A multi-task dual-input deep learning architecture for ABR analysis
ABR analizi için çok görevli çift girişli derin öğrenme mimarisi
- Tez No: 992770
- Danışmanlar: PROF. DR. BAHADIR KÜRŞAT GÜNTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Deep learning
- Yıl: 2026
- Dil: İngilizce
- Üniversite: İstanbul Medipol Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Auditory Brainstem Response (ABR) testi, kontrollü ses uyaranlarına karşı beynin elektriksel aktivitesini ölçerek işitme fonksiyonunun objektif bir değerlendirmesini sağlar. Davranışsal geri bildirime ihtiyaç duymadığı için, ABR özellikle bebekler ve bilişsel bozuklukları bulunan bireyler gibi işitme durumlarını güvenilir şekilde ifade edemeyen popülasyonların değerlendirilmesinde kritik bir rol oynar. Buna paralel olarak, Auditory SteadyState Response (ASSR) testi, çoklu frekanslarda işitme eşiklerini hızlı ve istatistiksel olarak temellendirilmiş bir yöntemle tahmin eder. Ancak klinik önemine rağmen, ABR yorumlaması hâlâ dalga tepelerinin doğru şekilde belirlenmesi konusunda klinisyenin uzmanlığına büyük ölçüde bağlıdır. Bu çalışma iki temel amacı ele almaktadır. İlk olarak, ABR sinyalleri içinde V dalgasının varlığını tespit edebilen ve gecikmesini tahmin edebilen otomatik ve objektif bir yöntem geliştirmeyi hedeflemektedir. İkinci olarak, ABR dalga biçimlerinin 0.5, 1, 2 ve 4 kHz klinik açıdan önemli frekanslardaki ASSR işitme eşiklerini ne ölçüde tahmin edebileceğini araştırmaktadır. İlk hedef doğrultusunda, çalışmada modifiye edilmiş bir ResNet mimarisine dayanan çokgörevli bir derin öğrenme yapısı sunulmaktadır. Bu mimari, klinik gerekçelendirmeyi taklit eden eşleştirilmiş sinyal yaklaşımıyla güçlendirilmiştir: Aynı bireyden farklı şiddet seviyelerinde kaydedilen ABR sinyalleri birlikte analiz edilerek, yüksek şiddetli sinyalin daha belirgin dalga yapısı model için düşük şiddetli ve gürültülü sinyalleri yorumlamada bağlamsal bir rehber görevi görür. Bu yöntemle model, V dalgası gecikme tahmininde 0.90 R² ve varlık tespitinde 0.92 F1skoru elde etmiştir. İkinci amaç doğrultusunda, aynı ResNet tabanlı mimari ABR girdilerinden doğrudan ASSR eşiklerini tahmin etmek üzere uyarlanmıştır. Elde edilen model, 0.81 toplam R² değeriyle ABR morfolojisi ile ASSR sonuçları arasında anlamlı bir ilişki olduğunu göstermiştir. Bu model ASSR testinin yerine geçmesi amacıyla tasarlanmamış olsa da, bulgular ABR sinyallerinin işitme eşikleriyle ilişkili daha fazla bilgi içerdiğini ortaya koymaktadır. Genel olarak, elde edilen sonuçlar hem eşleştirilmiş sinyal metodolojisinin hem de çokgörevli mimarinin ABR yorumlamasında yer alan öznel unsurları azaltmada etkili mekanizmalar olduğunu doğrulamaktadır. V dalgasının özelliklerine ilişkin güvenilir otomatik tahminler ve ASSR eşiklerinin ön değerlendirmelerini sağlayarak bu yaklaşım klinik iş akışlarını hızlandırma, odyologlara karar verme süreçlerinde destek sunma ve odyolojik değerlendirmelerin tutarlılığını ve objektifliğini artırma potansiyeline sahiptir.
Özet (Çeviri)
Auditory Brainstem Response (ABR) test provides an objective evaluation of hearing function by measuring the brain's electrical activity in response to controlled sound stimuli. Because it does not require any behavioural feedback, ABR plays a crucial role in assessing populations such as infants or individuals with cognitive impairments. In parallel, the Auditory Steady-State Response (ASSR) test provides a fast, statistically driven method for estimating hearing thresholds across multiple frequencies. However, despite its clinical relevance, ABR interpretation still depends heavily on the clinician's expertise in identifying key waveform peaks. This study focuses on addressing two objectives. First, it seeks to develop an automated, objective method capable of simultaneously detecting wave V and estimating its latency within ABR signals. Second, it investigates the extent to which ABR waveforms can predict ASSR hearing thresholds at clinically relevant frequencies of 0.5, 1, 2, and 4 kHz. To achieve the first goal, we introduce a multi-task deep learning architecture based on a modified ResNet. This architecture is further strengthened by a paired-signal input strategy that mirrors clinical reasoning: ABR signals recorded at different intensity levels from the same subject are analyzed together, enabling the model to use the clearer, high-intensity waveform as contextual guidance for interpreting noisier, low-intensity responses. Using this approach, the model achieved an R² value of 0.90 for wave V latency estimation and an F1-score of 0.92 for detecting its presence. For the second objective, the same ResNet-based architecture was adapted to predict ASSR thresholds directly from ABR inputs. The resulting model achieved an aggregate R² of 0.81, demonstrating a correlation between ABR morphology and ASSR outcomes. Overall, the findings validate both the paired-signal methodology and the multi-task framework as effective mechanisms for reducing the subjectivity inherent in ABR interpretation. By providing reliable automated predictions of wave V characteristics and preliminary estimates of ASSR thresholds, this approach has the potential to streamline clinical workflows, support audiologists in decision-making, and enhance the consistency and objectivity of audiological assessments.
Benzer Tezler
- Renal hücreli karsinomun otomatik derece sınıflandırması için U-net tabanlı derin öğrenme ağı
U-net based deep learning network for automatic grade classification of renal cell carcinoma
SÜEDA KAYA
Yüksek Lisans
Türkçe
2025
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜRVET KIRCI
- Transformer tabanlı öznitelik bütünleştirme ile eksik veriye dayanıklı tahminsel model geliştirilmesi
Development of a predictive model robust to missing data via transformer-based feature integration
DUYGU BAYRAK GÜMÜŞ
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED KOTAN
- Yanıltıcı gözlem saldırılarına karşı çok etmenli rehberli derin pekiştirmeli öğrenme yaklaşımı
Multi agent guided deep reinforcement learning approach against state perturbed adversarial attack
ÇAĞRI ÇERÇİ
Doktora
Türkçe
2025
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- İnsansız hava araçları için batarya-yakıt hücresi hibrit enerji yönetim sisteminin geliştirilmesi
Development of a battery-fuel cell hybrid energy management system for unmanned aerial vehicles
BARAN KUL
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ONUR GÜLBAHÇE
- Avrupa Merkez Bankası'nın oluşumu, para politikası, uygulama sorunları ve Türkiye etkileri
Formation of European Central Bank, its monetary policy, application problems and its effects on Turkey
ALİ POLAT