Mobil cihaz sensörlerinden gelen PPG sinyallerini kullanarak kandaki glikoz seviyesinin ve böbrek yetmezliğinin makine öğrenmesi ile tahmini
Prediction of blood glucose level and kidney failure using PGG signals from mobile device sensors via machine learning
- Tez No: 903919
- Danışmanlar: DOÇ. DR. AHMET REŞİT KAVSAOĞLU, DOÇ. DR. EFTAL ŞEHİRLİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyoistatistik, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Biostatistics, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 114
Özet
Bu tez çalışması, kanın biyolojik parametreleri tahmini ve kanla ilgili hastalıkların invazif olmayan tespiti için Kırmızı-RED ve Kızılötesi-Infrared (IR) ışık kaynağı ile elde edilen Fotopletismografi-Photoplethysmography (PPG) sinyal analizinin potansiyelini araştırmakta olup, geleneksel yöntemlere göre uygun maliyetli ve güvenli bir alternatif sunmaktadır. PPG sinyalleri gönüllülerden alınarak ön işlem sonucu her bir kalp atım periyodunun segmentasyonu için bir tepe ve çukur tespit algoritması kullanılmıştır. Yüksek Karşılaştırmalı Zaman Serisi Analizi-Highly Comparative Time-Series Analysis (HCTSA) kütüphanesi kullanılarak her bir kalp atım periyodu için toplam 7330 adet özellik çıkarımı gerçekleştirilmiştir. Model eğitimi ve tahmini sırasında hesaplama verimliliğini optimize etmek için, tüm bu özelliklerin ortalamasının 1,5 katını aşan bir etki faktörüne sahip özellikleri koruyarak özellik seçimi gerçekleştirilmiştir. Hem RED hem de IR ışık kaynağı ile elde edilen PPG sinyalleri için bu özellikler ayrı ayrı elde edilmiş ve birleştirilerek bir veri seti oluşturulmuştur. 10 kat çapraz doğrulama uygulanarak ve her sinyal için tüm modeller ve periyotların sonuçların ortalaması alınarak, geliştirilen yöntem yüksek doğruluk (ACC) ve güvenilirlik göstermektedir. Bu geliştirilen modelin etkinliği iki çalışmada; regresyon algoritmaları kullanılarak kan şekeri seviyesi tahmininde ve sınıflandırma kullanılarak kronik böbrek hastalığı (KBH) tespitinde gösterilmektedir. Kan şekeri seviyesi tahmini için doğrusal regresyon, Clarke Hata Izgarası ve Bland-Altman çizim analizi ile doğrulanan klinik olarak kabul edilebilir performans göstererek 6,10 mg/dl'lik bir Ortalama Karekök Hatası-Root Mean Squared Error (RMSE) ve 0,92'lik bir R2 değeri elde edilmiştir. KBH tespitinde ise Rastgele Orman modeli, karışıklık matrisiyle doğrulandığı gibi çoğu sinyalleri doğru bir şekilde sınıflandırarak 0,99 ACC elde edilmiştir.
Özet (Çeviri)
This thesis study investigates the potential of Photoplethysmography (PPG) signal analysis obtained with RED and Infrared (IR) light sources for the non-invasive estimation of blood biological parameters and detection of blood-related diseases, providing a cost-effective and safe alternative to traditional methods. PPG signals were acquired from volunteers and pre-processed before being segmented into individual pulses using a peak and valley detection algorithm, enabling automated and efficient segmentation. Comprehensive feature extraction using the Highly Comparative Time-Series Analysis (HCTSA) library yielded 7330 features per pulse for each wavelength. To optimize computational efficiency during model training and prediction, feature selection was performed by retaining features with an impact factor exceeding 1,5 times the average of all features. A combined dataset incorporating features from both red and infrared PPG signals was utilized. Employing 10-fold cross-validation and averaging the results across all models and pulses for each signal, the proposed method demonstrated high accuracy and reliability. The efficacy of this algorithm was evaluated on two case studies: blood glucose level prediction using regression algorithms and chronic kidney disease detection using classification. For blood glucose estimation, linear regression achieved a Root Mean Squared Error (RMSE) of 6,10 mg/dl and an R-squared value of 0,92, demonstrating clinically acceptable performance validated through Clarke Error Grid and Bland-Altman plot analysis. In the chronic kidney disease classification task, the Random Forest model achieved 0,99 accuracy, correctly classifying most of signals as confirmed by the confusion matrix.
Benzer Tezler
- Mariot: an authoring framework for creating iot applications with mobile augmented reality
Marıot: mobil artırılmış gerçeklik ile nesnelerin interneti uygulamaları üretmek için bir yapılandırma çerçevesi
MERAL KUYUCU
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE
- Design, implementation and BCI-based control of a series elastic mobile robot for home-based physical rehabilitation
Evde kullanılabilen seri elastik mobil rehabilitasyon robotunun tasarımı, uygulaması ve beyin-bilgisayar arayüzü tabanlı kontrolü
MİNE SARAÇ
Yüksek Lisans
İngilizce
2013
Mekatronik MühendisliğiSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN PATOĞLU
DOÇ. DR. MÜJDAT ÇETİN
- Arduino,C# ve android kullanılarak güvenlik sistemi prototipi tasarımı
Security system prototype design using arduino,C# and android
FUAT OCAK
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGaziosmanpaşa ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. LEVENT GÖKREM
- Bebeğin yaşamsal verilerinin noninvaziv ölçümü ve mobil takip-analiz sistemi tasarımı
Noninvasive measurement of baby's vital datas and mobile monitoring – analysis system design
NADİDE GÜLŞAH GÜLENÇ
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MESUT KARTAL
- Design and implementation of the mobile fire alarm system using wireless sensor networks
Kablosuz sensör ağları kullanılarak mobil yangın alarm sisteminin tasarımı ve gerçekleştirilmesi
KARWAN MUHAMMED MUHEDEN
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. EBUBEKİR ERDEM