Akciğer sesleri kullanılarak akciğer hastalıkları teşhisi

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: İngilizce

Öğrenci: FEVZİ YASİN KABABULUT

Danışman: DAMLA GÜRKAN KUNTALP

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Dünyada milyonlarca insan akciğer hastalıklarından muzdarip. Bu tezde amacımız akciğer seslerinde yapılacak analizler ile akciğer hastalıkları teşhisine yardımcı olacak farklı teknikler geliştirmektir. Açık erişimli akciğer sesleri veritabanı olan ICBHI 2017 veritabanını kullandık. Bu veritabanında KOAH hasta kayıtları çoğunlukta olduğundan sınıf dengesizliğini ortadan kaldırmak adına veri görüntüleme, arttırma ve temizleme işlemlerini uygulayarak farklı verisetleri oluşturduk. Akciğer seslerinden Mel Frekans Kepstral Katsayıları (MFCC), Güç Spektral Yoğunluğu (PSD) ve istatistiksel öznitelikleri çıkardık ve veri örnekleme/arttırma yöntemlerini kullanarak makine öğrenme algoritmalarımızın performansını arttırmaya çalıştık. Özniteliklerin seçiminde Shapley değerlerinden iki şekilde yararlandık: Mutlak Shapley değerlerini dikkate alarak ve sınıf bazında Shapley değerlerinin katkısını kullanarak beş farklı öznitelik seti oluşturduk. Bu özellik setlerini kullanarak veri tabanındaki altı sınıf için (Sağlıklı, ÜSYE, KOAH, Bronşektazi, Zatüre ve Bronşiolit) altılı, beşli, dörtlü, üçlü ve ikili sınıflandırmalar yaptık. Bunların bir kısmında Shapley metotları kullanarak, bir kısmında ise kullanmadan makine öğrenme algoritmalarımızın farklı metriklerde sınıflandırma performanslarını ölçtük. Ayrıca Shapley metotlarından en başarılı olanlarını karar verici olarak seçip beş adet ikili sınıflandırmadan gelen sonuca göre akciğer hastalığı tahmini yapan topluluk klinik destek sistemleri tasarladık. Topluluk sistemlerinde Karar Ağacı algoritması kullanıldı. Karar ağacı algoritmasının kullanılmasının nedeni, özniteliklerin sınıf katkısını gösteren Shapley değerlerinin karar ağacı tabanlı algoritmalarla elde edilebilmesidir.