Affiliation:
1. Manisa Celal Bayar University
2. MANİSA CELÂL BAYAR ÜNİVERSİTESİ
Abstract
Solunum sistemi hastalıkları hem dünyada hem ülkemizde milyonlarca kişinin ölümüne sebep olan tıbbi bir problemdir. Teknolojinin gelişmesi ile ortaya çıkan bilgisayar destekli tanı sistemleri solunum sistemi hastalıklarının erken teşhisinde umut vadetmektedir. Bu çalışmanın amacı sağlıklı ve çeşitli akciğer hastalıklarına sahip bireylerden alınan solunum seslerinin otomatik teşhisi ile hekime yardımcı olan ve Tıp eğitimi gören öğrencilerin solunum seslerini öğrenmesine imkan sağlayan tanı sistemi geliştirilmesidir. Çalışmadaki kullanılan solunum sesleri, Manisa Celal Bayar Üniversitesi Hafsa Sultan Hastahanesi Göğüs Hastalıkları Anabilim dalındaki uzman hekimler tarafından Littman 3200 Elektronik Stetoskop ile kaydedilmiştir. 105 gönüllüden kaydedilen yedi farklı solunum grubuna ait solunum sesleri filtreleme, öznitelik çıkarımı ve sınıflama gibi sinyal işleme yöntemlerine tabi tutularak otomatik teşhis gerçekleştirilme ve teşhis sonucuna göre hastanın sahip olabileceği olası hastalıklar Kullanıcı Ara yüzünde listelenmektedir. Geliştirilen programda kullanılan yöntemlerin eğitilmesi ve başarılarının test edilebilmesi amacıyla veriler, eğitim ve test verisi olarak ayrılmıştır. Eğitme aşamasında geçerlilik yöntemleri kullanılarak eğitim tutarlığı sağlanmıştır. Test verileri kullanılarak gerçekleştirilen analizler sonucunda Mel Frekansı Kepstral Katsayıları ve Destek Vektör Makineleri birlikte kullanıldığında en yüksek doğruluk oranı %94,5 olarak elde edilmiştir. Yüksek doğruluk oranı ile programın otomatik teşhisi başarılı bir şekilde gerçekleştirdiği kanıtlanmaktadır. Ayrıca Analiz programı Tıp öğrencilerinin kullanımına sunularak bir diğer hedefine de ulaşmıştır.
Funder
Manisa Celal Bayar Üniversitesi
Publisher
Kahramanmaras Sutcu Imam University Journal of Engineering Sciences
Subject
General Earth and Planetary Sciences,General Environmental Science
Reference26 articles.
1. Altan, G., Kutlu, Y., & Allahverdi, N. (2020). Deep learning on computerized analysis of chronic obstructive pulmonary disease. IEEE Journal of Biomedical and Health Informatics, 24(5), 1344–1350. https://doi.org/10.1109/JBHI.2019.2931395
2. Bahoura, M. (2006, May). Separation of crackles from vesicular sounds using wavelet packet transform. In 2006 IEEE International Conference on Acoustics Speed and Signal Processing Proceedings,(pp. 1076-1079). https://doi.org/10.1109/ICASSP.2006.1660533
3. Bahoura, M. (2009). Pattern recognition methods applied to respiratory sounds classification into normal and wheeze classes. Computers in Biology and Medicine, 39(9), 824–843. https://doi.org/10.1016/j.compbiomed.2009.06.011
4. Başer, F., & Apaydın, A. (2015). Sınıflandırma amaçlı destek vektör makinelerinin lojistik regresyon ile karşılaştırılması. Anadolu Üniversitesi Bilim Ve Teknoloji Dergisi - B Teorik Bilimler, 3(2), 53–65. https://doi.org/10.20290/btdb.67263
5. Demirci, B. A. (2019). Solunum sesleri ile göğüs hastalıklarının teşhisi. Yüksek Lisans Tezi. Manisa Celal Bayar Üniversitesi Fen Bilimleri Enstitüsü Elektrik-Elektronik Mühendisliği Anabilim Dalı, Manisa 104s.