Akciğer Hastalıklarının Dalgacık Katsayıları Kullanılarak Karar Ağaçlarına Dayalı Sınıflandırılması

Abstract

Günümüzde akciğer hastalıkları çok sık görülmektedir ve içerisinde bulunduğumuz Covid-19 salgını dolayısıyla da zatürre gibi bazı akciğer hastalıklarında yoğun artış yaşanmaktadır. Akciğer hastalıklarındaki ilk tanı oskültasyon yardımıyla konulmakta olup bu yöntem fiziksel muayene için ilk olarak tercih edilen düşük maliyetli ve etkili bir yöntemdir fakat oskültasyonda hastalık belirtileri elde edilse bile bu yöntem sesi bileşenlerine ayırıp karakterize etmez. Hastadaki sesleri dinleyen ve ön tanı koyan kişinin tecrübeli olması gerekmektedir buna rağmen ne kadar dikkatli olursa olsun insan kulağı bu sesleri her zaman eksiksiz duyacak kadar hassas bir organ değildir. Tanı sırasında doktora yardımcı olacak, küçük, hassas detayları kaçırmayacak ve sesi kolaylıkla karakterize edip ses bileşenlerin özelliklerini ve hangi hastalık grubunda yer aldığını tanımlayabilecek bir sistem gerekmektedir.Bu çalışmada elektronik stetoskop kullanılarak kronik obstrüktif akciğer hastalığı, üst solunum yolu enfeksiyonu, pnömoni ve sağlıklı kişilerden oluşan dört gruba ait akciğer sesleri Chebyshev filtre ile filtrelenmiş ve dalgacık dönüşümü, kısa zamanlı Fourier dönüşümü, güç spektral yoğunluğu kullanılarak elde edilen öznitelikler değerlendirilmiştir. Ayrıca literatürde daha çok tercih edilen dalgacık dönüşümü katsayıları kullanılarak Waikato Environment for Knowledge Analysis (WEKA) programı üzerinden karar ağaçları ile sınıflandırılma yapılmıştır. Böylelikle akciğer seslerinin çeşitli sinyal işleme metodları ile karakteristik özelliklerinin elde edilmesi ve sonrasındaki sınıflandırma ile %95-%99 değerleri arasındaki yüksek doğruluk oranıyla hastalık teşhisi yapılabileceği görülmüştür.

A Lung Sound Classification System Based on Data Augmenting Using ELM-Wavelet-AE

“…Since lung disorders are the third leading cause of death worldwide, identification and follow-up are critical [11]. Following the Covid-19 outbreak, a rise in lung illnesses has been observed [12]. As a result, professionals should develop new approaches for characterizing these disorders.…”