Pediatrik hastalarda üroflovmetre ve emg sinyallerinin yapay sinir ağları kullanılarak sınıflandırılması

Basit Öğe Kaydı
dc.contributor.advisorYalçınkaya, Fikret
dc.contributor.advisorEroğul, Osman
dc.contributor.authorÇalışkan, Ozan
dc.date.accessioned2021-01-16T19:08:51Z
dc.date.available2021-01-16T19:08:51Z
dc.date.issued2018
dc.departmentKKÜ, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Anabilim Dalı
dc.description.abstractÇocuklarda üroflovmetri uygulaması ile ilgili çalışmalar bu güne kadar geniş ilgi ve kullanım alanı bulmuştur. AR-GE süreci, üroflovmetri (UF) ve anal sfinkter elektromiyografi (sEMG) sinyallerinin eşzamanlı olarak kaydedildiği UF-sEMG tekniğinin, medikal tanı ve tedavi aşamasında büyük faydalar sağladığını göstermiştir. Süreç içerisinde "çocuklarda anal sfinkter EMG ve ürodinaminin birlikte kullanımı ile disfonksiyonel belirtiler arasındaki ilişkiyi" konu alan çalışmalara yer verilmiştir. UF-sEMG testinin girişimsel olmaması (noninvaziv), maliyetinin düşük, uygulama ve yorumlanmasının kolay olması gibi avantajları sayesinde, alt üriner sistem disfonksiyonu (AÜSD) hastalıklarının teşhisi ve tedavisinin takibinde UF-sEMG testine sıklıkla başvurulmaktadır. Literatürde, UF sinyalleri hem bağımsız hem de sEMG sinyalleri ile birlikte birçok defa derecelendirilmiştir. UF sinyallerinin Yapay Sinir Ağları (YSA) ile sınıflandırılmasına dair çalışmalar yapılmış olmasına karşın, UF-sEMG sinyallerinin YSA ile sınıflandırıldığı bir çalışma bulunmamaktadır. Bu tez çalışmasında, Gülhane Eğitim ve Araştırma Hastanesi Ürodinami Merkezinde, pediatrik hastaların UF-sEMG test sonuçları ile oluşturulan yeni derecelendirme metodunun YSA kullanılarak sınıflandırılması ve verifikasyonu gerçekleştirilmiştir. Yaş ortalaması 8 olan (1-14) 967 hasta verisinden 773 adedi (%80) YSA'nın eğitimi, 194 adedi (%20) ise YSA sonuçlarının hekim tanılarıyla karşılaştırılması için test amaçlı olarak kullanılmıştır. Pediatrik hastalara ait eş zamanlı kaydedilmiş UF ve sEMG sinyallerinden elde edilen öznitelikler Matlab R2016a ile yazılmış kodlar vasıtasıyla çıkarılmıştır. YSA'da giriş olarak kullanılmak üzere her bir hastanın UF sinyalinden 5 adet, sEMG sinyalinden bir adet öznitelik verisine yer verilmiştir. Ayrıca YSA'da yaş ve cinsiyet bilgisi de kullanılmıştır. Daha sonra sEMG sinyalinden elde edilen özniteliğin kullanılmadığı başka bir YSA oluşturulmuştur. Bu iki YSA karşılaştırıldığında, sEMG sinyali katkısının doğru tahmin başarısını %58,25'ten %82,99 seviyelerine getirdiği görülmüştür. Elde edilen sonuçlar; hastaların tanı, takip ve tedavi sürecinde sağlık personeline UF-sEMG sonuçlarını yorumlamada kolaylık sağlamayı, sağlık hizmetine ulaşma imkânı daha az olan bölgelerdeki çocuk hastalara, erken ve kolay ön tanı konularak uygun tedaviye yönlendirme imkânı sağlamayı hedeflemektedir.en_US
dc.description.abstractStudies on uroflowmetry in children have found wide interest and usage in the meantime. In children, the relationship between dysfunctional symptoms and the combined use of anal sphincter EMG (sEMG) and urodinamine has been studied. Improvements over time has shown that the UF-sEMG assay, in which uroflowmetry (UF) and sphincter electromyography (sEMG) signals are simultaneously recorded, provides great benefits in the medical diagnosis and treatment phase. The UF-sEMG test is frequently used in the diagnosis and treatment of lower urinary tract dysfunction (LUTD) disease due to its advantages such as noninvasiveness, low cost, and ease of application and interpretation. In the literature, UF signals are graded standalone independently and with sEMG signals many times together. Although studies have been carried out to classify UF signals with Artificial Neural Networks (ANN), there is no classification study with the ANN in which UF-sEMG signals are used jointly. This thesis aims to classify and verify via Artificial Neural Networks the new grading method, developed at the Urodinami Center of Gülhane Education and Research Hospital by using UF-sEMG test results of pediatric patients. 773 of the 967 patients (age 1-14) with a mean age of 8 (80%) were used for the training of the ANN, and 194 (20%) were used for the test to compare the ANN results with the physician diagnoses. Attributes were extracted using Matlab R2016a from simultaneously acquired UF and sEMG signals from pediatric patients. While 5 attributes were extracted from the UF signals, only one attribute was derived from the sEMG signals for ANN inputs. In addition, age and gender information was also used in YSA. Then second ANN was created in which the feature obtained from the sEMG signal was not used as an input. When the outcome of these two ANN were compared, it was found that the sEMG signal contribution improves the accuracy of prediction from 58,25% to 82,99%. Obtained results aim to provide ease in interpreting the results of UF-sEMG in the diagnosis, follow-up and treatment of the patients and to provide the possibility of directing appropriate treatment by making preliminary diagnosis easier and early diagnosis of children in regions with less access to health care.en_US
dc.identifier.endpage92en_US
dc.identifier.startpage1en_US
dc.identifier.uri
dc.identifier.urihttps://hdl.handle.net/20.500.12587/16747
dc.identifier.yoktezid520291
dc.language.isotr
dc.publisherKırıkkale Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectElektrik ve Elektronik Mühendisliğien_US
dc.subjectElectrical and Electronics Engineering ; Ürolojien_US
dc.subjecten_US
dc.titlePediatrik hastalarda üroflovmetre ve emg sinyallerinin yapay sinir ağları kullanılarak sınıflandırılmasıen_US
dc.title.alternativeClassification of uroflowmetry and emg signals of pediatric patients using artificial neural networksen_US
dc.typeMaster Thesisen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
520291.pdf
Boyut:
3.81 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam Metin/Full Text
İndir

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleksiyonu