Geri Dön

Feature selection and classification for differential diagnosis of asthma and COPD

Astım ve KOAH ayırıcı tanısı için öznitelik seçimi ve sınıflandırma

  1. Tez No: 895042
  2. Yazar: SERHAT İSMET SARGIN
  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: 86

Özet

Astım ve kronik obstrüktif akciğer hastalığı (KOAH), klinik semptomların örtüşmesi ve mevcut yöntemlerin yetersizliği nedeniyle klinik olarak ayırt edilmesi zor olan iki kronik solunum yolu hastalığı türüdür. Bu nedenle, bu çalışmanın temel amacı, makine öğrenmesi yöntemlerini kullanarak ayırıcı tanı için pulmoner seslerden ve bunların vektör uzayında kombinasyonlarından hesaplanan akustik özellikleri sınıflandırmak için nicel bir yöntem geliştirmektir. Doktorlar tarafından klinik olarak tanı konulan 50 gönüllüden (30 astım ve 20 KOAH) toplanan akciğer seslerinden 22 farklı özellik tipi altında toplam 58 özellik hesaplanmıştır. Hesaplanan bu özellikler, bireysel performanslarına göre veri kümesi için en başarılı sınıflandırıcıyı bulmak amacıyla dört farklı sınıflandırıcıya girdi olarak verilmiştir. İleri sıralı özellik seçimi, doğrusal diskriminant analizi ve temel bileşen analizi gibi boyutluluk azaltma algoritmaları, en iyi performans gösteren sınıflandırıcı aracılığıyla en uygun özellik kümesini bulmak için ayrı ayrı ve birlikte kullanılmıştır. Bireysel performans ve zaman tüketimi nedeniyle özellik seçim sürecine k-en yakın komşu sınıflandırıcı ve radyal tabanlı çekirdek destek vektör makineleri ile devam edilmiştir. K-en yakın komşu sınıflandırıcı ile mel frekans cepstral katsayıları özellik ailesine uygulanan doğrusal diskriminant analizi sonucunda %97 F1 skoru elde edilmiştir. Radyal çekirdek destek vektör makineleri ile mel frekansı cepstral katsayıları ve özbağlanımlı model katsayıları özellik ailelerine uygulanan doğrusal diskriminant analizi sonucunda %98 F1 skoru elde edilmiştir.

Özet (Çeviri)

Asthma and chronic obstructive pulmonary disease (COPD) are two types of chronic respiratory diseases that are difficult to distinguish clinically due to the overlap of clinical symptoms and the inadequacy of existing methods. Therefore, the main objective of this study is to develop a quantitative method to classify acoustic features calculated from pulmonary sounds and their combinations in vector space for differential diagnosis using machine learning methods. A total of 58 features under 22 different feature types were calculated from lung sounds collected from 50 volunteers (30 with asthma and 20 with COPD) clinically diagnosed by physicians. These calculated features were given as input to four different classifiers to find the most successful classifier for the dataset based on their individual performances. Dimensionality reduction algorithms such as forward sequential feature selection, linear discriminant analysis, and principal component analysis were used separately and in combination to find the optimal feature set through the best-performing classifier. Due to the individual performance and time consumption, the feature selection process was continued with the k-nearest neighbor classifier and radial basis kernel support vector machines. With the k-nearest neighbor classifier, a 97% F1 score was achieved as a result of linear discriminant analysis applied to the mel frequency cepstral coefficients feature family. With radial kernel support vector machines, a 98% F1 score was achieved as a result of linear discriminant analysis applied to the feature families of mel-frequency cepstral coefficients and autocorrelated model coefficients.

Benzer Tezler

  1. Akciğerin skuamöz hücreli karsinomu ve adenokarsinomunun ayırıcı tanısında BT radıomıcs'in etkinliği

    Effectiveness of CT radiomics in the differential diagnosis of squamous cell carcinoma and adenocarcinoma of the lung

    KORAY ÖZ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Radyoloji ve Nükleer TıpÇanakkale Onsekiz Mart Üniversitesi

    Radyoloji Ana Bilim Dalı

    DOÇ. DR. BİLGE ÖZTOPRAK

  2. Investigating the effect of different feature selection strategies for classification of gene expression signatures of tumor cells

    Tümör hücrelerin gen ifade imzalarinin siniflandirilmasina ilişkin farkli özellik seçim stratejilerinin etkisinin incelenmesi

    ABUBAKHARI SSERWADDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Biyoistatistikİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YUSUF YASLAN

  3. Makine öğrenmesi özellik seçimi (anova-boruta) ve sınıflandırma yaklaşımlarıyla pan-kanserde potansiyel mikroRNA biyobelirteçlerinin belirlenmesi

    Identification of potential microRNA biomarkers in pan-cancer using machine learning feature selection and classification approaches

    MELİKE KILIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    BiyolojiEge Üniversitesi

    Biyoloji Ana Bilim Dalı

    DOÇ. DR. SAVAŞ İZZETOĞLU

  4. Radyolojik görüntülemede yapı çözümleme uygulamaları

    Structural analysis applications in radiological imaging

    MEHMET ERŞEN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2019

    Radyoloji ve Nükleer TıpSağlık Bilimleri Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. HATİCE TUBA SANAL

  5. Magnetic resonance imaging based differential diagnosis and prognosis of mild cognitive impairment in parkinson's disease using machine learning

    Parkinson hastalığı hafif kognitif bozukluğunun manyetik rezonans görüntüleme temelli makine öğrenme yöntemleriyle tanısı ve prognozu

    OZAN GENÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    BiyomühendislikBoğaziçi Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ESİN ÖZTÜRK IŞIK