Oskültasyon seslerinden ampirik dalgacık dönüşümü analizi kullanılarak kronik obstrüktif akciğer hastalığının teşhisi

Gelişen teknoloji ile birlikte bilim dünyasında büyük gelişmeler görülmektedir. Bu gelişmelerden klinik tanı ve tedavi uygulamaları da büyük ölçüde etkilenmiştir. Sağlık alanında yapılan çalışmalar sonucu geliştirilen sistemler gerek hastalıkların tanısının konmasında, gerekse hastalıkların tedavisinde kullanılmaktadır. Bu çalışmalarda temel amaç hızlı, güvenilir ve maliyeti az sistemler geliştirerek hata payını azaltmak ve hekimlere yardım etmektir. Bu tezde, oskültasyon yöntemi ile elde edilmiş veriler kullanılarak Kronik Obstrüktif Akciğer Hastalığı (KOAH) rahatsızlığının hızlı ve etkili bir şekilde sınıflandırılması için yeni bir yöntem geliştirilmiştir. Literatürde oskültasyon tabanlı analizler ile solunum hastalıkları teşhisi üzerine pek çok çalışma vardır. Ancak bu tezi oluşturan çalışmanın diğerlerinden farkı Ampirik Dalgacık Dönüşümü (ADD) tabanlı veriler üzerinde analizler yapılmış olmasıdır. ADD, verilen bir sinyali farklı modlara ayırmak için kullanılan bir yöntemdir. Uyarlanabilir bir dalgacık filtre bankasının tasarımına dayanır. Bu çalışmada kullanılan veri tabanı üzerinde ADD tekniği kullanılarak daha önce hiç çalışma yapılmamıştır. Veriseti olarak yapay zekâ temelli klinik tanı ve tedavi uygulamalarında kullanılabilecek, 12 kanallı akciğer seslerinden ve 4 kanallı kalp seslerinden oluşan RespiratoryDatabase@TR veri tabanı kullanılmıştır. RespiratoryDatabase@TR veri tabanı içerisinde kalp ve akciğer sesleri dışında göğüs filmi, solunum fonksiyon testi ölçümleri ve SGRQ-C anketinin cevapları da bulunmaktadır. Oskültasyon sesleri üzerinde gerekli ön işlemler yapıldıktan sonra ADD yöntemi uygulanarak sinyallerin farklı modları elde edilmiştir. Dönüşüm sonrasında elde edilen veriler üzerinde istatistiksel öznitelikler hesaplanmıştır. Son olarak geliştirilen sistemin başarısı 9 farklı sınıflandırma modelleri üzerinde uygulanıp, performansları değerlendirilmiştir.