Institutional Repository

Pediatrik Hastalarda Üroflovmetre ve EMG Sinyallerinin Yapay Sinir Ağları Kullanılarak Sınıflandırılması

Show simple item record

dc.contributor.author Yalcinkaya, Fikret
dc.contributor.author Caliskan, Ozan
dc.contributor.author Eroğul, Osman
dc.contributor.author Irkilata, Cem
dc.contributor.author Kopru, Burak
dc.contributor.author Coguplugil, Emrah
dc.date.accessioned 2019-07-08T13:29:35Z
dc.date.available 2019-07-08T13:29:35Z
dc.date.issued 2017
dc.identifier.citation Yalçinkaya, F., Çalişkan, O., Eroğul, O., Irkilata, C., Köprü, B., & Coğuplugil, E. (2017, October). Classification of uroflowmetry and EMG signals of pediatric patients using Artificial Neural Networks. In 2017 Medical Technologies National Congress (TIPTEKNO) (pp. 1-4). IEEE. en_US
dc.identifier.isbn 978-1-5386-0633-9
dc.identifier.other number of pages 4
dc.identifier.uri https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8238031
dc.identifier.uri http://hdl.handle.net/20.500.11851/1788
dc.description.abstract UF-EMG test, in which non-invasive uroflowmetry (UF) and electromyography (EMG) signals are simultaneously recorded, is frequently used in children diagnosed with lower urinary tract dysfunction disease (AUSD) and its treatment. In the literature, independent (single) UF signals and integrated (dual) UF-EMG signals are graded many times but there is no classification study of UF-EMG integrated signals with Artificial Neural Networks (ANN), although studies have been done to classify UF signals with ANN. In this paper, it was aimed to classify the UF-EMG signals recorded from pediatric patients during the UF-EMG tests in Urodinami Center of Gulhane Education and Research Hospital using ANN. 773 (80%) of the 967 patients with an average age of 8 were used for training and 194 (20%) were used for the test. In YSA, the contribution of the features obtained from the EMG signals played a crucial role and was the main reason to improve the signal classification from 58% to 84.02%. The new classification method created by the obtained data does facilitate the interpretation of UF-EMG results for the clinical personnel in diagnosis, follow-up and treatment of patients. It is also aimed that the pediatric patients living in regions with less access to health care can be treated by providing an early and easy preliminary diagnostic tool. en_US
dc.description.abstract Günümüzde çocuklarda alt üriner sistem disfonksiyonu (AÜSD) hastalıklarının teşhisinde ve tedavinin takibinde, girişimsel olmayan (noninvaziv) üroflovmetri (UF) ve elektromiyografi (EMG) sinyallerinin eşzamanlı olarak kaydedildiği UF-EMG testi sıklıkla kullanılmaktadır. Literatürde, bağımsız UF sinyalleri ve UF-EMG sinyalleri birçok defa derecelendirilmiş, UF sinyallerinin Yapay Sinir Ağları (YSA) ile sınıflandırılmasına dair çalışmalar yapılmış olmasına rağmen, UF-EMG sinyallerinin birlikte kullanıldığı YSA ile sınıflandırma çalışması bulunmamaktadır. Bu çalışmada, Gülhane Eğitim ve Araştırma Hastanesi Ürodinami Merkezinde, pediatrik hastalara uygulanan UFEMG testleri sırasında kaydedilen sinyallerin YSA kullanılarak sınıflandırılması amaçlanmıştır. Yaş ortalaması 8 olan 967 hasta verisinden 773 adedi (%80) eğitim, 194 adedi (%20) ise test amaçlı kullanılmış, YSA’da EMG sinyallerinden elde edilen özniteliklerin katkısı başarı oranının %58‘den %84,02 seviyelerine gelmesini sağlamıştır. Elde edilen veriler ile oluşturulan yeni sınıflandırma metodu hastaların tanı, takip ve tedavisinde sağlık personelinin UF-EMG sonuçlarını yorumlamasında kolaylık sağlamayı; sağlık hizmetine ulaşma imkânı daha az olan bölgelerdeki çocuk hastalara, daha erken ve kolay ön tanı konularak uygun tedaviye yönlendirme imkânı sağlamayı hedeflemektedir. tr_TR
dc.language.iso tur en_US
dc.publisher IEEE en_US
dc.relation.ispartof 2017 Medical Technologies National Congress (TIPTEKNO) en_US
dc.rights info:eu-repo/semantics/openAccess
dc.subject artificial neural networks en_US
dc.subject uroflowmeter en_US
dc.subject emg en_US
dc.subject classification en_US
dc.subject pediatry en_US
dc.subject yapay sinir ağları tr_TR
dc.subject üroflovmetre tr_TR
dc.subject EMG tr_TR
dc.subject sınıflandırma tr_TR
dc.subject pediatri tr_TR
dc.title Pediatrik Hastalarda Üroflovmetre ve EMG Sinyallerinin Yapay Sinir Ağları Kullanılarak Sınıflandırılması tr_TR
dc.title.alternative Classification of Uroflowmetry and EMG Signals of Pediatric Patients using Artificial Neural Networks en_US
dc.type conferenceObject en_US
dc.contributor.department TOBB ETU, Faculty of Engineering, Department of Biomedical Engineering en_US
dc.contributor.department TOBB ETÜ, Mühendislik Fakültesi, Biyomedikal Mühendisliği Bölümü tr_TR
dc.identifier.wos WOS:000427649500005
dc.identifier.scopus 2-s2.0-85047810056
dc.contributor.tobbetuauthor Eroğul, Osman
dc.contributor.YOKid 10187
dc.relation.publicationcategory Konferans Öğesi - Uluslararası - Kurum Öğretim Elemanı tr_TR


Files in this item

Files Size Format View

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record