Non-contact breathing abnormality detection using machine learning
dc.contributor.advisor | Öncü, Ahmet | |
dc.contributor.advisor | Öztürk, Cengizhan | |
dc.contributor.author | Erdoğan, Sefa | |
dc.date.accessioned | 2020-12-23T10:36:36Z | |
dc.date.available | 2020-12-23T10:36:36Z | |
dc.date.submitted | 2019 | |
dc.date.issued | 2019-12-12 | |
dc.identifier.uri | https://acikbilim.yok.gov.tr/handle/20.500.12812/327082 | |
dc.description.abstract | Solunum hastalıkları dünyada sıklıkla görülmektedir ancak hastanın hayatı çokciddi sekilde etkilenmedigi sürece hastalık tedavi edilmemektedir. Temassız ölçümteknikleriyle ölçülebilen solunum hareketi hastanın sağlık durumuyla ilgili bilgiler içermektedir.Solunum hızı ve hareketinin temassız sürekli ölçümü hem hastalar, hemsağlık çalısanları için istenen bir imkandır. Doppler radar gögüs kafesi hareketinidoğru bir sekilde ölçebilir. Doppler radar modül tipi aynı zamanda ucuz ve erisilebilirbir radar tipidir. Göğüs kafesi hareketi kaydedildikten sonra makine ögrenmesi algoritmalarısolunum hareketi tipini tahmin edebilir. Çesitli solunum hareketlerininsınıflandırma algoritmalarının odaklanabilecegi farklı özellikleri bulunmaktadır. Buçalısmada, bir Doppler radar ölçüm düzeneği hazırlandı. Sistemin hassasiyeti servomotor konrollü lineer aktüatör ile test edildi ve radarın göğüs kafesi hareketini ölçebilirhassasiyette oldugu tespit edildi. 10 denekten normal, hipoventilasyon, Kussmaul,Cheyne-Stokes ve Biot dahil 5 nefes tipi toplandı. Her denek 5 nefes hareketi ürettiğinden,toplamda 50 ölçüm alındı. Sonuçlar, lineer diskriminant ve alt uzay diskriminanttopluluk sınıflandırıcılarının nefes hareketlerini %96 doğrulukla tahmin edebildiğini,kullanılan diger algoritmaların doğruluklarının ise %90'ın üstünde olduğunu gösterdi. | |
dc.description.abstract | Respiratory diseases are widely seen in the world and they are not seriouslyhandled until they start affecting the patient's life very badly. Respiration motioncontains information about the patient's health status which can be measured withnon-contact measurement techniques. Non-contact continuous measurement of respirationrate and pattern is desirable for both the patients and the caregivers. Dopplerradar can measure the chest wall displacement, accurately. It is also cheap and accessible.Once the chest wall motion is captured, machine learning algorithms canpredict the type of the breathing pattern. Different types of breathing patterns containdistinctive features that the classification algorithms can focus on. In this study,a Doppler radar measurement setup was prepared. The accuracy of the system wastested with a linear actuator and it found to be accurate enough to measure the chestwall displacement. 5 breathing patterns including normal, hypoventilation, Kussmaul,Cheyne-Stokes and Biot's breathing were collected from 10 subjects. Since each subjectreproduced 5 breathing patterns, a total of 50 measurements were taken. Resultsshow that prediction accuracy is 96% for linear discriminant and subspace ensembleclassifier, and other used algorithms also predict the patterns with more than 90%accuracy. | en_US |
dc.language | English | |
dc.language.iso | en | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights | Attribution 4.0 United States | tr_TR |
dc.rights.uri | https://creativecommons.org/licenses/by/4.0/ | |
dc.subject | Biyoteknoloji | tr_TR |
dc.subject | Biotechnology | en_US |
dc.subject | Elektrik ve Elektronik Mühendisliği | tr_TR |
dc.subject | Electrical and Electronics Engineering | en_US |
dc.subject | Tıbbi Biyoloji | tr_TR |
dc.subject | Medical Biology | en_US |
dc.title | Non-contact breathing abnormality detection using machine learning | |
dc.title.alternative | Temassız ölçüm ve makine ögrenmesi ile nefes bozuklugu teşhisi | |
dc.type | masterThesis | |
dc.date.updated | 2019-12-12 | |
dc.contributor.department | Biyomedikal Mühendisliği Anabilim Dalı | |
dc.identifier.yokid | 10288130 | |
dc.publisher.institute | Biyo-Medikal Mühendislik Enstitüsü | |
dc.publisher.university | BOĞAZİÇİ ÜNİVERSİTESİ | |
dc.identifier.thesisid | 592717 | |
dc.description.pages | 65 | |
dc.publisher.discipline | Diğer |