Yeniden örnekleme ve makine öğrenimi teknikleri ile solunum seslerinin otomatik sınıflandırılması

İnsan akciğerlerinden yayılan solunum sinyalleri, bir hastanın akciğerlerinin sağlık durumu hakkında hayati ve belirleyici bilgiler verir. Geleneksel klinik yöntemler, profesyonel göğüs hastalıkları uzmanlarının bu tür sinyalleri doğru şekilde teşhis etmesini gerektirir. Bilgisayar destekli tanım sistemleri bu alanda sıklıkla kullanılmaktadır. Ancak Bilgisayar Destekli Tanım sistemlerinin yüksek başarım için yeterli miktarda veri kritik öneme sahiptir. Önerilen bu çalışmada, yeniden örneklenmiş solunum ses verilerinden normal/anormal sınıflandırması için otomatik bir tanı sistemi önerilmiştir. Öncelikle, yeniden örneklenmiş ses verilerinden 200'den fazla ses özelliği çıkarımı yapılmış, ardından öznitelik seçim yapılarak tahmin modeline sunulmuştur. Tahmin modelleri için k-En Yakın Komşu, Destek Vektör Makinesi, Naive Bayes, Karar Ağacı ve Rastgele Orman gibi geleneksel Makine Öğrenmesi modelleri kullanılmıştır. Her bir sınıflandırma yöntemi için 10-Kat Çapraz Geçerleme yapılmış, %93-%95 arasında sonuçlar elde edilmiştir.