Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.11851/1788
Title: Pediatrik Hastalarda Üroflovmetre ve EMG Sinyallerinin Yapay Sinir Ağları Kullanılarak Sınıflandırılması
Other Titles: Classification of Uroflowmetry and EMG Signals of Pediatric Patients using Artificial Neural Networks
Authors: Yalçınkaya, Fikret
Çalışkan, Ozan
Eroğul, Osman
Irkılata, Cem
Köprü, Burak
Coğuplugil, Emrah
10187
Keywords: artificial neural networks
uroflowmeter
emg
classification
pediatry
yapay sinir ağları
üroflovmetre
EMG
sınıflandırma
pediatri
Issue Date: 2017
Publisher: IEEE
Source: 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.
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.
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.
URI: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8238031
https://hdl.handle.net/20.500.11851/1788
ISBN: 9781538606339
Appears in Collections:Biyomedikal Mühendisliği Bölümü / Department of Biomedical Engineering
Scopus İndeksli Yayınlar Koleksiyonu / Scopus Indexed Publications Collection
WoS İndeksli Yayınlar Koleksiyonu / WoS Indexed Publications Collection

Show full item record

CORE Recommender

Page view(s)

20
checked on Dec 26, 2022

Google ScholarTM

Check

Altmetric


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.