Research Information System
Kuantum Teknolojileri ve Enformatik Araştırmaları Dergisi, vol.2, no.2, pp.61-71, 2024 (Peer-Reviewed Journal)
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. Bu çalışmada, ses kısıklığına neden olan farklı hastalıkların, ses verileri kullanılarak, patolojik ve endoskopik muayeneden önce 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. Elde edilen sonuçlara göre hastalıklı-sağlıklı ses ayrımında en yüksek doğruluk oranı 0,79 ile SVM algoritmalarından elde edilmiştir.