Derin öğrenme ile akciğer seslerinin yüksek doğrulukla sınıflandırılması

Solunum sistemi hastalıklarının erken teşhisi ve tedavisi, hastaların yaşam kalitesini artırmak ve ölüm oranlarını azaltmak açısından büyük önem taşımaktadır. Geleneksel olarak doktorlar, stetoskop kullanarak hastaların akciğer seslerini dinler ve bu seslere dayanarak tanı koyarlar. Ancak bu yöntem subjektif olup tecrübeye bağlıdır. Bu çalışmada, akciğer seslerinin otomatik sınıflandırılması hedeflenmiştir. Farklı filtre türleriyle kaydedilmiş ve çeşitli akciğer hastalıklarına sahip hastalardan alınmış ses dosyaları kullanılmıştır. Sesler, göğüs duvarının çeşitli noktalarından kaydedilmiş ve uzmanlar tarafından tanı konulmuştur. Veri artırma teknikleri kullanılarak (pitch shift ve zaman uzatma), modelin performansı artırılmıştır. Makine öğrenmesi teknikleri ile bu ses dosyalarından elde edilen MFCC özellikleri çıkarılmış ve Bidirectional LSTM (BiLSTM) katmanları içeren bir derin öğrenme modeli ile sınıflandırılmıştır. Bu çalışma, solunum sistemi hastalıklarının erken teşhisinde kullanılabilecek güvenilir ve etkili bir sistem geliştirmeyi amaçlamaktadır. Bulgular, sağlık profesyonellerine tanı sürecinde yardımcı olabilecek ve hasta bakımında önemli bir ilerleme sağlayabilecek niteliktedir.