Fourier tabanlı Senkrosıkıştırma Dönüşümü Kullanarak LSTM ile Solunum Seslerinin Sınıflanması
Abstract views: 45 / PDF downloads: 47
DOI:
https://doi.org/10.59287/iccar.775Keywords:
Solunum sesleri, Senkrosıkıştırma Dönüşümü, FSST, LSTM, SınıflamaAbstract
Bilgisayarlı solunum sesi analiz sistemleri, akciğerin mevcut durumu hakkında hayati bilgiler sağlar. Hekimlerin çeşitli solunum yolu hastalıklarının teşhisinde kullandıkları bu sistemler solunum seslerinin sınıflandırılmasına yardımcı olur. Hekimlerin farklı derecelerde bilgi ve deneyime sahip olması tanı ve dolayısıyla tedavide farklılıklara neden olabilmektedir. İyi kalibre edilmiş makine öğrenimi araçları, hekimlerin daha bilinçli kararlar almasına yardımcı olabilir. Bu amaçla, sağlıklı bireylerden ve hastalardan solunum seslerini sınıflandırmak için farklı makine öğrenme sınıflandırıcıları ve öznitelik çıkarım modelleri geliştirilmiştir. Bu çalışmada öznitelik çıkarımı için Fourier tabanlı Senkrosıkıştırma Dönüşümü, sınıflandırma için ise Derin Öğrenme algoritmalarında Zaman serileri için kullanılan Uzun Kısa Süreli Bellek (LSTM) yöntemi kullanılmış ve Doğruluk %84,67 olarak elde edilmiştir.