Geri Dön

Optik sensör verileri, fizyolojik parametreler ve makine öğrenmesi kullanılarak girişimsel olmayan kan şekeri tespiti

Non-invasive blood glucose estimation using optical sensor data, physiological parameters and machine learning

  1. Tez No: 984826
  2. Yazar: MUSA SİMSAR
  3. Danışmanlar: DOÇ. DR. OSMAN ÇİÇEK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Kastamonu Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Diyabet, dünya genelinde yaygınlığı giderek artan ve kan şekeri seviyelerinin sürekli izlenmesini gerektiren kronik bir hastalıktır. Mevcut girişimsel ölçüm yöntemlerinin ağrılı ve pratik olmaması, girişimsel olmayan teknolojilere olan ihtiyacı artırmaktadır. Bu tez çalışmasında, girişimsel olmayan kan şekeri tahmini yapmak amacıyla, Yakın Kızılötesi (NIR) spektroskopisi prensibine dayalı, düşük maliyetli bir optik sensör sistemi tasarlanmış ve fizyolojik parametreler dahil edilerek makine öğrenmesi yöntemleriyle test edilmiştir. Tez kapsamında geliştirilen donanım mimarisi; 940 nm bir IR LED, BPW34 fotodiyot, TL072CN operasyonel yükselteç ve STM32F411 mikrodenetleyiciden oluşmaktadır. Bu sistem kullanılarak, bir bölümü Kastamonu Eğitim ve Araştırma Hastanesi Dahiliye ve Endokrin Poliklinleri'nde olmak üzere toplam 335 gönüllüden; optik sensör verileri, demografik, antropometrik ve fizyolojik parametreleri içeren çok değişkenli bir veri seti toplanmıştır. Toplanan bu veri seti, Lineer Regresyon ve Rassal Orman Regresörü gibi makine öğrenmesi modellerini eğitmek ve karşılaştırmalı olarak değerlendirmek için kullanılmıştır. Yapılan analizlerle Rassal Orman Regresörü gibi doğrusal olmayan bir modelin, Lineer Regresyon'a kıyasla daha yüksek bir performans sergilediği tespit edilmiştir. Rassal Orman modeli, orijinal veri seti üzerinde 0,46 R² skoru, 27,11 mg/dL Ortalama Mutlak Hata (MAE) ve 38,10 mg/dL Kök Ortalama Kare Hata (RMSE) değerlerine ulaşmıştır. Modelin performansını daha da iyileştirmek amacıyla uygulanan sentetik veri artırımı (data augmentation) tekniğiyle, 1000 yeni veri eklendiğinde R² skorunun 0,80'e yükseldiği ve MAE değerinin 10 mg/dL seviyesine kadar düştüğü gözlemlenmiştir. Bu çalışma, gelecekteki araştırmalarda donanım izolasyonunun iyileştirilmesinin ve daha geniş, çeşitliliğe sahip veri setleri ile modellerin eğitilmesinin, girişimsel olmayan ölçüm cihazlarının doğruluğunu daha da artıracağına dair önemli bir kanıt sunmaktadır.

Özet (Çeviri)

Diabetes is a chronic disease with a gradually increasing prevalence worldwide, requiring continuous monitoring of blood glucose levels. The painful and impractical nature of existing invasive measurement methods increases the need for non-invasive technologies. In this thesis, a low-cost optical sensor system based on the Near-Infrared (NIR) spectroscopy principle was designed and tested with machine learning methods, incorporating physiological parameters, to perform non-invasive blood glucose estimation. The hardware architecture developed within the scope of the thesis consists of a 940 nm IR LED, a BPW34 photodiode, a TL072CN operational amplifier, and an STM32F411 microcontroller. Using this system, a multivariate dataset containing optical sensor data, demographic, anthropometric, and physiological parameters was collected from 335 volunteers, partially at the Kastamonu Education and Research Hospital's Internal Medicine and Endocrinology Outpatient Clinics. This collected dataset was used to train and comparatively evaluate machine learning models such as Linear Regression and Random Forest Regressor. Analyses determined that a non-linear model, such as the Random Forest Regressor, exhibited higher performance compared to Linear Regression. The Random Forest model achieved an R² score of 0.46, a Mean Absolute Error (MAE) of 27.11 mg/dL, and a Root Mean Square Error (RMSE) of 38.10 mg/dL on the original dataset. Furthermore, it was observed that by applying the synthetic data augmentation technique to improve model performance, the R² score increased to 0.80 and the MAE value dropped to the 10 mg/dL level with the addition of 1000 new data samples. This study presents significant evidence that improving hardware isolation and training models with larger, more diverse datasets in future research will further increase the accuracy of non-invasive measurement devices.

Benzer Tezler

  1. Tez No

    496501

    IMU tabanlı yürüyüş analizi

    IMU based gait tracking

    KAAN ŞAHİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SERHAT İKİZOĞLU

  2. Tez No

    985121

    Makarnalık buğdaylarda sensör, iklim ve bitki özelliklerine dayalı azotoptimizasyonu ve verim tahmininin farklı algoritmaları ile modellenmesi

    Modeling nitrogen optimization and yield prediction in durum wheat using multi-source sensor, climate, and plant trait data through advanced machine learning algorithms

    SÜREYYA BETÜL RUFAİOĞLU

    Doktora

    Türkçe

    Türkçe

    2025

    ZiraatHarran Üniversitesi

    Toprak Bilimi ve Bitki Besleme Ana Bilim Dalı

    PROF. DR. ALİ VOLKAN BİLGİLİ

  3. Tez No

    355613

    Atomik kuvvet mikroskobu ile biyomoleküllerin doğal ortamlarında tayini ve karakterizasyonu

    Detection and characterization of biomolecules with atomic force microscope in their native environments

    DEMET ÇATÇAT KAYIM

    Doktora

    Türkçe

    Türkçe

    2014

    BiyomühendislikHacettepe Üniversitesi

    Nanoteknoloji ve Nanotıp Ana Bilim Dalı

    YRD. DOÇ. DR. MEMED DUMAN

    PROF. DR. EMİR BAKİ DENKBAŞ

  4. Tez No

    657666

    A social navigation approach for mobile assistant robots

    Asistan mobil robotlar için sosyal bir navigasyon yaklaşımı

    HASAN KIVRAK

    Doktora

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HATİCE KÖSE

  5. Tez No

    877889

    Comparison of muscle oxygenation and total hemoglobin levels during isokinetic concentric and eccentric contraction at different speeds in athletes

    Sporcularda farklı hızlarda izokinetik konsantrik ve eksentrik kasılma anında kas oksijenasyon ve toplam hemoglobin düzeylerinin karşılaştırılması

    DUR SAMAND

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Fizyoterapi ve RehabilitasyonGazi Üniversitesi

    Fizyoterapi ve Rehabilitasyon Ana Bilim Dalı

    PROF. DR. NEVİN AYSEL GÜZEL

Geri Dön