Yazar "Cömert, Zafer" seçeneğine göre listele

Listeleniyor 1 - 1 / 1
  • Küçük Resim
    Öğe
    Kardiyotokografi işaretlerinin analizi ve makine öğrenmesi teknikleri ile sınıflandırılması
    (İnönü Üniversitesi, 2017) Cömert, Zafer
    Kardiyotokografi (KTG) fetal sağlık durumunun belirlenmesi amacıyla gebelik dönemi ve doğum sırasında yaygın şekilde kullanılan bir fetal gözetim tekniğidir. Bir KTG testi, fetal kalp hızı (FKH) ve rahim kasılmalarını (RK) içeren başlıca iki biyofiziksel işaretin eşzamanlı olarak kayıt edilmesiyle elde edilmektedir. Bir gözetim tekniği olarak KTG, düşük pozitif tahmin değeri, yüksek yanıltıcılık oranı, yorumlanmasındaki öznellik, yeniden üretilebilirlik değerindeki tutarsızlık ve yüksek seviyede gözlem içi ve gözlemciler arası anlaşmazlık seviyesi gibi çeşitli problemlere sahiptir. KTG testi 1960'lı yılların sonlarından günümüze, dünya genelinde kliniksel olarak rutin bir şekilde uygulanmasına karşın, bu tanı testinin geçerliliği ve faydaları üzerindeki tartışmalar literatürde hala devam etmektedir. KTG'nin sahip olduğu problemlerin üstesinden gelmek üzere bilgisayar destekli KTG analizi en umut verici yöntem olarak görülmektedir. Tez çalışmasında öncelikle KTG analizi için geleneksel olarak kullanılan morfolojik özellikler dikkate alınmıştır. Aynı zamanda tanı için öncelik arz eden FKH işaretlerinin doğrusal ve doğrusal olmayan özellikleri çıkartılmıştır. Ayrıca, kliniksel açıdan vazgeçilmez olarak kabul edilen FKH değişkenliğini saptamak üzere zaman ve frekans alanında araştırmalar yürütülmüştür. Entropi tahmin edicilerine dayalı doğrusal olmayan analiz gerçekleştirilmiştir. Zaman-frekans alanında, farklı frekans aralıklarına odaklanan ve doku tanımlayıcılarına dayalı yeni bir özellik çıkarma yöntemi önerilmiştir. Bu kapsamda, gri seviyeli eş oluşum matrisi, lokal ikili desen ve bölütleme tabanlı fraktal doku analiz metotları literatüre kazandırılmıştır. Tez sürecinde yapılan çalışmalar neticesinde, KTG işaretlerini morfolojik, doğrusal, doğrusal olmayan, frekans ve zaman-frekans alanlarında analiz edilmesini sağlayan bir yazılım geliştirilmiştir. KTG işaretlerinin normal ve hipoksik olarak sınıflandırılmasını sağlamak üzere yapay sinir ağı, aşırı öğrenme makinesi, destek vektör makinesi, radyal tabanlı fonksiyon ağı gibi çeşitli makine öğrenmesi tekniklerinin kullanılması sağlanmıştır.