Gerçek zamanlı fizyolojik sinyal verilerinin karşılaştırmalı öğrenme tekniği ile kişiselleştirilmiş anomali tespiti
Personalized anomaly detection using contrastive learning technique of real time physiological signal datas
- Tez No: 879307
- Danışmanlar: PROF. DR. KEMAL ÖZKAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Yazılımı Bilim Dalı
- Sayfa Sayısı: 72
Özet
İnsanlardan alınan fizyolojik sinyaller, sağlık başta olmak üzere birçok alanda önem taşımaktadır. Kişinin kalp atış hızı, vücut sıcaklığı, kan basıncı, elektrodermal aktivite gibi bilgileri analiz edilerek kalp hastalıklarını teşhis edilebilmek, stres seviyesini belirleyebilmek, egzersiz performansını izlemek gibi birçok fayda sağlamaktadır. Teknolojinin gelişmesiyle birlikte fizyolojik sinyallerin daha kolay elde edilebilir olmasını sağlayan akıllı saatler ve bileklikler günlük yaşantımıza girmişlerdir. Bu sayede insanlar spor yaparken veya günlük hayatlarında, geliştirilen bu teknolojileri kullanarak sağlık durumlarını takip edebilmektedir. İnsan sağlığını etkileyen beslenme, fiziksel aktivite, uyku düzeni, genetik faktörler gibi unsurlardan biri de strestir. Günümüzde yaygın bir sorun haline gelen stres, sağlığımız üzerinde de ciddi etkilere sahiptir. Ayrıca vücuttaki çeşitli fizyolojik sinyaller üzerinde de stresin etkileri görülebilmektedir. Yapılan tez çalışması kapsamında da stresin fizyolojik sinyaller üzerindeki etkilerinin incelenmesi amacıyla karşılaştırmalı öğrenme modeli kullanılarak kişinin stresli olup olmadığının tespitinin yapılabilmesi hedeflenmektedir. Normal şartlar altında beklenenden farklılık gösteren, alışılmadık veya dikkat çekici olay ve durumlara anomali denmektedir. Bu nedenle çalışma kapsamında bir kişinin stresli olması anomali olarak değerlendirilmektedir. Karşılaştırmalı öğrenme, etiketlenmemiş veriler üzerinde kullanılmak üzere ortaya çıkan bir derin öğrenme yöntemidir. Zaman serisi verilerinde anomali tespiti, etiketlenme eksikliği nedeniyle genellikle sorun oluşturmaktadır. Bu sorunu çözebilmek için farklı hastalıklara sahip (obstetrik brakial pleksus yaralanması, disleksi, zihinsel engelli ve tipik olarak gelişmiş) çocuklardan alınan zaman serisi olarak tutulan kan hacmi nabzı, elektrodermal aktivite ve vücut sıcaklığı verileri ile karşılaştırmalı öğrenme modeli kullanılarak anomali tespiti yapılması hedeflenmektedir. Çalışma kapsamında ilk önce tüm veriler kullanılarak ardından kişiye özel anomali tespiti yapılmaktadır. Sonucunda ise kişiselleştirilmiş anomali tespitinin genel anomali tespitinden daha başarılı bir sonuç elde ettiği görülmektedir.
Özet (Çeviri)
Physiological signals obtained from humans are crucial in many fields, especially in healthcare. Analyzing information such as a person's heart rate, body temperature, blood pressure, electrodermal activity, etc., can provide many benefits such as diagnosing heart diseases, determining stress levels, monitoring exercise performance, and more. With the advancement of technology, smartwatches and wristbands that make physiological signals more easily obtainable have become part of our lives. This allows individuals to track their health status while exercising or in their daily lives using these developed technologies. One of the factors affecting human health alongside nutrition, physical activity, sleep patterns, genetic factors, is stress. Stress, which has become a widespread problem today, also has serious effects on our health. Furthermore, the effects of stress can also be observed on various physiological signals in the body. As part of a thesis study, the aim is to use a contrastive learning model to determine whether a person is stressed by examining the effects of stress on physiological signals. Anomaly refers to events or situations that differ from what is normally expected, are unusual, or attention-grabbing. Therefore, within the scope of the study, a person being stressed is considered an anomaly. contrastive learning is a deep learning method that emerged to be used on unlabeled data. Anomaly detection in time series data often poses a problem due to the lack of labeling. In order to solve this problem, the aim is to detect anomalies using a contrastive learning model with time series data of blood volume pulse, electrodermal activity, and body temperature recorded from children with different conditions (obstetric brachial plexus injury, dyslexia, intellectual disability, and typically developing). Within the study, first anomaly detection is made by using all data, an then personalized anomaly detections are detected. As a result, it is observed that personalized anomaly detection achieves more successful results than general anomaly detection.
Benzer Tezler
- Nörofibromatozis tip 1 tümör doku örneklerinde mitokondriyel miRNA verilerinin analizi ve değerlendirilmesi
Analysis and evaluation of mitochondrial mirna's in neurofibromatosis TYPE 1 tumor tissue specimens
ŞEYMA ÖZGÜR
Yüksek Lisans
Türkçe
2021
Moleküler TıpTOBB Ekonomi ve Teknoloji ÜniversitesiMoleküler Tıp Ana Bilim Dalı
DR. ÖĞR. ÜYESİ PARISA SHARAFI
- RECURRENT NEURAL NETWORKS AND NEW WAVELET FUCTION FOR ANALYSIS AND CONTROL OF ELECTRICAL AND ENERGY SYSTEMS
ELEKTRIK VE ENERJI SISTEMLERININ ANALIZI VE KONTROLÜ IÇİN YENILENEN SINIR AĞLAR VE YENİ DALGALANMA FONKSIYONU
SAEID SHEIKHMEMARI
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Soft and skin-like stretchable silk-based epidermal organic bioelectronics for comprehensive human physiological signal monitoring
Kapsamli insan fizyolojik sinyal izleme için yumuşak ve deri gibi esnek ipek bazli epidermal organik biyoelektronikler
SEYED SAJJAD MIRBAKHT
Yüksek Lisans
İngilizce
2024
BiyomühendislikSabancı ÜniversitesiMühendislik ve Doğa Bilimleri Ana Bilim Dalı
DOÇ. DR. MURAT KAYA YAPICI
- Modeling spike-band extracellular background activity using Johnson's SU distribution
Aksiyon potansiyeli bandındaki hücre dışı arka plan etkinliğinin Johnson SU dağılımı kullanılarak modellenmesi
MELİH YILMAZ ÖGÜTCEN
Yüksek Lisans
İngilizce
2022
Biyomühendislikİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. MURAT OKATAN
- Classification of the motor EEG signals by using deep neural networks
Derin sinir ağları kullanarak motor EEG sinyallerinin sınıflandırılması
LEYLA ABILZADE
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ