Derin ağ ve MFCC özelliklerine dayalı akut solunumyolu hastalıklarının sınıflandırılması
Classification of acute respiratory diseases based on deep networkand MFCC features
- Tez No: 975825
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET BİLAL ER
- 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: Harran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Solunum yolu hastalıklarının erken teşhisi, hastalık yönetimi açısından kritik öneme sahiptir. Bu çalışmada, solunum seslerinin otomatik analizi için derin öğrenme tabanlı bir sınıflandırma sistemi geliştirilmiştir. Ses verilerinden Mel Frekans Kepstrum Katsayıları (MFCC) gibi spektral öznitelikler çıkarılmış ve bu öznitelikler, hibrit model CNN+LSTM katmanları içeren bir derin sinir ağı modeli ile işlenmiştir. Sınıf dengesizliğini azaltmaya yönelik teknikler kullanılarak modelin genellenebilirliği artırılmıştır. Yapılan deneysel çalışmalar sonucunda, geliştirilen model test verisi üzerinde %86 doğruluk oranına ulaşmış ve solunum seslerinden hastalık tespitinde etkili ve güvenilir bir performans sergilemiştir. Elde edilen bulgular, ses temelli analizlerin akut solunum yolu hastalıklarının erken tanısına katkı sağlayabileceğini göstermektedir.
Özet (Çeviri)
Early diagnosis of respiratory diseases is critical for disease management. In this study, a deep learning-based classification system was developed for the automatic analysis of respiratory sounds. Spectral features such as Mel Frequency Cepstrum Coefficients (MFCC) were extracted from the audio data and processed using a deep neural network model consisting of hybrid CNN + LSTM layers. Techniques to reduce class imbalance were used to increase the generalizability of the model. Experimental studies have shown that the developed model achieved 86% accuracy on test data and demonstrated effective and reliable performance in disease detection from respiratory sounds. The findings demonstrate that audio-based analysis can contribute to the early diagnosis of acute respiratory diseases.
Benzer Tezler
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- Yapay zekâ yöntemleri kullanarak otomobil motor ses sinyallerinden arıza tespiti
Fault detection from automobile engine sound signals using artificial intelligence methods
FERİT AKBALIK
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDULNASIR YILDIZ
PROF. DR. ÖMER FARUK ERTUĞRUL
- Videodan derin öğrenme tabanlı duygu tanıma
Deep learning-based emotion recognition on video
ORHAN ATİLA
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı
PROF. DR. ABDULKADİR ŞENGÜR
- Production and characterization of al-CoCrFeNi-M (M=Mo, Cu, Mn) high entropy alloys by combustion synthesis method
Al-CoCrFeNi-M (M=Mo, Cu, Mn) yüksek entropili alaşımlarının yanma sentezi yöntemiyle üretimi ve karakterizasyonu
FARUK KAYA
Doktora
İngilizce
2024
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT BORA DERİN
- Akustik verilere dayalı ark kaynağı süreçlerinde sınır bilişim ve nesnelerin interneti tabanlı gerçek zamanlı kalite tespiti
Real-time quality detection in welding processes based on acoustic data using edge computing and the internet of things
BİLAL YILDIRIM
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTokat Gaziosmanpaşa ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MAHMUT DURGUN