Görüntüleme
13
İndirme
1
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.
Currently, lung diseases are very common, and because of the Covid-19 epidemic we find there is an intense increase in some lung diseases such as lungs. The first diagnosis of lung diseases is placed with the help of oxytocin and this method is the first low-cost and effective method for physical examination, but even if the symptoms of the disease are obtained in oxytocin, this method does not distinguish and characterize the sound components. The person who listenes to the sounds in the patient and pre-diagnoses should be experienced, but no matter how careful it is, the human ear is not always a sensitive organ enough to hear these sounds completely. It requires a system that will help the doctor during the diagnosis, not missing small, sensitive details and can easily characterize the sound and identify the characteristics of the sound components and which group of disease it is included. In this study, the lung sounds of four groups of chronic obstructive lungs disease, upper respiratory infection, pneumonia and healthy persons were filtered with the Chebyshev filter and evaluated the properties obtained using wave transformation, short-term Fourier transformation, power spectral intensity. It is also classified with decision trees through the Waikato Environment for Knowledge Analysis (WEKA) program using the most popular wave conversion ratings in literature. Thus, it has been shown that lung sounds can be diagnosed with a high accuracy rate between the various signal processing methods and their characteristics and subsequent classification and 95-99% values.
Today, lung diseases are very common and due to the Covid-19 epidemic we are in, there is an intense increase in some lung diseases such as pneumonia. The first diagnosis in lung diseases is made with the help of auscultation, and this method is the first preferred low-cost and effective method for physical examination, but even if disease symptoms are obtained in auscultation, this method does not separate and characterize the voice into its components. The person who listens to the sounds in the patient and makes a preliminary diagnosis must be experienced, however, no matter how carefully the human ear is not a sensitive organ that can always hear these sounds completely. A system is required to assist the doctor during the diagnosis, not to miss small, delicate details, and to easily characterize the sound and define the properties of the sound components and in which disease group it is involved. In this study, lung sounds belonging to four groups of chronic obstructive pulmonary disease, upper respiratory tract infection, pneumonia and healthy individuals were filtered with Chebyshev filter using electronic stethoscope and features obtained using wavelet transform, short-time Fourier transform, power spectral density were evaluated. Waikato Environment for Knowledge Analysis (WEKA) program was used to classify decision trees using wavelet transform coefficients, which are more preferred in the literature. Thus, it has been observed that the characteristic features of the lung sounds can be obtained with various signal processing methods and the diagnosis of the disease can be made with a high accuracy rate between 95% and 99% with the subsequent classification.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
