EHG sinyallerinden Erken Doğum Tespiti

Basit Öğe Kaydı
dc.contributor.authorSağlam, Ahmet
dc.contributor.authorŞentürk, Ümit
dc.contributor.authorYücedağ, İbrahim
dc.date.accessioned2025-03-24T19:48:16Z
dc.date.available2025-03-24T19:48:16Z
dc.date.issued2021
dc.departmentDüzce Üniversitesi
dc.description.abstractErken doğum dünya genelinde büyük problemlerden biridir. Geçmişten günümüze kadar erken doğumu tespit etmek amacıyla farklı yöntemler araştırılmış ve kullanılmıştır. En yaygın kullanılanları ise; Tokodinamometre cihazı, Transvajinal Serviks Uzunluğu, Bishop Skoru ve ElectroHysteroGram (EHG) sinyalidir. Yapılan araştırmalar, EHG sinyalleri kullanılarak Erken doğum riskinin tahmin edilmesinde yaygın olarak kullanıldığı gözlenmiştir. Çalışmalarda, EHG sinyallerinden öznitelik çıkartımı yapılıp, çeşitli regresyon algoritmaları ile Erken doğum riski tahmin edilmiştir. Bu çalışmada, EHG sinyalleri ile erken doğum tespitinde kullanılan yöntemlerde SMOTE algoritması incelenmiş ve kıyaslaması yapılmıştır. Sonuç olarak tüm yöntemlerde SMOTE algoritmasının sonuca ulaşmada etkili olduğu görülmüştür. Bu çalışmada, en iyi sonuç CNN algoritması ile elde edilmiştir
dc.description.abstractPremature birth is one of the major problems worldwide. Different methods have been researched and used to detect preterm birth from past to present. The most commonly used ones are; The tocodynamometer device is Transvaginal Cervix Length, Bishop Score and ElectroHysteroGram (EHG) signal. Studies have shown that it is widely used in estimating the risk of preterm birth using EHG signals. In the studies, feature extraction was made from EHG signals and preterm birth risk was estimated with various regression algorithms. In this study, the SMOTE algorithm in the methods used in the detection of preterm birth with EHG signals was examined and compared. As a result, it has been seen that the SMOTE algorithm is effective in reaching the result in all methods. In this study, the best result was obtained with the CNN algorithm
dc.identifier.doi10.31590/ejosat.1014179
dc.identifier.endpage1287
dc.identifier.issn2148-2683
dc.identifier.issue28
dc.identifier.startpage1283
dc.identifier.urihttps://doi.org/10.31590/ejosat.1014179
dc.identifier.urihttps://hdl.handle.net/20.500.12684/18846
dc.language.isoen
dc.publisherOsman SAĞDIÇ
dc.relation.ispartofAvrupa Bilim ve Teknoloji Dergisi
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_DergiPark_20250324
dc.subjectEHG|erken doğum|makine öğrenmesi|derin sinir ağları|CNN|EHG|preterm birth|machine learning|deep neural networks|CNN
dc.titleEHG sinyallerinden Erken Doğum Tespiti
dc.title.alternativePremature Birth Detection from EHG signals
dc.typeArticle

Dosyalar

Koleksiyon

Öksüz Yayınlar Koleksiyonu