Makine Öğrenme Algoritmaları Kullanarak Ses Verilerinde Hastalık Tespiti

Authors : Duygu ÇOKAY, Engin ŞAHİN

Pages : 61-71

Doi:10.70447/ktve.2422

View : 36 | Download : 1

Publication Date : 2024-08-04

Article Type : Research Paper

Abstract :[tur] Hastalıkların ileri evrelerde tespit edilmesi iyileşme oranlarını düşürür, tedavi sürecini zorlaştırır, iyileşme maliyetini artırır. Bu nedenle hastalıkların erken evrelerde tespit edilmesi önemlidir. Günümüzde makine öğrenmesi, yapay zeka, derin öğrenme yöntemleri; sağlık alanında, tıbbi veri analizi ve hastalık tespiti amacıyla yaygın şekilde kullanılmaktadır. Ses kısıklığı toplumda yaygın görülen şikayetlerden biridir. Ses kısıklığına neden olan ses teli polipi, gırtlak kanseri, akut larenjit, ses teli felci gibi çeşitli hastalıklar mevcuttur. Bu hastalıkların ortak noktası ses kısıklığı olmasına rağmen nedenleri, tedavi süreçleri, riskleri farklılık gösterir. Yapılan bu çalışmada, ses kısıklığına neden olan farklı hastalıkların, ses verileri kullanılarak, patolojik ve endoskopik muayeneden önce temel sınıflandırılmasının yapılması amaçlanmıştır. Çalışmada Saarland Üniversitesi Fonetik Enstitüsü tarafından oluşturulan Saarbruecken veri tabanından elde edilen ses verileri kullanılmıştır. Reinke ödemi olan, larenjit, kanser ya da kanser öncesi lekelenme tanısı bulunan, polip, ses teli felçli ve sağlıklı hastalardan oluşan toplamda 652 kişiye ait ses verisi üzerinde K En Yakın Komşu, Naive Bayes, Karar Ağacı, Destek Vektör Makinesi, Rassal Orman olarak beş farklı makine öğrenme algoritmasıyla sınıflama yapılmış elde edilen sonuçlar karmaşıklık matrisi kullanılarak karşılaştırılmıştır. [eng] Late detection of diseases reduces recovery rates, complicates the treatment process, and increases the cost of recovery. Therefore, early detection of diseases is important. Nowadays, machine learning, artificial intelligence, deep learning methods are widely used in the field of health for medical data analysis and disease detection purposes. Hoarseness is a common complaint in the community. Various diseases such as vocal cord polyp, laryngeal cancer, acute laryngitis, vocal cord paralysis can cause hoarseness. While hoarseness is a common symptom among these diseases, their causes, treatment processes, and risks vary. In this thesis, the aim was to make a basic classification of different diseases causing hoarseness using voice data before pathological and endoscopic examination. The study utilized the audio data obtained from the Saarbruecken database created by the Institute of Phonetics at Saarland University. Classification was performed using five different machine learning algorithms: K Nearest Neighbor, Naive Bayes, Decision Tree, Support Vector Machine, Random Forest on a total of 652 voice data from patients diagnosed with Reinke's edema, laryngitis, cancer, polyps, vocal cord paralysis, and healthy individuals. The results obtained were compared using a confusion matrix.
Keywords : Yapay zeka, Ses işleme, Makine Öğrenmesi, Machine Learning, Artificial Intelligence

ORIGINAL ARTICLE URL