robust regresyon algorİtmasi İle horlama seslerİnİn analİzİ ve klİnİk uygulamasi
DESCRIPTION
ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI. Mustafa ÇAVUŞOĞLU Mustafa KAMAŞAK Timur AKÇAM Sinan YETKİN Fuat ÖZGEN Osman EROĞUL. Horlama. - PowerPoint PPT PresentationTRANSCRIPT
![Page 1: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/1.jpg)
ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI
Mustafa ÇAVUŞOĞLUMustafa KAMAŞAK
Timur AKÇAMSinan YETKİNFuat ÖZGEN
Osman EROĞUL
![Page 2: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/2.jpg)
Horlama
Halk arasında bireyin çıkarttığı gürültülü ses olara tanımlanan , tıbbi manası ile uyku esnasında ağız ve yutak bölgesinde yer alan kasların ve küçük dilin gevşeyerek çökmesi ve akciğerden gelen havanın bu gevşemiş yapılara çarparak oluşturduğu titreşimdir.
Horlama sadece gürültü değil aynı zamanda ciddi uyku bozukluklarınında habercisidir.
![Page 3: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/3.jpg)
Horlama Şiddeti ve Evlilik
Asfalt Delme Makinesi= 75 decibel Formula 1 arabası = 105 decibel Horlama = 120 decibel
![Page 4: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/4.jpg)
Kimler Horlar?
Yeryüzündeki yetişkinlerin yüzde yirmisi horluyor. Ancak bu yüzde yirminin içinde erkeklerin oranı daha fazla.
İngiliz Horlama ve Uyku Apnesi Birliği’nin yaptığı bir araştırmaya göre, horlayanların çoğu ve onların yanlarında uyuyanlar, bu sorundan kurtulmakla ilgili rüyalar görüyorlar.
Horlamanın en büyük etkisi kalitesiz uyku ve yorgun uyanmak. Horlayanların çoğu baş ağrısı problemiyle de karşı karşıya.
Tabi buna eşinizle yaşayabileceğiz olası sorunları da dahil etmek mümkün
![Page 5: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/5.jpg)
Amaç
Bu çalışmada, uzun süreli solunum seslerini analiz etmek amacıyla bölütlenmiş horlama sesleri için bir sınıflandırma sistemi geliştirilmiştir.
Bu sınıflandırma sistemine niye ihtiyaç var?
![Page 6: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/6.jpg)
Ses Kayıtları
![Page 7: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/7.jpg)
Ses Kayıtları
![Page 8: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/8.jpg)
SINIFLANDIRMA
Hastalardan alınan ses kayıtları incelenerek,eldeedilen bölütler 10 farklı sınıfa ayrılmıştır. Horlama Nefes verme Öksürme Boğaz temizleme Tıkanma Burun çekme Yutkunma Konuşma Mırıltı Çevre gürültüsü
![Page 9: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/9.jpg)
SINIFLANDIRMA(HORLAMA)
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
x 105
-40
-30
-20
-10
0
10
20
30
örnek
genl
ik
![Page 10: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/10.jpg)
SINIFLANDIRMA(NEFES VERME)
0 0.5 1 1.5 2 2.5 3
x 105
-30
-20
-10
0
10
20
30
örnek
genl
ik
![Page 11: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/11.jpg)
SINIFLANDIRMA(ÖKSÜRME)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
x 105
-30
-20
-10
0
10
20
30
40
örnek
genl
ik
![Page 12: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/12.jpg)
SINIFLANDIRMA(BOĞAZ TEMİZLEME)
0 2 4 6 8 10 12 14 16 18
x 104
-50
0
50
örnek
genl
ik
![Page 13: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/13.jpg)
SNIFLANDIRMA(TIKANMA)
0 0.5 1 1.5 2 2.5 3
x 105
-60
-40
-20
0
20
40
60
örnek
genl
ik
![Page 14: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/14.jpg)
SINIFLANDIRMA(BURUN ÇEKME)
0 2 4 6 8 10 12 14 16 18
x 104
-15
-10
-5
0
5
10
15
örnek
genl
ik
![Page 15: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/15.jpg)
SINIFLANDIRMA(YUTKUNMA)
0 0.5 1 1.5 2 2.5
x 105
-20
-15
-10
-5
0
5
10
15
20
25
örnek
genl
ik
![Page 16: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/16.jpg)
SINIFLANDIRMA(KONUŞMA)
0 2 4 6 8 10 12 14
x 104
-50
-40
-30
-20
-10
0
10
20
30
40
örnek
genl
ik
![Page 17: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/17.jpg)
SINIFLANDIRMA(MIRILTI)
0 2 4 6 8 10 12 14 16
x 104
-25
-20
-15
-10
-5
0
5
10
15
20
25
örnek
genl
ik
![Page 18: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/18.jpg)
AMAÇ
Horlama seslerinin analizinde, sinyali zaman ve frekans bölgesinde karakterize eden özelliklerin hesaplanabilmesi için her bir horlama episodunun algılanması gerekmektedir.
Burada amaç horlama episodlarını seçip kayıtta bulunan öksürme, konuşma, tıkanma gibi diğer istenilmeyen gürültülerin reddedilmesidir.
![Page 19: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/19.jpg)
YÖNTEM
Horlama sesleri ile istenilmeyen dalga şekillerinin spektogramları incelendiğinde frekans bandlarına göre enerji dağılımlarının yoğunluklarının farklı olduğu görülmüştür.
Enerji dağılımındaki bu farklılıktan dolayı horlama seslerinin diğer gürültülerden ayırt edilmesi için spektogram tabanlı öznitelik vektörleri kullanılmıştır.
![Page 20: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/20.jpg)
SPEKTOGRAM
![Page 21: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/21.jpg)
SPEKTOGRAM
Yukarıdaki şekilde görüldügü üzere horlama seslerinin enerjisi belli frekans bölgelerinde yoğunlaşırken, istenilmeyen dalga şekillerinin enerjilerinin frekans bandlarına göre dağılımında bir yoğunlaşma görülmemektedir.
![Page 22: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/22.jpg)
YÖNTEM
Spektogram tabanlı öznitelik vektörleri hesaplamak amacıyla 0-7500 Hz aralığı 500 Hz’lik frekans bandlarına ayrılarak her bir banddaki toplam enerji miktarı bulunmuştur.
Kayıtlardaki episodların genlikleri hastadan hastaya değişebilmektedir.
Özniteliklerin hastadan bağımsız hale getirilebilmesi için 500 Hz’lik frekans bandlarının enerjisi episodun toplam enerjisi ile normalize edilmiştir.
![Page 23: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/23.jpg)
ÖZNİTELİKLER
Bu işlem ile elde edilen öznitelikler aşağıdaki şekilde ifade
edilmektedir.
Elde edilen öznitelik vektörlerinin oluşturduğu uzaydan, sınıflandırma probleminde temel olarak kullanılacak özniteliklerin bulunduğu altuzayın belirlenmesi için ana bileşenler analizi (principal component analysis) kullanılmıştır
7500
0
2
500
)1(500
2
),(
),(
f
i
ifi
fy
fy
![Page 24: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/24.jpg)
YÖNTEM
Bu alt uzayda yer alan yeni öznitelik vektörleri aşağıdaki gibi hesaplanmıştır.
Bu eşitlikte , eğitim veri kümesinden elde edilen
öznitelik vektörlerinin ortalamasını, C matrisi ise bu vektörlerin kovaryansını ifade etmektedir.
)()( TC
![Page 25: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/25.jpg)
KOVARYANS MATRİSİ
Bu kovaryans matrisinin ana bileşenleri aşağıdaki gibi hesaplanmıştır.
CWWW T
Wopt maxarg
2 4 6 8 10 12 140
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
Kovaryans Matrisinin özdegerleri
![Page 26: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/26.jpg)
YÖNTEM
Bu analizden elde edilen kovaryans matrisinin yüksek özdeğerlerine karşılık gelen özvektörler, sınıflandırma probleminde kullanılacak alt uzayın temel bileşenleridir. Diğer bir söyleyişle bu özvektörler sınıflandırma probleminde kullanılacak alt uzayı gerer. Öznitelik vektörlerinin bu alt uzaydaki izdüşümleri yeni öznitelik vektörlerini oluşturur.
![Page 27: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/27.jpg)
YÖNTEM
Hastalardan gece uykusu boyunca alınan ses kayıtları bölütlenerek sınıflandırılmıştır.
Bu sınıflandırma dikkate alınarak oluşturulan veri tabanı eğitim ve test kümesi olmak üzere iki kümeye ayrılmıştır.
Farklı apne/hipopne indeksine(AHI) sahip 30 farklı hastadan alınan episodlar için öznitelik vektörleri hesaplanmıştır.
Yukarıda anlatılan biçimde elde edilen kovaryans matrisinin özdeğerlerinden ilk ikisinin yüksek çıkması sınıflandırma problemi için kullanılacak alt uzayın iki boyutlu olmasının yeterli olacağını göstermektedir.
![Page 28: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/28.jpg)
YÖNTEM
Eğitim veri kümesinden elde edilen öznitelik vektörlerinin kullanılan alt uzaydaki iz düşümleri incelendiğinde bu yeni öznitelik vektörlerinin bir çizgi üzerinde toplandığı görülmüştür.
![Page 29: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/29.jpg)
YÖNTEM
Şekilde eğitim ve test kümelerinin kullanılan alt uzaydaki yerleri gösterilmektedir. Robust regresyon algoritması kullanılarak episodların horlama olup olmadığına karar verilmektedir.
![Page 30: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/30.jpg)
Eğitim ve test kümelerinin alt uzaydaki yerleri
![Page 31: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/31.jpg)
SONUÇ
Sonuç olarak horlama sesleri %94.4, istenilmeyen dalga şekilleri ise %90 doğrulukla sınıflandırılmıştır.
![Page 32: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/32.jpg)
Horlama Seslerinin Dedeksiyonu
![Page 33: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/33.jpg)
Sistemin öksürme episoduna tepkisi
![Page 34: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/34.jpg)
Almanya’ya yolunuz düşerse
Almanya’nın Aşağı Saksonya eyaletinde küçük bir kasaba olan Alfeld’teki müze, tamamıyla horlama fenomenine ve horlamayla savaşma yöntemlerine ayrılmış. Müzenin bilgilerine göre, şair Maria Novikova horlama üzerine mini bir şiir yazmış, şiirde şöyle diyor,
Bu rahatsız edici ses sonsuz aşkın garantisidir:
Bir kadın sevdiğinin horlamasını mazur görür, eğer daima yanında uyuyorsa…
![Page 35: ROBUST REGRESYON ALGORİTMASI İLE HORLAMA SESLERİNİN ANALİZİ VE KLİNİK UYGULAMASI](https://reader036.vdocuments.mx/reader036/viewer/2022081504/56813c0a550346895da573a1/html5/thumbnails/35.jpg)
Bir Soru Bir cevap !
Teşekkürler…