İNŞaat mühendiSLİĞİ anabiLİm dali

ERDOĞDU ŞAKAR Betül
Danışman : Prof. Dr. Ahmet SERTBAŞ

Anabilim Dalı : Bilgisayar Mühendisliği

Programı : -

Mezuniyet Yılı : 2014

Tez Savunma Jürisi : Prof. Dr. Ahmet SERTBAŞ

Prof. Dr. Abdül Halim ZAİM

Prof. Dr. Fikret GÜRGEN

Prof. Dr. Aydın AKAN

Doç. Dr. Abdullah BAL

Çoklu Ses Kayıtları İçeren Bir Parkinson Konuşma Veri Kümesi Toplanması ve Analizi
Teknoloji ilerledikçe, tıp alanında kestirimci uzaktan tanı ve takip sistemlerinin kullanımı gittikçe artmaktadır. Bu tip sistemler tansiyon ve şeker gibi yaygın hastalıkların teşhis, tanı ve takibinde sıklıkla kullanılmaktadır. Bu sistemlere artan ilgiyle birlikte, Parkinson hastalığının teşhis, tanı ve takibinde kullanılabilecek konuşmadan örüntü tanıma uygulamalarına olan ilgi de artmıştır. Bu amaçla, bu çalışmada Parkinson hastaları için bir dizi konuşma alıştırmasından derlenmiş sürekli sesli harfleri, kelimeleri ve cümleleri içeren farklı ses örnekleri toplanmıştır. Her denek için birden fazla ses kaydı içeren bu tür bir veri kümesi üzerinde çalışacak kestirimci bir yapay öğrenme modeli çıkarımında iki temel sorun bulunmaktadır. Birincisi, bu farklı ses örneklerinin Parkinson hastalığının teşhisinde ne kadar kestirimci olabileceğini tahmin etmektir. Diğeri ise, bir deneğin tüm örnek ses kayıtları yerine bu kayıtların merkezi eğilim ve dağılım ölçütlerini kullanmanın bu deneğin tüm kayıtlarını ne kadar temsil edeceğidir. Bu çalışmanın amacı toplanan Parkinson veri kümesi üzerinde çeşitli yapay öğrenme algoritmalarını kullanarak hangi ses örneğinin daha başarılı sonuçlar vereceğini bulmak; ayrıca merkezi eğilim ve dağılım ölçütlerini kullanarak ses örneklerinden çıkarılan temsili değişkenlerin başarısını ölçmektir. Yapılan bu çalışma sonucunda toplanan Parkinson veri kümesi üzerinde kullanılan popüler yapay öğrenme algoritmaları göstermiştir ki daha önce yapılan çalışmalarda da gösterildiği gibi sürekli sesli harfler daha fazla ayırt edici bilgi içermektedir. Ayrıca bir deneğe ait farklı ses örneklerinin merkezi eğilim ve dağılım ölçütleri ile gösterimini kullanmak kestirimci modelin ayırt edici özelliğini arttırmaktadır.