Karınca koloni optimizasyonuna dayalı yeni bir aritmi sınıflama tekniği
A novel arrhythmia classification method based on ant colony optimization
- Tez No: 252378
- Danışmanlar: DOÇ. DR. MEHMET KORÜREK
- Tez Türü: Doktora
- Konular: Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Bioengineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
- Sayfa Sayısı: 115
Özet
Bu çalışmada, Elektrokardiyogram (EKG) işaretlerinde ortaya çıkan aritmilerin Karınca Koloni Optimizasyon (KKO) temelli bölütleme teknikleri ile sınıflanması gerçekleştirilmiştir. Kullanılan EKG işaretleri MIT-BIH aritmi veritabanından alınmıştır. Yapılan uygulamada zaman uzayı öznitelikleri ve frekans uzayında Ayrık dalgacık dönüşüm (ADD) öznitelikleri analiz edilmiştir. ADD öznitelik sayısı zaman uzayındaki öznitelikle sayısıyla karşılaştırıldığında çok daha fazla olduğundan Temel Bileşen Analizi (TBA) vasıtasıyla farklı bir uzaya dönüştürülerek boyutları azaltılmış ve en yüksek enerjiye sahip öznitelikler seçilmiştir. Frekans uzayında seçilen bu öznitelikler zaman uzayındaki öznitelikler ile birleştirilerek sınıflayıcıya verilecek toplam giriş vektörü elde edilmiştir. Zaman uzayındaki öznitelikler, frekans uzayındaki öznitelikler ve her iki uzaydaki öznitelikler birlikte olacak şekilde farklı öğrenme ve test kümeleri oluşturularak sonuçlar mukayese edilmiştir. KKO temelli sınıflayıcının başarımını test etmek ve doğrulamak için yapılan çalışmaya paralel olarak öz örgütleme haritası özelliğine sahip Kohonen ağı ve geri yayılımlı yapay sinir ağ sistemleri geliştirilmiştir. Geliştirilen algoritmaların testi için MIT-BIH veritabanında 360 Hz ile LMII kanalından örneklenen 6 farklı ve önemli aritmi sınıfı kullanılmıştır. Normal sinus aritmi, erken karıncık atımları (?premature ventricular contraction?, PVC), erken kulakçık atımları (?atrial premature contraction?, APC), sağ dal blok (?right bundle branch block?, RBBB), karıncık füzyonu (?ventricular fusion?, F) ve füzyon (?fusion?, f). Sonuçlar incelendiğinde önerilen yöntemin zaman uzayındaki ve frekans uzayındaki özniteliklerin birlikte kullanılması durumunda sınıflama başarımı artırdığı görülmüştür.
Özet (Çeviri)
In this paper, Ant Colony Optimization (ACO) based clustering analysis of ECG arrhythmias taken from the MIT-BIH Arrhythmia Database is proposed. Both time domain and discrete wavelet transform based frequency domain features are used in the analysis. Since the number of wavelet coefficients are huge amount as compared to the time domain parameters, Principle Component Analysis based compression is applied on them in order to decrease their number to the number of time domain features and to obtain coefficients which has highest energy. Then, the reduced number of freqency parameters is combined with the time domain features, in order to get the total feature sets. Different types of feature sets are tried and the classification results are compared. These are; rare time domain feature set, rare frequency domain feature set and the mixture of them. Kohonen self organizing map and back propagation based neural network systems are developed in parallel to verify and measure the ACO classifier?s success. The method is tested with MIT-BIH database to classify 6 different critical and having vital importance arrhythmia types. These are normal sinus rhythm, premature ventricular contraction (PVC), atrial premature contraction (APC), right bundle branch block (RBBB), ventricular fusion (F) and fusion (f). Comparison results indicate that the proposed method with the mixture feature set gave a better success for the classification.
Benzer Tezler
- Kedi sürüsü optimizasyonuna dayalı yeni bir bulanık zaman serisi yaklaşımı
A new fuzzy time series approach based on cat swarm optimization
YASEMİN BURCU GÜNDOĞDU
Doktora
Türkçe
2018
İstatistikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. ÇAĞDAŞ HAKAN ALADAĞ
- Disk planlama için karınca koloni algoritmasına dayalı yeni bir metot
A New method for disk scheduling based ant colony optimization algorithm
SELÇUK ÖKDEM
Yüksek Lisans
Türkçe
2003
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERVİŞ KARABOĞA
- An intelligent 3D placement methodology for drone networks
Dron ağlarında akıllı 3B yerleştirme metodolojisi
ÇAĞLAR KARAHAN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BERK CANBERK
- Energy optimization in WSN routing by using the K-means clustering algorithm and ant colony algorithm
K-means kümeleme algoritması kullanılarak WSN yönlendirmede enerji optimizasyonu ve ant koloni algoritması
ABDULLAH TAREQ ALI AL KHAYYAT
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM
- Kablosuz algılayıcı ağlarında zeki yönlendirme teknikleri
Intelligent routing techniques for wireless sensor networks
SELÇUK ÖKDEM
Doktora
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DERVİŞ KARABOĞA