Geri Dön

Kalp hastalıkları görüntüleri ile özellik çıkarma yöntemleri kullanılarak derin ve makine öğrenme yöntemlerinin performans karşılaştırması

Comparison of the performance of deep and machine learning methods using feature extraction methods from heart disease images

PDF İndir

  1. Tez No: 1002792
  2. Yazar: ŞULE TEMEL
  3. Danışmanlar: DOÇ. DR. FİLİZ SARI, DOÇ. DR. EMRE AVUÇLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Aksaray Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tez çalışmasında, elektrokardiyografi (EKG) sinyallerinin otomatik olarak sınıflandırılmasına yönelik hibrit bir yaklaşım önerilmiştir. Farklı veri tabanlarından elde edilen sinyaller ön işlem aşamalarından geçirilmiş; normalizasyon, yeniden örnekleme ve sinyalin görselleştirilmesi gibi adımlarla analiz için uygun hale getirilmiştir. Konvolüsyonel Sinir Ağı (CNN) tabanlı mimari kullanılarak sinyallerden yüksek seviyeli öznitelikler çıkarılmış; bu öznitelikler HOG, GLCM ve LBP gibi geleneksel yöntemlerle elde edilen özelliklerle birleştirilmiştir. ReliefF algoritmasıyla optimize edilen birleşik öznitelik kümesi, Random Forest sınıflandırıcısı ile değerlendirilmiştir. Elde edilen deneysel sonuçlar, önerilen modelin dört sınıflı EKG veri setinde %96,70 doğruluk oranına ulaştığını göstermektedir. Bu çalışma, yapay zekâ tabanlı yöntemlerin kardiyak ritim bozukluklarının tespitinde yüksek doğruluk sağlayarak klinik karar destek sistemlerinde etkili şekilde kullanılabileceğini ortaya koymaktadır.

Özet (Çeviri)

In this thesis, a hybrid approach is proposed for the automatic classification of electrocardiogram (ECG) signals. ECG recordings obtained from different databases were preprocessed through normalization, resampling, and visualization procedures to prepare them for analysis. High-level features were extracted using a Convolutional Neural Network (CNN) architecture and combined with handcrafted descriptors generated by traditional methods such as HOG, GLCM, and LBP. The merged feature set was optimized using the ReliefF algorithm and classified using the Random Forest model. Experimental results show that the proposed method achieves an accuracy of 96.70% on a four-class ECG dataset. The findings indicate that artificial intelligence-based systems can effectively identify cardiac rhythm disorders with high precision and may contribute significantly to clinical decision-support processes.

Benzer Tezler

  1. Tez No

    827867

    Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  2. Tez No

    847190

    Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  3. Tez No

    559298

    Diagnophone: An electronic stethoscope for respiratory audio analysis

    Dıagnophone: Solunum sesi analizi için bir elektronik steteskop tasarımı

    EGE YAĞ ÇAKIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. GÖKHAN İNCE

  4. Tez No

    637249

    Evaluation of interactions between SKOV3 cells and HER2 targeted monoclonal antibody with quartz crystal microbalance with dissipation as a novel approach

    Disipasyonlu kuvars kristal mikroterazi ile SKOV3 hücreleri ve HER2 hedefli monoklonal antikor arasındaki etkileşimlerin değerlendirilmesi

    HATİCE EKER

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Biyolojiİstanbul Teknik Üniversitesi

    Moleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı (disiplinlerarası)

    PROF. DR. FATMA NEŞE KÖK

  5. Tez No

    694216

    Fully supervised and semi-supervised semantic segmentation of cardiac mr using deep learning

    Tam denetımlı ve yarı denetımlı semantık segmentasyon derın öğrenmeyı kullanan kardıyak mr'nın

    MAHYAR BOLHASSANI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    ASST. ASSOC. DR. İLKAY ÖKSÜZ

Geri Dön