Derin öğrenme ile maksimum oksigen tüketimi tahmini

Kalp-solunum uygunluğu; solunum, kardiyovasküler ve iskelet-kas sistemlerine bağlı olduğu için sağlık ve fiziksel uygunluğun belirlenmesinde kullanılan önemli bir bileşendir. Kalp-solunum uygunluğunu tespit etmek için kullanılan standart yöntem maksimal egzersiz testi sırasında maksimum oksijen tüketiminin (VO2max) direk olarak ölçülmesidir. VO2max testi pahalı laboratuvar malzemesi, eğitimli teknisyenler, yüksek motivasyonlu bireyler, hatta bazı durumlarda bir doktorun desteğini gerektiren ve zaman alan bir testtir. Maksimal VO2max testinin dezavantajlarından dolayı, literatürde bu teste alternatif olarak birçok VO2max tahmin modeli önerilmiştir. Bu çalışmada, Derin Öğrenme Deep Learning (DP) yöntemi ile bireylerin VO2max değerini tahmin etmek üzere yeni modeller geliştirilecektir. Karşılaştırma amaçlı Destek Vektör Makinesi Support Vector Machine (SVM), Çok Katmanlı Algılayıcı Multilayer Perceptron (MLP) ve Tek Karar Ağacı Single Decision Tree (SDT) tabanlı tahmin modelleri de geliştirilecektir. Tahmin modellerinin performansı, 10 katlı çapraz doğrulama kullanılarak, standart tahmin hatası (Standard Error of Estimate – SEE) ve çoklu korelasyon katsayısı (Multiple Correlation Coefficient – R) hesaplanarak değerlen¬dirilecektir. DP tabanlı VO2max tahmin modellerinin diğer makine öğrenme tabanlı tahmin yöntemlerine göre daha performanslı çalışacağı beklenmektedir.