Enhance the performance of preprocessing techniques by using artificial intelligence algorithms
Yapay zeka algoritmaları kullanarak ön işleme tekniklerinin performansını artırın
- Tez No: 799869
- Danışmanlar: YRD. DOÇ. DR. ABDULLAHİ ABDUL IBRAHIM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
COVID-19 pandemik salgını, 18 ayda dünyayı kasıp kavurdu ve sonuçları hiçbir şekilde azalmıyor. COVID-19 ve diğer akciğer hastalıklarıyla ilgili acil ihtiyaç, el cihazlarıyla hızlı çevrimiçi teşhistir. Bu kısıtlamaların ışığında, klinisyenler rutin olarak insan vücudundan gelen işitsel ipuçlarını (örn. damar üfürümleri, solunum, nabız, bağırsak sesleri vb.) hastalıkların veya hastalıkların gelişimi. Yakın zamana kadar, bu tür sinyaller genellikle planlanmış ziyaretler sırasında manuel oskültasyon yoluyla elde ediliyordu. Araştırma ayrıca kardiyovasküler veya solunum testleri için vücut seslerini toplamak için dijital teknolojileri kullanmaya başladı, örneğin stetoskoplardan, bunlar daha sonra otomatik yapay zeka tabanlı analiz için kullanılabilir. Erken bir çalışma, öksürük ve konuşma teşhis sinyallerinden COVID-19'u tespit etme sözü verdi. Bu araştırma çalışması, ön işleme tekniklerinin, solunum seslerinden oluşan büyük ölçekli, kitle kaynaklı bir veri seti üzerinde oluşturulan bir metodolojinin performansını nasıl artırabileceğini ve ön işleme tekniklerinin öksürük temelli tanı performansını hangi yollarla iyileştirdiğini açıklamaktadır. Bulgularımız, bir makine öğrenimi sınıflandırıcısının ön işleme tekniklerini uygulayarak sağlıklı bir bireyi bronşit, boğmaca veya COVID-19 nedeniyle öksürüğü olan bireyden daha iyi ayırt edeceğini göstermektedir. K-katlamalı öğrenme metodolojisi için kullanıcı tabanlı veri ayrıştırma ile sağlam sonuçlar elde edilmiştir. Sonuçlar, algoritmik bir ardışık düzende ön işleme tekniklerinin uygulanmasının etkinliğinde gözle görülür bir artış olduğunu göstermektedir. Bu ön bulgular, ses ve öksürük sinyallerine dayalı makine öğrenimi tekniklerinin potansiyelinin yüzeyini çiziyor. Çalışma, daha karmaşık ve yoğun kaynak tüketen alternatifleriyle rekabet edebilmeleri için hafif makine algoritmalarının performansını iyileştirmenin yolunu açıyor. Bu tür ilerlemeler, uygulama dağıtımının pratik alanında çok önemli olabilir.
Özet (Çeviri)
COVID-19 pandemic outbreak has taken the world by storm in the 18 months and the ramifications are by no means curtailing. The need of the hour with COVID-19 and other pulmonary diseases is a quick online diagnosis by handheld devices. In the light of these constraints, scientists are relying on audio based automated tech- niques since clinicians routinely use audio cues from the human body (e.g., vascular murmurs, respiration, pulse, bowel sounds etc.) as markers for diagnoses of diseases or the development of ailments. Until recently, such signals have been commonly obtained during scheduled visits via manual auscultation. Research has also begun to use digital technologies to collect body sounds for cardiovascular or respiratory tests, e.g., from stethoscopes, which can then be used for automated artificial- intelligence-based analysis. An early study has promised to detect COVID-19 from cough and speech diagnostic signals. This research work describes how preprocess- ing techniques can enhance the performance of a methodology established over a large-scale crowd-sourced dataset of respiratory audios and in what ways preprocess- ing techniques ameliorate the performance of cough-based diagnosis. Our findings demonstrate that a machine learning classifier will better distinguish a healthy in- dividual from individual with cough due to bronchitis, pertussis or COVID-19 by applying preprocessing techniques. Robust results have been procured by user-based data split-up for the K-fold learning methodology. The results show a noticeable increase in the efficacy of the application of preprocessing techniques in an algo- rithmic pipeline. These preliminary findings just scratch the surface of the potential of machine learning techniques based on audio and cough signals. The study paves the way for improving the performance of lightweight machine algorithms so that they can compete with their more complex and resource-intensive alternatives. Such advancements can be of paramount significance in the practical field of application deployment.
Benzer Tezler
- Açıklanabilir yapay zeka ile konut piyasasının geleceğinde veri odaklı kararlar
Data-driven decisions on the future of the housing market with explainable artificial intelligence
HALE UYSAL
Yüksek Lisans
Türkçe
2025
Yönetim Bilişim SistemleriBurdur Mehmet Akif Ersoy ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. ADNAN KALKAN
- Yapay Zeka'nın robot görmesi üzerine uygulanması
An Application of robot vision in artificial intelligence
FUNDA PEHLİVAN
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- A novel deep learning framework enhanced by hybrid optimization using dung beetle and fick's law for superior pneumonia detection
Üstün pnömoni tespiti için bok böceği ve fick yasası kullanılarak hibrit optimizasyonla geliştirilmiş yeni bir derin öğrenme çerçevesi
ABDULAZEEZ MOHAMMED IBRAHIM SABAAWI
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN KOYUNCU
- State of charge estimation of lithium-ion batteries using machine learning approach
Makine öğrenmesi yaklaşımı kullanılarak lityum iyon pillerin şarj durumu tahmini
OSMAN ALPER ALTUN
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİNE AYAZ