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: Belirtilmemiş.
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
- Çimentonun sertleşmesi üzerinde kimyasal komponentlerin etkisi
Başlık çevirisi yok
NACİYE TÜRKEL
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE
- Bazı esterlerin kinetik incelenmesi ve termodinamik parametrelerin belirlenmesi
Kinetic study and detesmination of thermodnamic parameters of some esters
İBRAHİM TAŞ
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE
- Atherosklerotik kalp hastalıklarında risk faktörleri
Risk factors in the coronary artery disease
MURAT SUHER
- Bazı sert çekirdekli meyve türlerinde döllenme biyolojisi üzerinde yöntem çalışmaları
Başlık çevirisi yok
ATBİMOĞLU ADALET
- Cam ve plastik seraların sonbahar domates üretimi yönünden karşılaştırılması
Başlık çevirisi yok
ERGUN DURAN