Classıfıcatıon of ECG sıgnal under dıfferent representatıons to dıagnose cardıac arrythmıas
Kardıyak arıtmılerın tanısı içın farklı temsıller altında ECG sınyalının sınıflandırılması
- Tez No: 1001541
- Danışmanlar: PROF. DR. VİLDA PURUTÇUOĞLU, DOÇ. DR. HAYDAR ANKIŞHAN
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: EKG Sinyali, Aritmi Algılama, Döngüsel Dönüşüm, Özellik Çıkarma, Sınıflandırma, ECG Signal, Arrhythmia Detection, Cyclic Transformation, Feature Extraction, Classification
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Bilimler ve Mühendislik Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kalp aritmilerinin teşhisi klinik aşamada önemli bir rol oynar. Biyomedikal mühendislik çözümleri, aritmi tespiti için Elektrokardiyografik (EKG) sinyal sınıflandırmasına odaklanır. Ritmik bir yapıya sahip EKG sinyallerinin doğası, sinyalin döngüsel dönüşümünün sınıflandırma başarısını artırabileceği sorusunu gündeme getirir. Bu motivasyonla, çalışmamız EKG sinyalinin döngüsel dönüşümünü, döngüsel yapının test edilmesini, sinyal özelliklerini temsil eden yetenekli özelliklerin çıkarılmasını ve çeşitli sınıflandırma yöntemlerinde sağlıklı veya aritmi noktalarının yanı sıra belirli aritmi konularının ayırt edilmesini ve son olarak doğruluk ölçütüne göre performansların değerlendirilmesini ve karşılaştırılmasını içermektedir. Bu kapsamda, sonuçlar EKG sinyalinin döngüsel bir oluşumla verimli bir şekilde temsil edilebileceğini, klasik istatistiksel, dalgacık, dairesel istatistiksel, dairesel mesafe tabanlı ve regresyon tabanlı yöntemlerle organize edilen özellik kümelerinin kapsamlı bir perspektif sağladığını ortaya koymaktadır. Sınıflandırma yöntemlerinin doğruluk sonuçları, sinyal süresi, veri temsil türü, özellik kümesi katkısı ve sınıflandırma stratejisine dayanan çeşitli analizler sunar ve bunlar birlikte klinik değerlendirme aşamasında aritmi sınıflandırmasını anlamak için açık ve pratik bilgiler sağlar.
Özet (Çeviri)
Diagnosis of cardiac arrhythmias plays an important role in the clinical stage. Biomedical engineering solutions focus on Electrocardiographic (ECG) signal classification for arrhythmia detection. The nature of ECG signals with a rhythmic structure raises a question: whether the cyclic transformation of the signal may enhance classification success. With this motivation, our study comprises cyclic transforming of the ECG signal, testing the cyclic structure, extracting capable features that represent signal characteristics, and distinguishing healthy or arrhythmia points as well as specific arrhythmia subjects, in various classification methods, and finally evaluating and comparing the performances according to the accuracy metric. Within this scope, outcomes reveal that the ECG signal can be represented with a cyclic formation efficiently, feature sets that are organized with classical statistical, wavelet, circular statistical, circular distance-based, and regression-based methods provide a comprehensive perspective. The accuracy results of the classification methods provide several analyses that are based on signal duration, data representation type, feature set contribution, and classification strategy, which together offer clear and practical information for understanding arrhythmia classification during the clinical evaluation stage.
Benzer Tezler
- Elektrokardiyogram verilerinin iyileştirilmiş yapay arı kolonisi (MABC) algoritması ile analizi
Analysis of electrocardiogram data by using modified artificial bee colony (MABC) algorithm
SELİM DİLMAÇ
Doktora
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Time series classification via topological data analysis
Topolojik veri analizi ile zaman serilerinin sınıflandırılması
ALPEREN KARAN
Doktora
İngilizce
2022
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. ATABEY KAYGUN
- Biyomedikal işaretlerin zaman-frekans yöntemleri ile analizi ve sınıflandırılması
Analysis and classification of biomedical signals by time-frequency methods
ALİ KIRKBAŞ
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiPamukkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AYDIN KIZILKAYA
- Yapay sinir ağları ve genetik algoritmalar kullanılarak EKG vurularının sınıflandırılması
Classification of ECG beats by using artifical neural networks and genetic algorithms
ZÜMRAY DOKUR
- Kalp seslerinin analizi ve yapay sinir ağları ile sınıflandırılması
Analysis of heart sounds and classification of by using artificial neural networks
ÖZGÜR SAY
Yüksek Lisans
Türkçe
2002
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ZÜMRAY DOKUR ÖLMEZ