Astım hastaları ve sağlıklı bireylerde ses analizi: Makine öğrenimi modelleriyle astım kontrol seviyelerinin ve ses özelliklerinin karşılaştırmalı değerlendirilmesi
Voice analysis in asthmatic and healthy individuals: Comparative assessment of asthma control levels using machine learning models
- Tez No: 930110
- Danışmanlar: PROF. DR. MEHMET ATİLLA UYSAL
- Tez Türü: Tıpta Uzmanlık
- Konular: Göğüs Hastalıkları, Chest Diseases
- Anahtar Kelimeler: Astım, ses analizi, makine öğrenmesi modelleri, yapay zeka, astım kontrolü, Asthma, voice analysis, machine learning models, artificial intelligence, asthma control
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: İstanbul Yedikule Göğüs Hastalıkları ve Göğüs Cerrahisi Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Göğüs Hastalıkları Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Yapay zeka (YZ) ve makine öğrenmesi (MÖ) modelleri, astımın tanı ve takibinde önemli bir potansiyele sahiptir. Mevcut çalışmalar hışıltı, öksürük, nefes sesleri ve fonetik seslere odaklanmış olup, kelime tabanlı ayrım ve astım kontrol düzeylerini tahmin etme konularında sınırlı veri bulunmaktadır. Bu çalışmada, YZ/MÖ modelleri kullanılarak astımlı hastalar ile sağlıklı bireylerin fonetik sesler ve belirli kelimeler aracılığıyla ayırt edilmesi ve Global Intiative For Asthma (GINA) semptom kontrol kriterlerine göre kontrol altında olan ve olmayan astımlı hastaların sınıflandırılması amaçlanmıştır. Gereç ve Yöntem: Çalışmamız kesitsel ve tek merkezli olup, 284 astımlı hasta ve 60 sağlıklı gönüllüden oluşan toplam 344 kişi dahil edilmiştir. Katılımcılardan“ana”,“araba”,“ordu”,“titiz”,“ünlem”,“gelecek”kelimelerini ve“A”fonetik sesini 10 saniye boyunca tekrar etmeleri istenmiştir. Ses kayıtları, Naive Bayes Algoritmaları (NBA), K-En Yakın Komşu (KNN), Karar ağacı (DT), Yapay Sinir Ağları (ANN), CatBoost, AdaBoost, GradientBoost, Rastgele Orman (RF), Destek Vektör Makineleri (SVM) ve Lojistik Regresyon (LR) olmak üzere 10 farklı makine öğrenmesi modeli ile analiz edilmiştir. Model performansları duyarlılık, özgüllük, pozitif prediktif değer, negatif prediktif değer, doğruluk, dengelenmiş doğruluk ve F1 skoru ile değerlendirilmiştir. Bulgular:“A”fonetik sesi ve seçilen kelimeler için, en yüksek duyarlılık, özgüllük, doğruluk ve F1 skoru sırasıyla %99, %67, %83 ve %91 olarak bulunmuştur. GINA kriterlerine göre kontrol altında olmayan hastaların sınıflandırılmasında ise bu değerler sırasıyla %100, %57, %84 ve %91 olarak bulunmuştur. RF ve CatBoost modelleri duyarlılık, doğruluk ve F1 skoru açısından üstün performans gösterirken, NBA, SVM ve LR modelleri özgüllük değerleri için öne çıkmıştır. Sonuç: Astımlı hastalar ile kontrol altında olmayan hastaların tanınmasında, kullanmış olduğumuz YZ/MÖ modellerinin önemli bir potansiyele sahip olduğu bulunmuştur. Bulgularımızın doğrulanması ve uzaktan hasta izleme uygulamalarında kullanılabilirliğinin araştırılması için daha geniş veri setleriyle yapılacak çalışmalara ihtiyaç duyulmaktadır.
Özet (Çeviri)
Objective: Artificial intelligence (AI) and machine learning (ML) models hold significant promise for the diagnosis and monitoring of asthma. While existing studies have focused on wheezing, coughing, breathing sounds, and phonetic sounds, there is limited data on word-based discrimination and prediction of asthma control levels. This study aimed to use AI/ML models to distinguish asthmatic patients from healthy individuals using phonetic sounds and specific words and to classify asthmatic patients with and without asthma control based on the GINA symptom control criteria. Materials and Methods: This single-center, cross-sectional study included 344 participants, comprising 284 asthmatic patients and 60 healthy volunteers. Participants were asked to repeat the words“ana”,“araba”,“ordu”,“titiz”,“ünlem”and“gelecek”as well as the phonetic sound“a”for 10 seconds each. Voice recordings were analyzed using 10 different ML models: Naive Bayes Algorithms (NBA), K-Nearest Neighbors (KNN), Decision Trees (DT), Artificial Neural Networks (ANN), CatBoost, AdaBoost, GradientBoost, Random Forest (RF), Support Vector Machines (SVM) and Logistic Regression (LR). Model performance was evaluated based on sensitivity, specificity, positive predictive value, negative predictive value, accuracy, balanced accuracy and F1 score. Results: For the phonetic sound“a”and the selected words, the highest sensitivity, specificity, accuracy and F1 score achieved were %99, %67, %83 and %91, respectively. For classifying uncontrolled patients based on the GINA criteria, sensitivity, specificity, accuracy and F1 score reached %100, %57, %84 and %91, respectively. RF and CatBoost demonstrated superior performance in sensitivity, accuracy and F1 score, while NBA, SVM and LR excelled in specificity. Conclusion: Our AI/ML models demonstrated significant potential in recognizing patients with asthma and those with uncontrolled conditions. Researchers must conduct further studies with larger datasets to validate these findings and explore their usability in remote patient monitoring applications.
Benzer Tezler
- Kuyruk modelleri ve analizi üzerine bir uygulama
Başlık çevirisi yok
DİDEM ÖZPULAT
Yüksek Lisans
Türkçe
1985
İstatistikEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET İKİZ
- Dokuma kumaşlarda örgü tipinin ham kumaşın boyutları ve geometrik özellikleri üzerindeki etkilerinin araştırılması
Başlık çevirisi yok
EMEL ÖNDER
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNGÖR BAŞER
- İnce taneli sementasyon çeliklerinde sıcak şekil verme ve ısıl işleminin ostenit tane büyüklüğüne etkisi
Başlık çevirisi yok
MERAL ŞANLI
Yüksek Lisans
Türkçe
1987
Metalurji MühendisliğiUludağ ÜniversitesiFizik Ana Bilim Dalı
DOÇ. DR. ALİ GÜNGÖR
- Seyrek-Zade Mehmet Asım'ın hayatı ve Zeyl-i Zübdetü'l-Eş'ar adlı eseri
Başlık çevirisi yok
ALİ OSMAN COŞKUN
Yüksek Lisans
Türkçe
1985
Türk Dili ve EdebiyatıGazi ÜniversitesiTürk Dili ve Edebiyatı Ana Bilim Dalı
YRD. DOÇ. DR. ABDULKERİM ABDÜLKADİROĞLU
- Tekstil işletmelerinin çevre kirlenmelerine etkileri
Başlık çevirisi yok
REMZİ GEMCİ
Yüksek Lisans
Türkçe
1987
Tekstil ve Tekstil MühendisliğiUludağ ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET TASMACI