Methods for segmentation and classification of swallowing instants from the feeding sound of newborn infants
Yenidoğan bebeklerin beslenme sesi üzerinden yutmaanlarını bölütleme ve sınıflandırma yöntemleri
- Tez No: 562181
- Danışmanlar: PROF. DR. TOLGA ÇİLOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Electrical and Electronics Engineering, Computer Engineering and Computer Science and Control, Bioengineering
- Anahtar Kelimeler: Destek vektör makineleri, Gauss karışım modeli, Makine öğrenmesi, Saklı Markov modeli, Sınıflandırma, Örüntü tanıma, Support vector machines, Gaussian mixture model, Machine learning, Hidden Markov model, Classification, Pattern recognition
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yutma frekansı, ritmik yutmalar arası ortalama süre, maksimum ritmik yutma sayısı gibi istatistikler bebeklerin beslenme olgunluğu ile ilişkilendirilebilir. Bu yüzden, akustik beslenme sinyali üzerinden yutma anlarının otomatik olarak tespiti, neonatologlar için bir karar destek mekanizması olarak düşünülebilir. Bu tez, yenidoğan bebeklerin beslenme seslerini analiz eden farklı yaklaşımları içermektedir ve bölütleme sonrası sınıflandırma ile sınflandırma sonrası birleştirme olmak üzere iki adet örüntü tanıma temelli yöntem sunmaktadır. Bu çalışmada, 52 bebekten dijital steteskop aracılığıyla alınan beslenme kayıtları kullanılmıştır. Yutma seslerini diğer seslerden ayırt etmek amacıyla, destek vektör makinaları, saklı Markov modelleri ve gaussian karışım modelleri gibi bir çok öğrenme algoritmasından faydalanılmıştır. Akustik sinyalleri temsil etmesi amacıyla, zaman ve frekans uzayında kapsamlı bir öznitelik araştırması yapılmıştır. Ayrıca, öznitelik vektörlerinin temsiliyetini artırmak ve boyutunu küçültebilmek adına, öznitelik seçme prosedürleri incelenmiştir. Sekiz farklı yutma sesi bölütleme ve sınıflandırma yöntemi, kesinlik, hatırlama eğrileri göz önünde bulundurularak deneysel olarak karşılaştırılmıştır. Elde edilen sonuçlara göre, bölütlemede yapılan hatanın sınıflandırma performansını da direkt olarak olumsuz etkilemesi sebebiyle ilk örüntü tanıma yaklaşımının daha düşük performansla çalıştığı gözlemlenmiştir. Öte yandan, 2 ve 3 sınıflı destek vektör makineleri, amaca uygun tasarlanmış birleştirme algoritmaları olan sonlu durum makineleriyle birlikte en iyi performansı sergilemişlerdir. Zamana dayalı değerlendirme yapılırken, her iki yöntem için de F1 skoru yaklaşık olarak 0.7 bulunurken, sayı temelli değerlendirmede bu değer 0.81 civarında hesaplanmıştır.
Özet (Çeviri)
Statistics such as swallow frequency, the average time between rhythmic swallows and the maximum number of rhythmic swallows can be related to the feeding maturity of infants. Therefore, detecting swallow segments automatically from an acoustical feeding signal can be considered as a decision support mechanism for neonatologists. This thesis includes different approaches for the analysis of infant's feeding sounds and proposes two different pattern recognition methodologies, segmentation followed by classification and classification followed by merging, for auto-segmentation and classification of swallowing instants. Data from 52 infant subjects are used, in which acoustic feeding signals are recorded with a digital stethoscope. Multiple learning algorithms such as Gaussian mixture models (GMM), support vector machines (SVM) and hidden Markov models (HMM) are used to discriminate swallowing sounds from other sound activities. A comprehensive set of feature extraction methods in time and frequency domain are investigated for the representation of captured acoustic signals. Moreover, feature selection methods are examined thoroughly to improve the representation power of feature vectors. Experimental comparison in terms of precision, recall and F1 scores of eight different paths to segment and classify swallow instants is made. The results show that the first approach segments the swallow episodes with lower performance as the error in the segmentation also affects the classification performance negatively. On the other hand, best results are obtained in the second approach where binary and 3 class SVM classifiers are applied with purpose-specific finite state machine algorithms. In the time duration based performance evaluation, the F1 scores are obtained as almost equal to 0.70 for both methods. On the other hand, they are computed as nearly 0.81 in the event based one.
Benzer Tezler
- Geniş ölçekli veriler üzerinde sınıflandırma ve bölütleme amaçlı evrişimsel sinir ağı ve istatistiksel modellerin geliştirilmesi
Development of convolutional neural network and statistical models for classification and segmentation on large-scale data
NURULLAH ÇALIK
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
- Investigating the performance of segmentation methods with deep learning models for sentiment analysis on Turkish informal texts
Segmentasyon yöntemlerinin informal Türkçe metinlerde duygusal analiz için derin öğrenme modelleri ile kullanımında performans analizi
FATİH KURT
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. PINAR KARAGÖZ
- Beyin MR görüntülerinin akıllı yöntemler ile sınıflandırılması, kümelenmesi ve bölütlenmesi
Classification, clustering and segmentation of brain MR images by intelligent methods
FARUK ALTUNTAŞ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YAŞAR BECERİKLİ
- Devoloping an integrated system for semi-automated segmentation of remotely sensed imagery
Uzaktan algılanmış görüntülerin kesimlenmesi için yarı otomatik bir sistem geliştirimi
EMRE HAMİT KÖK
Yüksek Lisans
İngilizce
2005
Jeodezi ve FotogrametriOrta Doğu Teknik ÜniversitesiJeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
DOÇ.DR. MUSTAFA TÜRKER
- Hiperspektral görüntü analizinde ileri spektral ve uzamsal yöntemler
Advanced spectral and spatial methods for hyperspectral image analysis
İBRAHİM ONUR SIĞIRCI
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN BİLGİN