Derin öğrenme ile akciğer seslerinin yüksek doğrulukla sınıflandırılması
High-accuracy classification of lung sounds using deep learning
- Tez No: 879550
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET ÖZTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- 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
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- 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
2023
Yönetim Bilişim SistemleriBurdur Mehmet Akif Ersoy ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İHSAN PENÇE
- 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
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- 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
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiAdli Bilişim Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA KAYA