Feature selection and classification for differential diagnosis of asthma and COPD
Astım ve KOAH ayırıcı tanısı için öznitelik seçimi ve sınıflandırma
- Tez No: 895042
- Danışmanlar: DR. ÖĞR. ÜYESİ İPEK ŞEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İstanbul Bilgi Üniversitesi
- Enstitü: Lisansüstü Programlar Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Astım ve kronik obstrüktif akciğer hastalığı (KOAH), klinik semptomların örtüşmesi ve mevcut yöntemlerin yetersizliği nedeniyle klinik olarak ayırt edilmesi zor olan iki kronik solunum yolu hastalığı türüdür. Bu nedenle, bu çalışmanın temel amacı, makine öğrenmesi yöntemlerini kullanarak ayırıcı tanı için pulmoner seslerden ve bunların vektör uzayında kombinasyonlarından hesaplanan akustik özellikleri sınıflandırmak için nicel bir yöntem geliştirmektir. Doktorlar tarafından klinik olarak tanı konulan 50 gönüllüden (30 astım ve 20 KOAH) toplanan akciğer seslerinden 22 farklı özellik tipi altında toplam 58 özellik hesaplanmıştır. Hesaplanan bu özellikler, bireysel performanslarına göre veri kümesi için en başarılı sınıflandırıcıyı bulmak amacıyla dört farklı sınıflandırıcıya girdi olarak verilmiştir. İleri sıralı özellik seçimi, doğrusal diskriminant analizi ve temel bileşen analizi gibi boyutluluk azaltma algoritmaları, en iyi performans gösteren sınıflandırıcı aracılığıyla en uygun özellik kümesini bulmak için ayrı ayrı ve birlikte kullanılmıştır. Bireysel performans ve zaman tüketimi nedeniyle özellik seçim sürecine k-en yakın komşu sınıflandırıcı ve radyal tabanlı çekirdek destek vektör makineleri ile devam edilmiştir. K-en yakın komşu sınıflandırıcı ile mel frekans cepstral katsayıları özellik ailesine uygulanan doğrusal diskriminant analizi sonucunda %97 F1 skoru elde edilmiştir. Radyal çekirdek destek vektör makineleri ile mel frekansı cepstral katsayıları ve özbağlanımlı model katsayıları özellik ailelerine uygulanan doğrusal diskriminant analizi sonucunda %98 F1 skoru elde edilmiştir.
Özet (Çeviri)
Asthma and chronic obstructive pulmonary disease (COPD) are two types of chronic respiratory diseases that are difficult to distinguish clinically due to the overlap of clinical symptoms and the inadequacy of existing methods. Therefore, the main objective of this study is to develop a quantitative method to classify acoustic features calculated from pulmonary sounds and their combinations in vector space for differential diagnosis using machine learning methods. A total of 58 features under 22 different feature types were calculated from lung sounds collected from 50 volunteers (30 with asthma and 20 with COPD) clinically diagnosed by physicians. These calculated features were given as input to four different classifiers to find the most successful classifier for the dataset based on their individual performances. Dimensionality reduction algorithms such as forward sequential feature selection, linear discriminant analysis, and principal component analysis were used separately and in combination to find the optimal feature set through the best-performing classifier. Due to the individual performance and time consumption, the feature selection process was continued with the k-nearest neighbor classifier and radial basis kernel support vector machines. With the k-nearest neighbor classifier, a 97% F1 score was achieved as a result of linear discriminant analysis applied to the mel frequency cepstral coefficients feature family. With radial kernel support vector machines, a 98% F1 score was achieved as a result of linear discriminant analysis applied to the feature families of mel-frequency cepstral coefficients and autocorrelated model coefficients.
Benzer Tezler
- Investigating the effect of different feature selection strategies for classification of gene expression signatures of tumor cells
Tümör hücrelerin gen ifade imzalarinin siniflandirilmasina ilişkin farkli özellik seçim stratejilerinin etkisinin incelenmesi
ABUBAKHARI SSERWADDA
Yüksek Lisans
İngilizce
2017
Biyoistatistikİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YUSUF YASLAN
- Makine öğrenmesi özellik seçimi (anova-boruta) ve sınıflandırma yaklaşımlarıyla pan-kanserde potansiyel mikroRNA biyobelirteçlerinin belirlenmesi
Identification of potential microRNA biomarkers in pan-cancer using machine learning feature selection and classification approaches
MELİKE KILIÇ
- Multi-modal neuroimaging data prediction: Estimation of connectional brain template and multigraph classification with application to gender fingerprinting
Çoklu modal nörogörüntüleme veri tahmini: Bağlantılı beyin şablonunun tahmini ve cinsiyet parmak izi uygulaması ile çoklu grafik sınıflandırma
NADA CHAARI
Doktora
İngilizce
2021
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE CAMGÖZ AKDAĞ
DR. ÖĞR. ÜYESİ ISLEM REKIK
- Pediatrik hastalarda timik lenfoid maligniteler ile rebound hiperplazi ayırımında textur analizi
Texture analysis in the differentiation of thymic lymphoid malignancies and rebound hyperplasia in pediatric patients
YEGANA MAMMADOVA
Tıpta Uzmanlık
Türkçe
2026
Radyoloji ve Nükleer Tıpİstanbul ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. ZUHAL BAYRAMOĞLU
- Radyolojik görüntülemede yapı çözümleme uygulamaları
Structural analysis applications in radiological imaging
MEHMET ERŞEN
Tıpta Uzmanlık
Türkçe
2019
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. HATİCE TUBA SANAL