İnsan sağlığı takibi için giyilebilir sensör verilerinin çok kipli ve füzyon tabanlı analizi

Bu çalışmada, sağlık bilişimi alanında, yaşlı ve bakıma muhtaç kişilerin, sağlık durumlarının ve günlük aktivitelerinin takibi amacıyla, farklı sensörlerden toplanan verilerden anlamlı bilgilerin elde edilebilmesi için, çok kipli ve füzyon tabanlı analizlere dayalı akıllı yöntemler geliştirilmiştir. Giyilebilir sensör olarak nabız, EKG, oksijen doygunluğu kullanılmıştır. Bu sensörlerden toplanan veriler ile aritmi, uyku apnesi hastalıklarının takibi ve erken tanılamasının yanı sıra, cep telefonu içerisinde bulunan sensörlerden ivmeölçer, manyetik alan ölçer, jiroskop ve eğimölçer sensörleri ile izlenen kişinin fiziksel aktivitesi incelenmiştir. Tez çalışması kapsamında, 12 farklı kişiden açık hava ile kapalı havada bulunma durumuna göre fiziksel aktivite verisi toplanmıştır. Toplanan veriler ile kişinin fiziksel aktivitesini nerede yaptığı bulunmuştur. Bu aşamada standart sapma ve üstel hareketli ortalama tabanlı yeni öznitelikler oluşturulmuştur. Kullanılan yeni öznitelikler ile yapılan çalışmalarda sınıflandırma performansının arttığı görülmüştür. Daha sonra bulunan öznitelik oluşturma yöntemlerinin başarımını test etmek için ele alınan veri kümesi dışındaki, uyku apnesi ve fiziksel aktivite veri kümelerinde de sınıflandırma performansı test edilmiştir. Farklı veri kümeleri ile kullanılan yeni öznitelikler ile yapılan çalışmalarda sınıflandırma performansının arttığı görülmüştür. Geleneksel sınıflandırma yöntemleri ile beraber bu tez çalışması kapsamında geliştirdiğimiz CNN+LSTM mimarisi karşılaştırılmış; sınıflandırma analizlerinde CNN+LSTM mimarisi ile performans artışı sağlandığı tespit edilmiştir.