forest ve Support Vector Machine kullanılmıştır. Tahminleme işlemi için saf ses odyometrisi, konuşma odyometrisi ve timpanometri testlerinden elde edilen veriler kullanılmıştır. Elde edilen sonuçlar, belirlenen algoritmaların performanslarının karşılaştırılması yoluyla değerlendirilmiştir. Çalışma, işitme kaybı türlerinin ve timpanogram değerlerinin belirlenmesinde makine öğrenmesi yaklaşımlarının etkinliğini ve uygunluğunu değerlendirmeyi amaçlamaktadır. Analiz sonucunda catboost algoritması sonucu sırasıyla timpanogram ve işitme kaybı tipi değerleri %77 ve %81 doğruluk payıyla tahminlenebilmiştir. RandomForest algoritması sonucu sırasıyla timpanogram ve işitme kaybı tipi değerleri %75 ve %81 doğruluk payıyla tahminlenebilmiştir. SVM algoritması sonucu sırasıyla timpanogram ve işitme kaybı tipi değerleri %72 ve %74 doğruluk payıyla tahminlenebilmiştir. Catboost diğer algoritmalara göre daha iyi bir sonuç vermiştir. SMOTE yöntemi uygulandıktan sonra RandomForest algoritması ile timpanogram tahmininde alınan skor %94, işitme kaybı tipinin tahmininde alınan skor ise %89 olarak hesaplanmıştır. Örneklem sayısı arttırılarak ve öznitelik seçimi yapılarak model başarı oranı yükseltilebilir.
Özet (Çeviri)
Type of hearing loss and tympanometry are used in hearing measurements. The use of these tests is routine in clinics, but the interpretation of the measurements can lead to subjective results and errors. In this study, machine learning algorithms including CatBoost, Random Forest, and Support Vector Machine were used to predict tympanometry and types of hearing loss. Data obtained from pure tone audiometry, speech audiometry, and tympanometry tests were used for the prediction process. The results were evaluated through the comparison of the performances of the selected algorithms. The study aims to assess the effectiveness and suitability of machine learning approaches in determining types of hearing loss and tympanogram values. In the analysis, the CatBoost algorithm achieved prediction accuracies of 77% and 81% for tympanogram and types of hearing loss, respectively. The RandomForest algorithm achieved prediction accuracies of 75% and 81% for tympanogram and types of hearing loss, respectively. The SVM algorithm achieved prediction accuracies of 72% and 74% for tympanogram and types of hearing loss, respectively. CatBoost yielded better results compared to the other algorithms. After applying the SMOTE method, the score obtained for predicting tympanogram with the RandomForest algorithm is calculated as 94%, while the score obtained for predicting the type of hearing loss is 89%. Increasing the sample size and performing feature selection can enhance the model's success rate.
Benzer Tezler
- Görüntü işleme uygulanan odyogramların yapay sinir ağları ve koşullu ifadelerle işitme kaybı tipi ve derecesi yorumlarının karşılaştırılması
Comparison of the type and degree of hearing loss with artificial neural networks and conditional expressions of audiograms applied to image processing
YUSUF FAKİRULLAHOĞLU
Yüksek Lisans
Türkçe
2022
Kulak Burun ve Boğazİstanbul Aydın ÜniversitesiOdyoloji Ana Bilim Dalı
PROF. BAHRİYE ÖZLEM KONUKSEVEN
- İşitme kayıplı hastalar için makine öğrenmesi ile işitme cihazı seçim sisteminin geliştirilmesi
Development of hearing aid selection system with machine learning for patients with hearing loss
ÜMİT CAN ÇETİNKAYA
Doktora
Türkçe
2023
Kulak Burun ve Boğazİstanbul Aydın ÜniversitesiOdyoloji Ana Bilim Dalı
PROF. DR. BAHRİYE ÖZLEM KONUKSEVEN
- İşitme kaybı türü ve işitme kaybı derecesi belirlenmesinde iki metot karşılaştırılması: Yapay sinir ağları ve koşullu yapılarla kodlanan mobil uygulama
Comparison of TWO methods in determining the type of hearing loss and the grade of hearing loss: mobile application coded with artificial neural networks and conditional structures
AHMET YASİN DİŞÇİ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiOdyoloji Ana Bilim Dalı
PROF. BAHRİYE ÖZLEM KONUKSEVEN
- Machine learning techniques for surface electromyography based hand gesture recognition
Yüzey elektromiyografi temelli el jesti tanıma için makine öğrenmesi teknikleri
ENGİN KAYA
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- 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