Geri Dön

Derin öğrenme ile akciğer seslerinin yüksek doğrulukla sınıflandırılması

High-accuracy classification of lung sounds using deep learning

  1. Tez No: 879550
  2. Yazar: AYŞENUR BAKAY
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET ÖZTÜRK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektronik Bilim Dalı
  13. Sayfa Sayısı: 60

Özet

Solunum sistemi hastalıklarının erken teşhisi ve tedavisi, hastaların yaşam kalitesini artırmak ve ölüm oranlarını azaltmak açısından büyük önem taşımaktadır. Geleneksel olarak doktorlar, stetoskop kullanarak hastaların akciğer seslerini dinler ve bu seslere dayanarak tanı koyarlar. Ancak bu yöntem subjektif olup tecrübeye bağlıdır. Bu çalışmada, akciğer seslerinin otomatik sınıflandırılması hedeflenmiştir. Farklı filtre türleriyle kaydedilmiş ve çeşitli akciğer hastalıklarına sahip hastalardan alınmış ses dosyaları kullanılmıştır. Sesler, göğüs duvarının çeşitli noktalarından kaydedilmiş ve uzmanlar tarafından tanı konulmuştur. Veri artırma teknikleri kullanılarak (pitch shift ve zaman uzatma), modelin performansı artırılmıştır. Makine öğrenmesi teknikleri ile bu ses dosyalarından elde edilen MFCC özellikleri çıkarılmış ve Bidirectional LSTM (BiLSTM) katmanları içeren bir derin öğrenme modeli ile sınıflandırılmıştır. Bu çalışma, solunum sistemi hastalıklarının erken teşhisinde kullanılabilecek güvenilir ve etkili bir sistem geliştirmeyi amaçlamaktadır. Bulgular, sağlık profesyonellerine tanı sürecinde yardımcı olabilecek ve hasta bakımında önemli bir ilerleme sağlayabilecek niteliktedir.

Özet (Çeviri)

Early diagnosis and treatment of respiratory system diseases are crucial for improving patients' quality of life and reducing mortality rates. Traditionally, doctors use stethoscopes to listen to patients' lung sounds and diagnose based on these sounds, which is a subjective and experience-dependent method. This study aims to classify lung sounds automatically. Audio files recorded with different filter types from patients with various lung diseases were used. The sounds were recorded from different points on the chest wall and diagnosed by specialists. Data augmentation techniques (pitch shift and time stretch) were employed to enhance model performance. Machine learning techniques were applied to extract MFCC features from these audio files, and a deep learning model with Bidirectional LSTM (BiLSTM) layers was used for classification. This study aims to develop a reliable and effective system for the early diagnosis of respiratory system diseases. The findings are intended to assist healthcare professionals in the diagnostic process and represent a significant advancement in patient care.

Benzer Tezler

  1. Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  2. Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  3. Tıbbi görüntülerde sınıflandırma başarısının arttırılması için ön işlem ve model parametrelerinin sezgisel optimizasyonu

    Heuristic optimization of preprocessing and model parameters to improve classification success in medical images

    FURKAN ATLAN

    Doktora

    Türkçe

    Türkçe

    2023

    Yönetim Bilişim SistemleriBurdur Mehmet Akif Ersoy Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İHSAN PENÇE

  4. A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy

    Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli

    ÖMER FARUK GÜRCAN

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  5. CAD systems in medical application: Detection of tuberculosis from CXR-images using convolutional neural based networks (case study: Nigerian public health)

    Tibbi uygulamada CAD sistemi: Evrensel sinir tabanlı ağları kullanarak CXR görüntülerinden tüberküloz tespiti (vaka çalişması: Nijerya halk sağlığı)

    MUHAMMAD ZAHARADDEEN ABUBAKAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Adli Bilişim Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA KAYA