Respiratory sounds classification using artificial neural networks
Solunum seslerinin yapay sinir ağları kullanılarak sınıflandırılması
- Tez No: 47507
- Danışmanlar: DOÇ.DR. FİKRET GÜRGEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Solunum sesleri, Teşhis, Yapay sinir ağları, İşaret işleme, Respiratory sounds, Diagnosis, Artificial neural networks, Signal processing
- Yıl: 1995
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET Solunum yolu hastalıklarının tanısında, en yaygın olarak kullanılan yöntemlerden biri, solunum seslerinin steteskop aracılığıyla dinlenmesidir. Bu yöntem, tamamen doktorların kişisel değerlendirmelerine ve tecrübelerine bağlı olduğu için hataya sebep olabilmektedir. Bundan dolayı, daha iyi bir tıp hizmeti için, tanıda daha yüksek başarım gösterebilecek bir yönteme ihtiyaç vardır. Bu ihtiyaç, sesleri toplayıp analizini yaparak tamda doktorlara yardımcı olabilecek bilgisayar destekli bir sistemle karşılanabilir. Bu tez çalışması, böyle bir sistemin kurulmasına yardımcı olmayı amaçlamaktadır. Çalışmalar 3 ayrı sınıftan denek üzerinde gerçekleşmiştir: Sağlıklılar, kronik tıkayıcı solunum yolu hastalıklılar, kısıtlayıcı solunum yolu hastalıklılar. Solunum seslerinin özellikleri bir durumdan diğerine değişiklik gösterirler. Sistemin amacı, bir durumu diğerinden veriyi sınıflandırarak ayırdetmektir. Veri, solunum seslerinin özbağîanımlı (AR) ve cepstral modelleme teknikleri kullanılarak elde edilmiş olan özniteliksel gösterimlerinden oluşmuştur. Sınıflandırma, Yapay Sinir Ağlan (YSA) yapılarından Çok Katmanlı Algılayıcı (ÇKA), Radyal Temel Fonksiyonu Ağı (RTF A) ve Vektör Ayrıştırmayı Öğrenme (VAÖ) sınıflandıncılan ve bunlara ek olarak, klasik yaklaşımlardan k-En Yakın Komşu (k-EYK) ve bulanık k-EYK algoritmaları kullanılarak yapılmıştır. Veri çeşitli kombinasyonlarda alınarak birçok deneyler yapılmış, sonuçlar analiz edilmiş ve kıyaslanmıştır. Bu deneylere ek olarak, veri sayısının azlığına karşılık öznitelik boyutunun çok yüksek olmasının yarattığı işlem karmaşıklığını azaltmak için öznitelik azaltma yöntemi kullanılmış ve daha az sayıda öznitelikle temsil edilen denekler üzerinde de deneyler yapılmıştır.
Özet (Çeviri)
iv ABSTRACT In the diagnosis of respiratory diseases, one of the most common methods that is currently used is to listen to the respiratory sounds of the patients using a stethoscope. Since it solely depends on the personal judgments and experience of the doctors, it is prone to error. Therefore, a new method which will allow more precise diagnostics is a necessity for improved medical service. The mentioned need can be provided by a computer aided system, which will collect and analyze the sounds and thus help doctors during diagnosis. This thesis work aims to help the establishment of such a system in order to make the decision of doctors more accurate. The decisions are made on three types of subjects: Healthy ones, chronic obstructive patients and restrictive lung disease patients. The characteristics of the respiratory sounds show the differences from one type to another. The objective of the system described is to distinguish one case from another by classifying the data. The data is the parametric representations of the sounds which were obtained using Auto Regressive (AR) and cepstral analysis techniques. The classification process was investigated by using Artificial Neural Network (ANN) structures such as Multi Layer Perceptron (MLP), Radial Basis Function (RBF) and Learning Vector Quantization (LVQ), and in addition to these, using the conventional approaches like k-Nearest Neighbour (k-NN) and fuzzy k-NN algorithms. Using different combinations of the data, several experiments were conducted and the results were analyzed and compared. In addition to these experiments, in order to decrease the complexity caused by the inconsistency of smaller number of subjects versus high dimensionality, the feature reduction process was also used and experiments were performed on the subjects which were represented by the smaller amount of data.
Benzer Tezler
- Solunum seslerinin analizi ve sınıflandırılması
Analysis and classification of respiratory sounds
TANJU ENGİN
Yüksek Lisans
Türkçe
1991
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiY.DOÇ.DR. H. ÜMİT AYGÖLÜ
- Classification, visualization and transient analysis of respiratory sound patterns
Solunum sesi örüntülerinin sınıflandırılması, görselleştirilmesi ve geçici rejim analizleri
E.ÇAĞATAY GÜLER
- Solunum seslerinin sayısal olarak kaydedilmesi, analizi ve sınıflandırılması
Digital recording, analysis and classification of respiratory sounds
MEHMET CENK SEZGİN
Yüksek Lisans
Türkçe
2000
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ. DR. MEHMET KORÜREK
- Ankara ilinde üç taş ocağı ile iki kum ocağının ve çalışanlarının işçi sağlığı ve iş güvenliği açısından değerlendirilmesi
Occupational health and safety in 3 quarries and 2 sand sources in Ankara
ÖZKAN KAAN KARADAĞ
- Hırıltılı çocuk ve astımlılarda akut krizi başlatan infeksiyöz etkenler
Başlık çevirisi yok
SİBEL AŞKIN
