Non-contact respiratory rate estimation based on RF signals with machine learning algorithms
Makine öğrenimi algoritmaları ile RF sinyallerine dayalı temassız solunum hızı tahmini
- Tez No: 909094
- Danışmanlar: DR. ÖĞR. ÜYESİ CAN UYSAL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Telekomünikasyon Bilim Dalı
- Sayfa Sayısı: 53
Özet
Solunum hızı, sağlık izleme alanında oldukça önemli bir parametre durumundadır. Herhangi bir klinik ya da acil tıbbi durumda hastanın solunum hızını izleme, hastanın genel durumunu anlamak ve yapılacak müdahaleyi belirlemek için kritik ilk muayenelerden birisidir. Araştırmacılar, sınırlı gözlem süresi içerisinde, yüksek doğruluklu solunum hızı kestirim methodu geliştirmek için çalışmalar yapmaya devam etmektedir. Bu çalışmada, radyo-frekans (RF) sinyalleri kullanılarak makine öğrenmesi modelleri ile sınırlı gözlem süresi içerisinde, temassız solunum hızı kestirimi yapabilen yeni bir yöntem önerilmektedir. 10 farklı kişinin solunum verilerinin kullanıldığı bu çalışmada, RF sinyallerini üretmek ve almak için yazılım tabanlı radyolar kullanılmaktadır. Veri seti üzerinde çeşitli makine öğrenmesi modellerinin performansları çıkarılarak en iyi sonucu veren model kullanılmaktadır. Önerilen yöntemin, 10 saniye gibi sınırlı gözlem süresi için %2.33 hata oranına ulaştığı ve literatürdeki mevcut yöntemlerden daha üstün olduğu deneysel sonuçlarla gösterilmektedir.
Özet (Çeviri)
Respiratory rate is a very important parameter in the field of health monitoring. In any clinical or emergency medical situation, monitoring the patient's respiratory rate is one of the one of the critical first examinations to understand the general condition of the patient and to determine the intervention to be performed. Researchers continue to work on developing a highly accurate respiratory rate estimation method within limited observation period. In this study, we propose a new non-contact respiratory rate estimation method using radio-frequency (RF) signals and machine learning models within a limited observation time. 10 different people's respiratory data are used in this study, and software-based radios are used to generate and receive RF signals. The performances of various machine learning models on the dataset are extracted and the model that gives the best result is used. Experimental results show that the proposed method achieves an error rate of 2.33% for a limited observation time of 10 seconds and is superior to the existing methods in the literature.
Benzer Tezler
- Recognition and monitoring of human motions using RF signals
İnsan hareketlerinin RF sinyalleri kullanarak tanımlanması ve izlenmesi
CAN UYSAL
Doktora
İngilizce
2020
Elektrik ve Elektronik MühendisliğiEskişehir Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TANSU FİLİK
- Detection of presentation attacks for face recognition systems
Yüz tanıma sistemlerinde yanıltma ataklarının tespiti
MEHMET FATİH GÜNDOĞAR
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ÇİĞDEM EROĞLU ERDEM
- Multiple stationary human respiratory detection by IR-UWB radar
IR-UWB radar ile çok sayıda sabit insan solunum tespiti
MAHDI ESMAEILISHAHIR
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiBahçeşehir ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SAEID KARAMZADEH
- Human respiratory and range detection by IR-UWB radar
IR-UWB radar ile insan solunum ve menzil tespiti
ALİ SHAKFA
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiBahçeşehir ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAEID KARAMZADEH
- Detection of human vital signs through obstructive barriers using UWB GPR
Engel arkası hayati bulguların geniş bantlı yere nüfus eden radar ile tespiti
CANSU BÜYÜKHAN
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA İNCİ ÇİLESİZ
YRD. DOÇ. DR. SAEID KARAMZADEH