Makine öğrenme algoritmaları kullanarak ses verilerinde hastalık tespiti
Disease detection in voice data by using machine learning algorithms
- Tez No: 884342
- Danışmanlar: DOÇ. ENGİN ŞAHİN
- 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: Çanakkale Onsekiz Mart Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 72
Özet
Hastalıkların ileri evrelerde tespit edilmesi iyileşme oranlarını düşürür, tedavi sürecini zorlaştırır, iyileşme sürecindeki maliyeti artırır. Bu nedenle hastalıkların erken evrelerde tespit edilmesi önemlidir. Günümüzde makine öğrenmesi yöntemleri; sağlık alanında, tıbbi veri analizi ve hastalık tespiti amacıyla yaygın şekilde kullanılmaktadır. Ses kısıklığı, toplumda yaygın görülen şikayetlerden biridir. Ses kısıklığına neden olan ses teli polipi, gırtlak kanseri, akut larenjit, ses teli felci gibi çeşitli hastalıklar mevcuttur. Bu çalışmada, ses kısıklığına neden olan farklı hastalıkların, ses verileri kullanılarak, patolojik ve endoskopik muayeneden önce temel sınıflandırılmasının yapılması amaçlanmıştır. Çalışmada Saarland Üniversitesi Fonetik Enstitüsü tarafından oluşturulan Saarbruecken veri tabanından elde edilen ses verileri kullanılmıştır. Farklı hastalıklara sahip olan ve sağlıklı kişilerden oluşan 652 kişiye ait 5865 ses verisi üzerinde K En Yakın Komşu, Naive Bayes, Karar Ağacı, Destek Vektör Makinesi, Rassal Orman olarak beş farklı makine öğrenme algoritmasıyla sınıflama yapılmış, elde edilen sonuçlar karşılaştırılmıştır. Elde edilen sonuçlara göre hastalıklı-sağlıklı ses ayrımında en yüksek doğruluk oranı 0,79 ile Destek Vektör Makinesi algoritmasından elde edilmiştir. Hastalıkları patolojilerine göre sınıflamada en iyi sonucu K En Yakın Komşu algoritması vermiştir. Sınıflamada en başarısız algoritma Naive Bayes algoritmasıdır.
Özet (Çeviri)
Detecting diseases at advanced stages reduces recovery rates, complicates the treatment process, and increases the cost of recovery. Therefore, early detection of diseases is crucial. Today, machine learning methods are widely used in the health field for medical data analysis and disease detection. Hoarseness is a common complaint in the community. There are various diseases that cause hoarseness, such as vocal cord polyps, laryngeal cancer, acute laryngitis, and vocal cord paralysis. This study aims to perform basic classification of different diseases causing hoarseness using voice data, prior to pathological and endoscopic examination. The voice data used in this study were obtained from the Saarbruecken database, created by the Institute of Phonetics at Saarland University. Classification was performed on 5865 voice recordings from 652 individuals, including both healthy individuals and those with various diseases, using five different machine learning algorithms: K-Nearest Neighbors, Naive Bayes, Decision Tree, Support Vector Machine, and Random Forest. The obtained results were then compared. According to the results, the highest accuracy rate in distinguishing between healthy and diseased voices was achieved with the Support Vector Machine algorithm, at 0.79. The best results for classifying diseases according to their pathologies were obtained with the K-Nearest Neighbors algorithm. The least successful algorithm in classification was the Naive Bayes algorithm.
Benzer Tezler
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Brain-inspired cortical-coding algorithm for multimedia processing
Multimedya işlemek için beyinden esinlenilmiş kortikal kodlama algoritması
AHMET EMİN ÜNAL
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Dyslexia detection in children using audio records
Ses kayıtlarını kullanarak çocuklarda disleksi tespiti
TUĞBERK TAŞ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED ABDULLAH BÜLBÜL
DR. ÖĞR. ÜYESİ MÜCAHİD KUTLU
- A new nonlinear lifting line method for configuration aerodynamics and deep learning based aerodynamic surrogate models
Konfigürasyon aerodinamiği analizi ve derin öğrenme bazlı aerodinamik dijital model oluşturmak için yeni bir doğrusal olmayan taşıyıcı çizgi metodu
HASAN KARALİ
Yüksek Lisans
İngilizce
2020
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. MAHMUT ADİL YÜKSELEN
PROF. DR. GÖKHAN İNALHAN
- Derin öğrenme tabanlı süper çözünürlük teknikleri kullanarak JPEG sıkıştırma kaybının iyileştirilmesi
Recovering JPEG compression loss via deep learning-based super resolution techniques
MUHAMMET BOLAT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
DR. NURULLAH ÇALIK