Tez No	İndirme	Tez Künye	Durumu
499549		Enhancing deep extreme learning machines: Novel multi-kernel autoencoders and implementation for detecting the chronic obstructive pulmonary disease / Derin aşırı öğrenme makinelerinin geliştirilmesi: Yeni çok çekirdekli autoencoderlar ve kronik obstruktif akciğer hastalığının belirlenmesinde uygulanması Yazar:GÖKHAN ALTAN Danışman: YRD. DOÇ. DR. YAKUP KUTLU Yer Bilgisi: Mustafa Kemal Üniversitesi / Fen Bilimleri Enstitüsü / Enformatik Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering Dizin:	Onaylandı Doktora İngilizce 2018 179 s.
Günümüzde hızla gelişmeyi sürdüren tıbbi teşhis sistemleri ve tedavi yöntemlerine rağmen, kardiyo-pulmoner ve en çok da solunum rahatsızlıkları için hala en yaygın kullanılan teşhis ve muayene aracı oskültasyon sesleridir. Dünya Sağlık Örgütü, en ölümcül hastalıklar listesinde Kronik Obstrüktif Akciğer Rahatsızlığı (KOAH) gibi solunum rahatsızlıklarının başları çektiğini duyurmuştur. Bu hastalıklar için ayrılan yüksek meblağlı sağlık bütçeleri, sosyal yaşamda meydana getirdiği kısıtlamalar ve işgücü açığı düşünüldüğünde, erken evrelerde tanı koyma ve kontrol altına alınması hastalığın ileri boyutlara ulaşmasını engellemede önemli bir adımdır. Literatürde en büyük eksiklerden biri Bilgisayar destekli medikal arayüzler için geliştirilecek yöntemlere temel olabilecek geniş ve detaylı solunum rahatsızlığı veritabanının bulunmamasıdır. Bu çalışma yaşları 38 ile 68 arasında değişen 30 sağlıklı, Farklı evrelerdeki KOAH (KOAH0, KOAH1, KOAH2, KOAH3, KOAH4) ve Astım hastalarından oluşan 47 hastadan oluşan farklı sosyal-ekonomik düzeyden ve farklı cinsiyetten 77 kişilik bir popülasyonu kapsamaktadır. Kaydedilen oskültasyon sesleri ve multimedya verilerden oluşan tanı araçlarını içeren RespiratoryDatabase@TR oluşturulmuştur. RespiratoryDatabase@TR, ön ve arka oskültasyon bölgeleri olmak üzere 4 kanalı kalp, 12 kanalı akciğer odaklarını içeren 16 farklı kanaldan iki dijital stetoskopla sağ ve sol odaklardan eşzamanlı olarak kaydedilmiş oskültasyon seslerini içerir. Her hastaya özgü göğüs filmi, kalp ve akciğer sesleri, solunum fonksiyon testi ölçümleri, SGQR-C anketi cevapları gibi multimedya veri içermesi ve KOAH seviyelerini analiz edebilmesine imkân sağlaması özellikleriyle eşsiz bir solunum veritabanıdır. Aşırı Öğrenme Makineleri (AÖM) ve Derin Öğrenme son yıllarda derin analizleri hızlı biçimde gerçekleştirmeyi sağlayan popüler makine öğrenmesi algoritmalarıdır. AÖM ileri yönlü çalışan tek katmanlı yapay sinir ağı modeli olma özelliğine sahipken, Derin Öğrenme algoritmaları çok katmanlı yapısı ve denetimsiz öğrenmeyle ön eğitimden geçirilerek sonrasında sınıflandırıcı parametrelerinin optimize edilmesini sağlayan bir yapay sinir ağı modelidir. Bu tezde Derin öğrenmenin analiz kapasitesi ile AÖM genelleme başarımı ile hızını birleştirmeyi gerçekleştirecek farklı ayrıştırma yöntemleriyle çalışabilen çok çekirdekli Derin AÖM önerilmiştir. Oskültasyon sesleri Hilbert-Huang Dönüşümü, Ayrık Dalgacık Dönüşümünden elde edilen alt bantların istatistiksel öznitelikleri ve 3 boyutlu uzayda İkinci derece fark haritalarının nicelemesiyle elde edilen öznitelikler kullanılarak analiz edilmiştir. KOAH teşhisi ve KOAH seviyelerinin belirlenmesi üzerine farklı modeller geliştirilmiş ve performansları hesaplanmıştır.
Despite the rapid development of medical diagnostic systems and treatment modalities contemporarily, the most commonly used diagnostic and examination tool is still the auscultation sounds for most commonly cardio-respiratory and respiratory diseases. World Health Organization reports that respiratory diseases including Chronic Obstructive Pulmonary Disease (COPD) take the top places on the deadliest list. Taking into account of the limitations of diseases on social life, manpower deficit and the health budgets of the states and nations for these diseases, the early diagnosis and keeping under control in early stages is important steps for preventing disease reaching advanced levels. One of the biggest deficiencies in the literature is the lack of a comprehensive and detailed respiratory disease database, which may be used as the focus for novel methods for computer-aided medical interfaces. This study comprises of a population of 77 subjects from different socioeconomic status and sexuality, aged between 38 and 68, consisting of 30 healthy subjects that have never smoked, and 47 patients with COPD (COPD0, COPD1, COPD2, COPD3, and COPD4) and asthma. RespiratoryDatabase@TR containing diagnostic aids such as auscultation recordings and multimedia data was created. RespiratoryDatabase@TR contains the 16-channels auscultation sounds including 4-channel heart sounds, 12-channels lung sound which were recorded synchronously left and right sides form anterior and posterior lung auscultation areas. It is a unique respiratory database with the features of acquiring patient specific multimedia data such as chest X-ray, pulmonary function test measurements, SGRQ-C questionnaire answers, lung and heart sounds, and enabling analysis on COPD levels. Extreme Learning Machines (ELM) and Deep Learning are popular machine learning algorithms that enable rapid development of deep analyses in last decades. While the ELM has specifications of a single layer feedforward artificial neural network model, Deep Learning algorithms have the specifications of artificial neural network model that enables to optimize classifier parameters with supervised learning after applying pre-training with multilayer structure in unsupervised learning. In this thesis, Multi-kernel Deep ELM model is proposed, which can work with different decomposition kernels to realize the integrating the analysis capacity of Deep Learning and generalization performance of the ELM. The auscultation sounds were analysed by using statistical features of the subbands extracted using the Hilbert-Huang Transform and Discrete Wavelet Transform and by using the quantization features of Second Order Difference Plots in three-dimensional space. Different classification models were developed on the basis of the COPD diagnosis and severity classification of the COPD and the performances were evaluated.