Çok girişli evrişimsel sinir ağları ile uyku apnesi tespiti
Sleep apnea detection with multi-input convolutional neural networks
- Tez No: 932999
- Danışmanlar: DOÇ. DR. MUSA ÇIBUK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bitlis Eren Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 154
Özet
Uyku apnesi solunum yolu bozukluklarında en çok görülen hastalık olup derecesi AHI indeksiyle belirlenir. Uyku apnesi tespitinde EKG, EOG, EMG, oksijen satürasyonu (SAO2), hava akışı gibi çok sayıda fizyolojik parametreye bakılmaktadır. Bu parametreler gece en az 6 saat veya daha fazla sürecek şekilde kaydedilir ve uzman hekimlerce incelenerek bir tanı yapılır. Uyku apnesi, tespit edilemediğinde ölümlere varan ağır sonuçlar doğurabilmektedir. Bu tür durumlarda Evrişimsel Sinir Ağları, geleneksel polisomnografi yöntemlerine etkili bir alternatif sunmaktadırlar. Bu tez çalışmasında“Çok Girişli Evrişimsel Sinir Ağları (ÇG-ESA)”ile uyku apnesi tespiti yapılmıştır. Çok girişli ESA mimarileri kullanılarak, farklı veri türlerinin (görüntü, sinyal vb. diğer) uygun olanları kullanılmıştır Uyku apnesi tespitinde DarkNet53 %99.25 scalogram görselleştirme ile apnenin solunum parametrelerini kullanarak yüksek başarım sağlamıştır. Böylece uyku apnesinin tespiti noktasında literatürde daha önce bu alan özelinde denenmemiş bir yaklaşım kullanarak daha başarılı sonuçlar alınmıştır.
Özet (Çeviri)
Sleep apnea is the most common disease among respiratory disorders and its degree is determined by the AHI index. In the detection of sleep apnea, many physiological parameters such as ECG, EOG, EMG, oxygen saturation (SAO2), air flow are examined. These parameters are recorded for at least 6 hours or more at night and a diagnosis is made by specialist physicians. Sleep apnea can have serious consequences, including death, when not detected. In such cases, Convolutional Neural Networks offer an effective alternative to traditional polysomnography methods. In this thesis study, sleep apnea detection was performed with“Multi-Input Convolutional Neural Networks (MI-CNN)”. Using multi-input ESA architectures, appropriate ones of different data types (image, signal, etc. other) were used. In the detection of sleep apnea, DarkNet53 achieved high success with 99.25% scalogram visualization using apnea's respiratory parameters. Thus, an attempt was made to obtain more successful results in the detection of sleep apnea by using an approach that has not been tried before in this field in the literature.
Benzer Tezler
- Elektroensefalografi ve çok girişli evrişimsel sinir ağları ile otizm spektrum bozukluklarının tespitinin araştırılması
Investigating the detection of autism spectrum disorders with electroencephalography and multi-input convolutional neural networks
BİLAL KARAKAYA
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULKADİR ŞENGÜR
- Stochastic bitstream-based vision and learning machines
Stokastik bit akışı tabanlı görü ve öğrenme makineleri
SERCAN AYGÜN
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- Klavye vuruş zamanlama verileri üzerinde makine öğrenmesi uygulamaları
Machine learning applications on keyboard timing data.
MUJAHED MOHDFATHI MOHAMMAD ALİSSA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN TEMURTAŞ
DR. ÖĞR. ÜYESİ ÇİĞDEM BAKIR
- Sensor-based activity recognition and authentication using deep learning
Derin öğrenme yöntemleri ile sensör tabanlı sistemlerde aktivite ve kimlik tanıma
NİLAY TÜFEK
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA