The computerized respiratory sound analysis systems provide vital information concerning the current condition of the lung. These systems, used by physicians for the diagnosis of diseases, help to classify respiratory sounds. Because each physician has different knowledge and experience, there is a problem with diagnosing and treating respiratory system diseases. This study will help the physician to decide in various difficult diagnostic situations easily. For this purpose, different machine learning classifiers and feature extraction models have been constituted to classify respiratory sounds as healthy and patient then its results were compared. In this study, Empirical Mode Decomposition, Mel Frequency Cepstral Coefficients, and Wavelet Transform methods are used for feature extraction, while k Nearest Neighbor, Artificial Neural Networks, and Support Vector Machines are used for classification. The best accuracy was 98.8% by using combination Mel Frequency Cepstral Coefficient and k Nearest Neighbor methods.

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.