Research Information System
2020 Medical Technologies Congress (TIPTEKNO) , Antalya, Turkey, 19 - 20 November 2020, pp.1-5, (Full Text)
Lung sounds may vary according to various respiratory diseases of the person. Specialist physicians use this voice to make a diagnosis. To analyze the diagnosis according to the physician experience. Computer Aided Diagnostic Systems can help physicians in this regard. Disease recognition system in your lung voice data obtained by auscultation method. In experimental studies, machine learning methods used on 20 normal, 20 rhal and 20 rhonchus audio data from 60 patients were tried. The k-nearest neighbor (kNN) is evaluated in the support vector machine (SVM), Naive Bayes, decision tree and random forest category. In Naive Bayes classification method, 95% accuracy value is obtained with 10 cross-validation
Akciğer sesleri, insanın çeşitli solunum yolu rahatsızlıklarına göre değişebilmektedir. Uzman hekimler tanı koymak için bu ses verilerinden faydalanmaktadırlar. Tanı başarımı hekim tecrübesine göre değişiklik göstermektedir. Bilgisayar Destekli Tanı Sistemleri hekimlere bu konuda hekimlere yardımcı olabilir. Gerçekleştirilen bu çalışmada, öskültasyon yöntemi ile elde edilen akciğer ses verileri kullanılarak hastalık tanı sistemi geliştirilmiştir. Yapılan deneysel çalışmalarda, 60 hastadan alınan 20 normal, 20 rhal ve 20 rhonchus ses verisi üzerinde çeşitli makine öğrenmesi yöntemleri denemiştir. k-En yakın komşu (kNN), destek vektör makinesi (SVM), Naive Bayes, karar ağacı ve rassal orman sınıflandırıcısı kullanılarak sınıflandırıcı elde edilen sonuçlar sunulmuştur. Naive Bayes sınıflandırma yöntemi kullanılarak 10’luk çapraz doğrulama ile %95 doğruluk değeri elde edilmiştir.