Geri Dön

Pulmonary sounds analysis for comparison of smokers with healthy non-smokers and copd patients

Sigara içenlerin sağlıklı sigara içmeyenler ve koah hastaları ile karşılaştırılması için akciğer sesleri analizi

  1. Tez No: 889026
  2. Yazar: AMROU WALI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ İPEK ŞEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: İstanbul Bilgi Üniversitesi
  10. Enstitü: Lisansüstü Programlar Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 51

Özet

Bu çalışmada, sinyal işleme teknikleri ve makine öğrenimi algoritmaları kullanılarak hastaların üç farklı kategoriye (Kronik Obstrüktif Akciğer Hastalığı (KOAH), sigara içenler ve sigara içmeyenler) sınıflandırılması araştırılmaktadır. Akustik sinyaller analiz edilerek kırk beş özellik çıkarılmış ve sınıflandırma görevlerindeki etkinlikleri açısından değerlendirilmiştir. Özellikle AR1, AR2, AR3 ve MFCC3 gibi özellikler, farklı sınıflandırıcılar arasında tutarlı bir şekilde yüksek doğruluk göstererek hasta sınıflandırmasındaki önemlerini ortaya koymaktadır. Araştırma ayrıca mikrofon yerleşiminin sınıflandırma doğruluğu üzerindeki etkisini de incelemektedir. Özellikle beşinci mikrofon, sınıflandırma sonuçlarını iyileştirme üzerindeki etkisini göstererek önemli bir unsur olarak ortaya çıkmaktadır. Bu bulgular, sağlık hizmeti uygulayıcıları için erken müdahaleleri ve kişiselleştirilmiş tedavi planlarını kolaylaştıran pratik bilgiler sunmaktadır. Ayrıca, klinik ortamlarda sınıflandırma doğruluğunu artırmak için mikrofon konumlandırma stratejilerini dikkate almanın önemini vurgulamaktadır. İleriye dönük olarak, gelecekteki araştırmalar, zaman içinde hasta koşullarını tahmin etmek için öngörücü modelleme tekniklerini keşfedebilir. Ayrıca, mikrofon yerleşiminin optimize edilmesi ve algoritmik yaklaşımların iyileştirilmesi sınıflandırma doğruluğunu daha da artırabilir. Bu çabalar, daha etkili hasta izleme ve müdahale stratejileri sağlayarak sağlık uygulamalarını ilerletmek için umut vaat etmektedir. Özetle, bu çalışma hasta sınıflandırma metodolojilerini geliştirmek için bir temel oluşturarak sağlık hizmeti sunumunun ve hasta sonuçlarının iyileştirilmesinin önünü açmaktadır. Sinyal işleme ve makine öğrenimi tekniklerinden yararlanarak, sağlık hizmeti sağlayıcıları daha bilinçli kararlar verebilir, bu da daha iyi hasta bakımı ve KOAH gibi solunum rahatsızlıklarının yönetimine yol açabilir

Özet (Çeviri)

This study explores the classification of patients into three distinct categories—Chronic Obstructive Pulmonary Disease (COPD), smokers, and non-smokers—utilizing signal processing techniques and machine learning algorithms. By analyzing acoustic signals, forty-five features are extracted and evaluated for their efficacy in classification tasks. Notably, features such as AR1, AR2, AR3, and MFCC3 consistently demonstrate high accuracy across different classifiers, suggesting their importance in patient classification. The research also investigates the impact of microphone placement on classification accuracy. Particularly, the fifth microphone emerges as significant, highlighting its influence on improving classification outcomes. These findings offer practical insights for healthcare practitioners, facilitating early interventions and personalized treatment plans. Moreover, they underscore the importance of considering microphone positioning strategies to enhance classification accuracy in clinical settings. Looking ahead, future research could explore predictive modeling techniques to anticipate patient conditions over time. Additionally, optimizing microphone placement and refining algorithmic approaches could further improve classification accuracy. These endeavors hold promise for advancing healthcare practices, enabling more effective patient monitoring and intervention strategies. In summary, this study establishes a foundation for enhancing patient classification methodologies, paving the way for improved healthcare delivery and patient outcomes. By leveraging signal processing and machine learning techniques, healthcare providers can make more informed decisions, leading to better patient care and management of respiratory conditions like COPD.

Benzer Tezler

  1. Pulmoner kontüzyonlu köpeklerde klinik, laboratuvar, radyolojik ve bronkoskopik bulguların karşılaştırılması

    Comparison of the clinical, laboratory, radiologic and bronchoscopy results in dogs with pulmonary contusion

    MELİKE ÇETİN

    Doktora

    Türkçe

    Türkçe

    2019

    Göğüs Kalp ve Damar CerrahisiBursa Uludağ Üniversitesi

    Cerrahi (Veterinerlik) Ana Bilim Dalı

    PROF. DR. HAKAN SALCI

  2. Comparision of different feature extraction methods to analysis lung sound signals

    Akciğer ses sinyallerinin farklı öznitelik metodları kullanılarak karşılaştırılması

    GÜNEŞ GÜÇLÜ

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BEKİR KARLIK

    PROF. DR. HALİL RIDVAN ÖZ

  3. Diagnosis using pulmonary sounds and design of an electronic auscultation device

    Solunum yolları seslerini kullanarak teşhis ve elektronik oskültasyon cihazı tasarımı

    LEVENT AKA

    Yüksek Lisans

    İngilizce

    İngilizce

    2006

    BiyomühendislikGaziantep Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ.DR. HALİL RIDVAN ÖZ

  4. Ses iletim hızıyla akciğer hastalıklarının teşhisinde makine öğrenimi yöntemlerinin performanslarının karşılaştırılması

    Comparison of the performances of machine learning methods in the diagnosis of pulmonary diseases with a voice transmission speed

    HÜSEYİN CANDAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    BiyoistatistikEge Üniversitesi

    Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı

    PROF. DR. MEHMET NURULLAH ORMAN

  5. Mekanik ventilasyon desteğinde olan hastalarda müzik terapi ve ses izolasyonunun konfora etkisi

    The effect of music therapy and sound isolation on comfort in patients with mechanical ventilation support

    SİNEM ÇALIŞKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Hemşirelikİzmir Katip Çelebi Üniversitesi

    Hemşirelik Esasları Ana Bilim Dalı

    PROF. DR. ESRA AKIN PALANDÖKEN