Solunum seslerinin çok değişkenli modellenmesi ve tanıya yönelik sınıflandırılması

Bilgisayarlı solunum sesleri analizi, stetoskop ile dinlemenin aksine nicel ve nesnel değerlendirme imkanı sunması ile, son bir kaç onyılda öne çıkmıştır. Çok değişkenli yöntemler, çok kanallı ölçümlerin barındırdığı uzamsal bilgiyi açığa çıkararak, akciğerlerde gelişmiş patolojik koşullardan dolayı değişen sistem özelliklerini araştırmaya olanak sağlar. Bu çalışmada, çok değişkenli matematiksel bir model olan vektör öz-bağlanımlı (VÖB) model ele alınmış, solunum ses verisini ifade eden eniyi VÖB model, veri ve uygulama için özel olarak önerilen yeni başarım kriterleri kullanılarak araştırılmıştır. Kestirilen model parametreleri, klinik ortamlar için tanıya yönelik bir sınıflandırıcı geliştirme nihai amacı ile, $k$-en yakın komşu ($k$-EYK) algoritması, destek vektör makineleri (DVM) ve Gauss karışım modelleri (GKM) kullanılarak sınıflandırılmıştır. En işe yarar sınıflandırıcıyı tasarlamak amacı ile farklı veri kümeleri üzerinde çeşitli sınıflandırıcı tasarımları denenmiştir. Sağlıklı ve hasta gruplar başarılı bir şekilde ayrışmaktadır. Sağlıklı grubu ve tıkayıcı ve sınırlayıcı hastalık tiplerini içeren durumların sınıflandırılmasında hiyerarşik bir yapı önerilmiştir. Genel olarak, sağlıklı ve sınırlayıcı gruplar tıkayıcı gruptan daha başarılı şekilde ayrışmaktadır. GKM genel olarak tüm sınıflandırıcılar içinde en yetkini olmakla birlikte, belirli öznitelik düzenlemeleri için DVM de başarılıdır. Tanısal sınıflandırıcının klinik ortama uygun hale gelecek şekilde geliştirilmesi problemi halen, özellikle tıkayıcı hastalıkların karıştırılmasını önleyecek şekilde ayırdedici özellikleri daha da vurgulayan ek öznitelikler ile, araştırılmaya açıktır.