Show simple item record

dc.contributor.advisorÖncü, Ahmet
dc.contributor.advisorÖztürk, Cengizhan
dc.contributor.authorErdoğan, Sefa
dc.date.accessioned2020-12-23T10:36:36Z
dc.date.available2020-12-23T10:36:36Z
dc.date.submitted2019
dc.date.issued2019-12-12
dc.identifier.urihttps://acikbilim.yok.gov.tr/handle/20.500.12812/327082
dc.description.abstractSolunum 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.abstractRespiratory 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.languageEnglish
dc.language.isoen
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAttribution 4.0 United Statestr_TR
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectBiyoteknolojitr_TR
dc.subjectBiotechnologyen_US
dc.subjectElektrik ve Elektronik Mühendisliğitr_TR
dc.subjectElectrical and Electronics Engineeringen_US
dc.subjectTıbbi Biyolojitr_TR
dc.subjectMedical Biologyen_US
dc.titleNon-contact breathing abnormality detection using machine learning
dc.title.alternativeTemassız ölçüm ve makine ögrenmesi ile nefes bozuklugu teşhisi
dc.typemasterThesis
dc.date.updated2019-12-12
dc.contributor.departmentBiyomedikal Mühendisliği Anabilim Dalı
dc.identifier.yokid10288130
dc.publisher.instituteBiyo-Medikal Mühendislik Enstitüsü
dc.publisher.universityBOĞAZİÇİ ÜNİVERSİTESİ
dc.identifier.thesisid592717
dc.description.pages65
dc.publisher.disciplineDiğer


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess