Akciğer seslerinin sınıflandırılmasında evrişimi sinir ağlarına dayalı yaklaşım

Son birkaç on yılda, akciğer seslerinin tespiti, biyoinformatik alanındaki araştırmaların önemli bir odak noktası olmuştur. Akciğer sesleri, solunum yolu hastalıkları hakkında temel bilgileri iletir. Akciğer rahatsızlıkları olan vakaları teşhis etmek amacıyla, uygulayıcılar akciğer seslerini dinlemek için geleneksel statoskop kullanır. Ancak bu tekniğin birçok kısıtlaması vardır. Örneğin, doktor yeterince eğitimli değilse, bu yöntem yanlış tanıya neden olabilir. Ayrıca, akciğer sesleri sinyalleri durağan değildir, bu da analiz ve tanıma sürecini karmaşık hale getirir. Bu sebeplerden, Evrişimsel Sinir Ağlarının akciğer seslerini sınıflandırmada performansını belirlemeye yönelik araştırmalar, bu kısıtlamaların üstesinden gelinmesine yardımcı olabilir. Bu araştırmada, akciğer seslerini sınıflandırmak için üç farklı evrişimsel sinir ağı yaklaşımı uyguladık ve en popüler ve büyük veri tabanı olan ICBHI 2017 veri tabanını kullandık. İlk yaklaşımda, Kısa Zamanlı Fourier dönüşümü kullanarak spektrogram görüntülerini çıkardık ve ImageNet'ten ağırlıklar kullandık, ardından spektrogramları VGG16 modeline uyguladık. İkinci yaklaşımda, tüm sınıflarda üç farklı veri büyütme tekniği (Gürültü, Pitch Kaydırma ve Dinamik değişiklik sıkıştırma) uyguladık, ardından MFCC özniteliklerini çıkardık ve daha sonra Öznitelikleri Yoğun CNN'ye uyguladık. Üçüncü yaklaşımda ise sadece daha az örneği olan türler üzerinde veri büyütme işlemini gerçekleştirdik. Belirtilen üç yaklaşım için doğrulama doğruluğu sırasıyla %83, %91 ve %93 olarak elde edilmiştir.