Solunum eforu uyku uyarılarının makine öğrenmesi kullanılarak tanımlanması
Identification of respiratory effort sleep araousal using machine learning
- Tez No: 956893
- Danışmanlar: PROF. DR. MEHMET BAKIR, DR. ÖĞR. ÜYESİ HASAN ULUTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yozgat Bozok Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Uyku, insan sağlığı ve yaşam kalitesi için vazgeçilmez bir fizyolojik süreçtir. Nitelikli bir uyku süreci, bireyin fiziksel iyilik halinin yanı sıra zihinsel ve duygusal dengesini de doğrudan etkilemektedir. Uyku bozuklukların erken teşhisi ve doğru analizi, bireyin yaşam kalitesini artırmak açısından büyük önem taşımaktadır. Uyku bozukluklarının tespitinde en yaygın yöntemlerden biri, bireyin bir gece boyunca izlenerek elde edilen polisomnografi (PSG) kayıtlarının analizidir. EEG, EMG, solunum, kalp atımı ve vücut pozisyonu gibi eşitli sensörlerden elde edilen bu çok boyutlu veriler, genellikle manuel olarak incelenmekte olup, zaman alıcı ve hata riski taşıyan bir süreçtir. Bu çalışmada, PSG kayıtları kullanılarak uyku uyarılarının anlık olarak tespit edilmesi ve bu sürecin makine öğrenmesi algoritmalarıyla otomatikleştirilmesi amaçlanmıştır. Veri seti, Yozgat Bozok Üniversitesi Göğüs Hastalıkları Uyku Laboratuvarı'nda, Philips Alice Clinic PSG cihazı kullanılarak 113 bireyden elde edilmiştir. Veri toplama süreci, ilgili etik kurul onayları alınarak yürütülmüş; kayıtlar, uzman bir doktor tarafından American Academy of Sleep Medicine (AASM) kriterlerine göre manuel olarak işaretlenmiştir. Toplamda 513,5 milyon adet sensör verisi, çeşitli makine öğrenmesi algoritmaları ile analiz edilmiş ve veri işleme teknikleri uygulanarak sınıflandırma performansı değerlendirilmiş olup kullanılan Ekstra Ağaç Sınıflandırma yöntemiyle %96,81 oranında başarım sağlanmıştır. Elde edilen sonuçlar, makine öğrenmesi tekniklerinin PSG verileriyle entegre edilerek uyku uyarılarının güvenilir ve hızlı bir şekilde tespit edilmesinde etkili bir yaklaşım sunduğunu göstermektedir. Bu çalışma, uyku bozukluklarının erken tanısına katkı sağlayabilecek otomatik sistemler için önemli bir temel oluşturmaktadır.
Özet (Çeviri)
Sleep is an indispensable physiological process for human health and quality of life. A good night's sleep directly affects not only an individual's physical well-being but also their mental and emotional balance. The early diagnosis and proper analysis of sleep disorders are of great importance in improving an individual's quality of life. One of the most common methods for detecting sleep disorders is the analysis of polysomnography (PSG) recordings obtained by monitoring an individual throughout the night. These multidimensional data, obtained from various sensors such as EEG, EMG, respiration, heart rate, and body position, are typically analyzed manually, which is a time-consuming and error-prone process. In this study, the aim was to detect sleep arousal events in real-time using PSG recordings and to automate this process using machine learning algorithms. The dataset was obtained from 113 individuals at the Yozgat Bozok University Chest Diseases Sleep Laboratory using the Philips Alice Clinic PSG device. The data collection process was carried out with the approval of the relevant ethics committee, and the recordings were manually annotated by a specialist physician according to the American Academy of Sleep Medicine (AASM) criteria. A total of 513.5 million sensor data points were analyzed using various machine learning algorithms, and classification performance was evaluated using data processing techniques. The Extra Tree Classification method achieved a success rate of 96.81%. The results demonstrate that machine learning techniques integrated with PSG data offer an effective approach for reliably and quickly detecting sleep disturbances. This study provides an important foundation for automated systems that could contribute to the early diagnosis of sleep disorders.
Benzer Tezler
- Değişik derim zamanı ve önsoğutmanın Bursa siyahı incir çeşidinin meyve kalitesi ve pazarlama süresi üzerine etkileri
Effects of haruest time and precooling on fruit quality and shelf-life of the fig variety“Bursa siyahı”
FÜSUN GÜRSEL ÇELİKEL
- Kemalpaşa etlik piliç işletmelerinin teknik ve ekonomik yönden incelenmesi
Başlık çevirisi yok
HAYRİ TUNA YÜKSELEN
- Gazi Eğitim Fakültesi Beden Eğitimi ve Spor bölümü öğrencilerinde dolaşım ve solunuma etkili bazı parametrelerin“Boy, kilo, spor yapma yılı, sigara alışkanlığı”araştırılması
Başlık çevirisi yok
RASİM KALE
Yüksek Lisans
Türkçe
1986
SporGazi ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
PROF. DR. M. FADIL ERTOGAN
- ODTÜ Beden Eğitimi ve Spor bölümü 1985-1986 programının öğrencilerin fizyolojik kapasitelerine etkisi
Başlık çevirisi yok
ALİ AHMET DOĞAN
Yüksek Lisans
Türkçe
1986
Eğitim ve ÖğretimGazi ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
DOÇ. DR. EYYUP GÜNAY İSBİR
- Toraks ölçümleri ve solunum fonksiyonlarının antrenmanlarla değişimi
Başlık çevirisi yok
ERDOĞAN LİMAN