Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Marmara Üniversitesi, Sağlık Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2019
Tezin Dili: Türkçe
Öğrenci: BERKANT AYDEMİR
Danışman: Adil Deniz Duru
Özet:Amaç: Kalp atım hızı değişkenliği gibi fizyolojik parametrelerin ölçülmesi ancak kişinin kullandığı nabız bantlarıyla ya da giyilebilir teknoloji ürünleriyle mümkün olmaktadır. Bu çalışmada katılımcılar üzerinde herhangi bir sensör ya da bant kullanılmadan, egzersiz sırasında kameralarda elde edilen hızlı görütülerden yola çıkılarak ventilasyon ve kalp atım hızının kestirilmesi amaçlanmıştır. Gereç ve Yöntem: Katılımcıların oturur pozisyonda dinlenim durumunda, interval ve izometrik egzersizlerde kamera ve fotopletismografi (PPG) kullanılarak yüz görüntüleri ve PPG sinyali toplanmıştır. Yüksek (2k) ve düşük (400x180) piksel çözünürlüğünde iki farklı hızda (60 Hz ve 250 Hz) veriler alınmıştır. Altı katılımcıdan her bir durum için üçer dakika süresinde veri toplanmıştır. Video görüntülerinden alın kısmında elde edilen ortalama zaman serisine ve PPG verisine dalgacık dönüşümü uygulanmıştır. Ayrıca, alın görüntüleri iki boyutlu uzayda konvolüsyonel sinir ağlarında girdi olarak kullanılıp, egzersiz durumu kestirilmiştir. Bulgular: PPG ve video görüntülerine uygulanan dalgacık dönüşümü sonucunda nabız 0.5 ve 2 Hz aralığında, kameranın görüntüsünün yeşil renk bileşeni ile PPG arasında 0.9 değerinde korelasyon katsayısına ulaşıldı. Bu katsayı mavi bileşen için 0.79 ve kırmızı için ise 0.69 olarak gözlendi. Ayrıca,kişisel olarak gerçekleştirilen resim sınıflanıdırıcısında, üç sınıfın ayrışmasında %98 ortalama başarıya ulaşıldı. PPG ve video görüntülerine uygulanan dalgacık dönüşümü sonucunda nefes ritmi, kameranın yeşil ve mavi bileşeninde tüm zamanda 0.12 Hz civarında bir güç dağılımı gözlenmektedir. Sonuçlar: Dalgacık dönüşümü ppg ile kamera görüntüleri kalp atış hızını net olarak ayrıştırmıştır, ventilasyon gerekse de nefes ritmi farklı frekans aralıklarında gözlemlemiştir. Tüm alın görüntülerinin anlık olarak incelenmesi ile yüksek başarıya ulaşıldı. -------------------- Purpose: Measurement of physiological parameters such as heart rate variability is only possible with the use of pulse bands or wearable technology products. In this study, it was aimed to estimate ventilation and heart rate based on the rapid images obtained during the exercise without using any sensor or tape on the participants. Materials and Methods: Facial images and PPG signal were collected using camera and photopletismography (PPG) during interval and isometric exercises in the sitting position of the participants. High (2k) and low (400x180) pixel resolution data were obtained at two different speeds (60 Hz and 250 Hz). Data from six participants were collected for three minutes for each case. The wavelet transform was applied to the mean time series and PPG data obtained from the video images. In addition, forehead images were used as input in convolutional neural networks in two dimensional space and exercise status was estimated. Findings: As a result of the wavelet transform applied to PPG and video images, the correlation coefficient between PPG and the green component of the image of the camera was found to be 0.9 within the range of 0.5 and 2 Hz. This coefficient was 0.79 for the blue component and 0.69 for the red component. In addition, in the personalized picture classifier, 98% average success was achieved in the separation of the three classes. As a result of wavelet transform applied to PPG and video images, the rhythm of breath and the green and blue component of the camera have a power distribution of around 0.12 Hz all the time. Results: With wavelet transform ppg, the camera images clearly separated the heart rate, and both ventilation and breathing rhythm observed at different frequency ranges. All of the forehead images were examined with instant success.