Tez No	İndirme	Tez Künye	Durumu
139431	Bu tezin, veri tabanı üzerinden yayınlanma izni bulunmamaktadır. Yayınlanma izni olmayan tezlerin basılı kopyalarına Üniversite kütüphaneniz aracılığıyla (TÜBESS üzerinden) erişebilirsiniz.	A Digital signal processing based instrument for real-time classification of pulmonary sounds / Gerçek zamanda çalışan digital signal processing tabanlı solunum sesleri sınıflandırıcı Yazar:SAMEER ALSMADİ Danışman: DOÇ. DR. YASEMİN KAHYA Yer Bilgisi: Boğaziçi Üniversitesi / Biyo-Medikal Mühendislik Enstitüsü / Biyomedikal Mühendisliği Ana Bilim Dalı Konu:Tıbbi Biyoloji = Medical Biology Dizin:	Onaylandı Yüksek Lisans İngilizce 2003 121 s.
GERÇEK ZAMANDA ÇALIŞAN DSP TABANLI SOLUNUM SESLERİ SINIFLANDIRICI AYGITI ÖZET Solunum seslerinin analizi genelde sayısal hale dönüştürülüp bloklar halinde saklanan veriler üzerinde gerçekleştirilmektedir. Ancak, sinyal işleme teknolojisi alanında meydana gelen gelişmeler ve sayısal sinyal işlemelerin gerçekleştirilmesi için özel olarak tasarlanan ve yüksek hızda çalışabilen mikroişlemcilerin ortaya çıkmasıyla birlikte, karmaşık sinyal işleme algoritmalarım gerçek zamanda uygulayabilen sistemlerin geliştirilmesi artık mümkün hale gelmiştir. Bu çalışmada, Motorola 56311 Sayısal İşaret İşlemci (DSP) tabanlı, akciğer seslerini sağlıklı ve hastalıklı olmak üzere iki sınıftan birine ayırabilen ve gerçek zamanda çalışan bir tanı sistemi gerçekleştirilmiştir. Bu cihazda iki girdi bulunmaktadır: birinci girdi hastanın göğüs duvarına yerleştirilen bir mikrofondan elde edilen ses işareti, diğeri ise akciğer seslerinin iç-solum^ ya da dış-soluma evresine ait olduğunu belirleyen akış-ölçerden elde edilen akış işaretinden oluşmaktakır. Taşıdıkları bilgiye ve onları üreten farklı mekanizmalara dayanarak, tam bir nefes süresi boyunca elde edilen akciğer sesleri akış işareti yardımı ile altı adet alt-evreye, ayrıca her bir alt-evre yüzde 25 oranında örtüşen on adet parçaya bölünmektedir. Levinson-Durbin algoritması kullanılarak, 512 noktalık Hamming penceresi ile ağırlıklandırılan her bir parça altıncı dereceden bir özbağlanımlı (AR) model ile temsil edilmektedir. Tam bir solunum devresine ait akciğer seslerinden elde edilen 60 öznitelik vektörün sınıflandırılması iki farklı sınıflandırıcı kullanarak yapılabilmektedir: Itakura, Euclidean, veya city-blok uzaklık ölçütüne dayanan k-en yakın komşu sınırlandırıcısı, ve Mahalanobis uzaklık ölçütüne dayanan minimum uzaklık sınırlandırıcısı. Tüm solunum devresine ait seslerin sınıflandırılması ise çoğunluğun oyuna bakarak yapılmaktadır. 21 sağlıklı kişiye ve restriktif veya/ve obstrüktif akciğer hastalıklardan şikayetçi 21 kişiye ait akciğer seslerinden oluşturulan referans kütüphaneler bu iki sınırlandırıcının eğitilmesinde kullanılmıştır. Cihazın ön panelinde bulunan tuşları kullanarak, teşhis işleminde kullanılacak sınıflandırıcı türünün ve uzaklık ölçütünün seçimi kolayca yapılabilmektedir. Buna ilaveten, cihazda bulunan tuşları kullanarak solunum seslerinin kaydedilmesi, sonradan dinlenmesi, sayısal olarak filtrelenmesi de isteğe bağlı olarak yapılabilmektedir. Yazılımın tümü çevirici (assembler) dilinde yazılmış olup sınıflandırma sonucu, seçilen menü öğesi ve sistemin genel durumu hakkındaki mesajlar cihaza eklenen LCD ekranda gösterilmektedir. Anahtar Sözcükler; Akciğer sesleri, DSP, özbağlanım, k-en yakın komşu, gerçek zamanda sınıflandırma.
IV A DSP BASED INSTRUMENT FOR REAL-TIME CLASSIFICATION OF PULMONARY SOUNDS ABSTRACT The analysis of respiratory sounds is often carried out on digitized signals once they have been sampled and stored as blocks of data. However, the advance of digital signal processing technology and the availability of high speed microprocessors specially designed for digital signal processing have now made it possible to develop systems that can apply complex signal processing algorithms in real time. In this work, a real-time diagnosis system, based on Motorola's 56311 Digital Signal Processor (DSP), was used to design an instrument capable of classifying lung sounds into two classes: healthy and pathological. The instrument has two inputs the first of which is from a microphone placed on the chest of the patient while the other is from a flowmeter that is used to label the lung sounds as belonging to the inspiration or expiration phase. Based on the information they bear and the different mechanisms that generate them, the stored lung sounds of a full respiratory cycle are divided, with the help of the flow signal, into six distinctive sub-phases. Next, each sub-phase is further divided into ten 25 per cent overlapping segments. After being weighted by a Hamming window with a length of 512 points, each segment is modeled by an autoregressive model of order six by means of the efficient Levinson-Durbin algorithm. The classification of each of the resulting 60 feature vectors can be done using two different types of classifiers: the k-nearest neighbor classifier based on either the Itakura, Euclidean, or city-block distance measure, and the minimum distance classifier based on the quadratic Mahalanobis distance measure. The classification of the whole respiratory cycle, however, is made using the majority voting method. Both of the classifiers were trained using different reference libraries obtained from 21 healthy subjects and 21 patients suffering from various restrictive or/and obstructive pulmonary diseases. The selection of the desired classifier type and the distance measure to be used in the diagnosis process can be done using the push-buttons located on the front panel of the instrument. These buttons also provide the user with the choices of recording, listening and digital filtering of the respiratory data. The software was written entirely in assembly language and a character display (LCD) was used for displaying the selected menu items, diagnosis result and other messages that convey information regarding the current state of the system. Keywords: Lung sounds, DSP, autoregression, k-nearest neighbor, real-time classification.