Title: Effect of Deep Learning Feature Inference Techniques on Respiratory Sounds

Abstract: Analysis of respiratory sounds increases its importance every day. Many different methods are available in the analysis, and new techniques are continuing to be developed to further improve these methods. Features are extracted from audio signals and trained using different machine learning techniques. The use of deep learning, which is a different method and has increased in recent years, also shows its influence in this field. Deep learning techniques applied to the image of audio signals give good results and continue to be developed. In this study, image filters were applied to the values obtained from audio signals and the results of the features formed from this were examined in machine learning and deep learning techniques. Their results were compared with the results of methods that had previously achieved good results.

Keywords: Respiratory sounds; transfer learning

Başlık: Derin Öğrenme Öznitelik Çıkarma Tekniklerinin Solunum Sesleri Üzerindeki Etkisi

Özet: Solunum seslerinin analizi her geçen gün önemini daha da arttırmaktadır. Analizde birçok farklı yöntem mevcuttur ve bu yöntemleri daha da iyileştirmek için yeni teknikler geliştirilmeye devam edilmektedir. Genellikle ses sinyallerinden öznitelik çıkarımı yapılmakta ve farklı makine öğrenmesi teknikleri ile eğitim yapılmaktadır. Farklı bir yöntem olan ve son yıllarda artış gösteren derin öğrenme kullanımı bu alanda da etkisini göstermektedir. Ses sinyallerinin görüntüsüne uygulanan derin öğrenme teknikleri iyi sonuçlar vermekte ve geliştirilmeye devam edilmektedir. Bu çalışmada, ses sinyallerinden elde edilen değerlere görüntü filtreleri uygulanmış ve bundan oluşan özelliklerin sonuçları makine öğrenimi ve derin öğrenme tekniklerinde incelenmiştir. Sonuçları daha önce iyi sonuçlar elde edilmiş yöntemlerin sonuçları ile kıyaslanmıştır.

Anahtar kelimeler: Solunum sesleri; transfer öğrenimi

• Altan G, Kutlu Y, Pekmezci A, Yayik A. Diagnosis of chronic obstructive pulmonary disease using deep extreme learning machines with LU autoencoder kernel. In 7th International Conference on Advanced Technologies (ICAT'18), 2018, pp. 618-622.
• Altan G, Kutlu Y, Garbi Y, Pekmezci AO, Nural S. (2017). Multimedia respiratory database (RespiratoryDatabase@TR): Auscultation sounds and chest x-rays. NESciences 2017; 2(3): 59-72.
• Altan G, Kutlu Y, Pekmezci A, Nural S. Asthma analysis using deep learning. In 7th International Conference on Advanced Technologies (ICAT'18), 2018.
• Demir F, Sengur A, Bajaj V. Convolutional neural networks based efficient approach for classification of lung diseases. Health Information Science and Systems 2020; 8: 4.
• Aykanat M, Kilic O, Kurt B, Saryal S. Classification of lung sounds using convolutional neural networks. EURASIP Journal on Image and Video Processing 2017; 2017: 1.
• Liu R, Cai S, Zhang K, Hu N. Detection of adventitious respiratory sounds based on convolutional neural network. In 2019 International Conference on Intelligent Informatics and Biomedical Sciences (ICIIBMS), 2019.
• Chamberlain D, Kodgule R, Ganelin D, Miglani V, Fletcher RR. Application of semi-supervised deep learning to lung sound analysis. In 2016 38th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), 2016.