Obstructive sleep apnea is a sleep disorder which may lead to various results. While some studies used real-time systems, there are also numerous studies which focus on diagnosing Obstructive Sleep Apnea via signals obtained by polysomnography from apnea patients who spend the night in sleep laboratory. The mean, frequency and power of signals obtained from patients are frequently used. Obstructive Sleep Apnea of 74 patients were scored in this study. A visual-scoring based algorithm and a morphological filter via Artificial Neural Networks were used in order to diagnose Obstructive Sleep Apnea. After total accuracy of scoring was calculated via both methods, it was compared with visual scoring performed by the doctor. The algorithm used in the diagnosis of obstructive sleep apnea reached an average accuracy of 88.33 %, while Artificial Neural Networks and morphological filter method reached a success of 87.28 %. Scoring success was analyzed after it was grouped based on apnea/hypopnea. It is considered that both methods enable doctors to reduce time and costs in the diagnosis of Obstructive Sleep Apnea as well as ease of use.
Bu çalışmada, yenilenebilir enerji kaynağı olan güneş enerjisi kullanılarak Elektrikli Araçlar için akıllı hibrit şarj istasyonu tasarlanması hedeflenmiştir. Tasarlanan sistem, şarj istasyonu, fotovoltaik modül, akıllı inverter, depolama birimi, doğru akım-doğru akım düşüren tip dönüştürücü ve mikrodenetleyiciden oluşmaktadır. Şarj işleminde enerji öncelikle fotovoltaik modüllerden, yetersiz olması durumunda depolama biriminden, her iki kaynağın yetersiz olması ya da depolama birimindeki akülere aşırı yük bindiğinde, şebeke tarafından beslenecek şekilde akıllı inverter ayarları yapılmıştır. Akım ve gerilim kontrolü için mikrodenetleyicinin sinyal genişlik modülasyonu çıkışı ve doğru akım-doğru akım düşüren tip dönüştürücü kullanılmıştır. Dönüştürücünün parametreleri hesaplanarak Matlab/Simulink ile simülasyonu gerçekleştirilmiştir. Hesaplanan değerlerin, yapılan simülasyon ile uyumu dikkate alınarak dönüştürücü devresi tasarlanmıştır. Akü doluluk durumuna göre sabit akım ya da sabit gerilim şarj modu seçilerek elektrikli araç aküleri kontrollü olarak şarj edilmiştir Akım ve gerilim, geri beslemeleri kullanılarak referans değerlerle karşılaştırılıp sinyal genişlik modülasyonu görev oranının ayarlanması ile şarj işlemi yapılmıştır. Elektrikli araç aküleri, eşik akım değerinin altına düşünceye kadar şarj işlemine devam edilmiştir. Akü sıcaklığı 55°C’yi geçtiğinde şarj işlemini sonlandıracak şekilde sistem programlanmıştır. Ayrıca sistem parametrelerindeki değişiklikler 2x16 likit kristal ekran kullanılarak görüntülenmiştir.
ÖZETTarımsal sulamada, su kullanımı, zaman ve iş gücü açısından daha verimli olan damla sulama sistemlerinin yaygın kullanımı, bu sistemleri kontrol etme ihtiyacını artırmıştır. Son yıllarda her alanda olduğu gibi tarımsal sulamada da çeşitli kontrol sistemleri yaygın olarak kullanımı artmaktadır. Yapılan bu çalışmada su deposundaki su seviyesi, havanın sıcaklığı ve topraktaki nemin değerlerinin PLC (Programlanabilir Lojik Kontrolör) ile kontrol edildiği bir tarımsal sulama sistemi gerçekleştirilmiştir. Gerçekleştirilen kontrol sistemi ile tarımsal sulamalarda, su tüketimi ve zaman kullanımında tasarruf sağlanmasının yanı sıra kolay kullanılabilen ve izlenebilir bir tarımsal sulama sistemi amaçlanmıştır. ABSTRACTIn agricultural irrigation, the widespread use of drip irrigation system, which is more efficient in terms of water use, time and labor, has increased the need to control these systems. In recent years, the use of various control systems has dramatically increased in the field of agricultural irrigation. This study focuses on an agricultural irrigation control system based on PLC (Programmable Logic Controller) in order to control water level in the water tank, temperature and soil moisture. This study aims to save water and time in agricultural irrigation systems as well as designing an agricultural irrigation control system that can be monitored and easily used by a user.
ÖZET: Yıllardan beri Tıkayıcı Uyku Apnesi hastalığının teşhisi için çeşitli yöntemler kullanmıştır. Çalışmaların bir kısmında gerçek zamanlı sistemler kullanılırken, bir kısmında ise özellikle hastalık tanısı için, geceyi uyku laboratuvarında geçiren apne hastalarından polisomnografi cihazıyla elde edilen işaretler yardımıyla Tıkayıcı Uyku Apnesi belirlemeye dayalı çalışmalar yaygın olarak yapılmaktadır. Yapılan çalışmada hastalardan elde edilen işaretlerinin güç değerleri kullanılmıştır. Çalışmada, İleri beslemeli Yapay Sinir Ağları ve morfolojik filtre bir arada kullanılarak Tıkayıcı Uyku Apnesi belirlenmeye dayalı bir yöntem önerilmiştir. Yapılan skorlamanın toplam doğruluğu hesaplanarak, doktor tarafından yapılan görsel skorlama ile karşılaştırılmıştır. Yalnızca Yapay Sinir Ağları kullanılarak yapılan çalışmada başarım performansı düşük kalmıştır. Morfolojik filtrelerin kullanıldığında sınıflandırma performansı önemli oranda artmıştır. Önerilen yöntemle ortalama %90,7 doğruluk oranına ulaşılmıştır. Önerilen yöntem kullanılarak Tıkayıcı uyku apnesinin belirlendiğinde, doktorların incelemeler için uzun zaman kayıplarının önüne geçeceği kullanım kolaylığı sağlayacağı düşünülmektedir. Anahtar Kelimeler: Yapay Sinir Ağı, Tıkayıcı Uyku Apnesi, Morfolojik Filtre, Polisomnografi A New Method for Obstructive sleep apnea classification using Feedforward Neural Networks and Morphological FilterABSTRACT: Various metods have been used so far for the diagnosis of Obstructive Sleep Apnea. While some studies used real-time systems, there are also numerous studies which focus on diagnosing Obstructive Sleep Apnea via signals obtained by polysomnography from apnea patients who spend the night in sleep laboratory. Pover values of signals obtained from patients were used in this study. The method proposed in this study combines Feedforward Neural Network and morphological filter in order to diagnose Obstructive Sleep Apnea. After total accuracy of scoring was calculated, it was compared with visual scoring performed by the doctor. While the classification performance is low in the study carried out via Artifical Neural Networks, its performance significantly increased when ANN and morphological filters were used together. The proposed method reached an accuracy of 90.7 percent. The proposed method reduces the time in the diagnosis of Obstructive Sleep Apnea as well as offering an easier usage.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.