Geri Dön

Telemedikal elektrokardiyografi sinyallerin yapay sinir ağları ile değerlendirilmesi

Evaluation of telemedical electrocardiograph signals using artificial neural network

PDF İndir

  1. Tez No: 282746
  2. Yazar: YASHAR M. JWMAH
  3. Danışmanlar: DOÇ. DR. MUNQİTH SALEEM DAWOOD, PROF. DR. OSMAN NURİ UÇAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: EKG, Bağımsız bileşen analizi, Temel bileşen analizi, Dalgacık dönüşümü ve Yapay sinir ağları, Elektrokardiyografi, Electrocardiogram (ECG), Independent Component Analysis, Principal Component Analysis, Wavelet Transfo¬¬rm, Artificial Neural Network, Electrocardiography
  7. Yıl: 2010
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bazı yerlerde sağlık hizmetleri çok kısıtlı ve ya ulaşılamazdır. Bilim ve teknoloji geliştiğinden dolayı sağlık hizmetlerine hızlı ulaşıldı ve hayatımızı daha kolaylaştırdı.Elektrokardiyografi, kalp ritminin elektriksel özelliklerini kayıt etmektedir ve bu alet kalp aritmilerini belirlemede önemli rolu var. Kalp hastalıklarının ölüm oranı yüksek olmasından dolayı EKG'nin kalp ritmilerinin erken tanı ve kesin teşhisi hastalıkların tedavisinde çok önemlidir.Bu çalışmada MIT-BIH EKG aritmi veri tabanından alınan tele-medikal EKG sinyallerinin sınıflandırılması gerçekleştirilmiştir. Bu çalışma üç aşamadan oluşmaktadır. İlk aşamada EKG sinyal işlemi gerçekleştirilmiştir. Bu aşamada EKG sinyallerinin süzgeçlenmesi ve QRS dedeksiyonu gerçekleştirilmiştir. İkinci aşama, EKG sinyallerinin öznitelik çıkarma işlemidir. EKG sinyallerinin öznitelik çıkarması için bağımsız bileşen analizi, temel bileşen analizi ve dalgacık dönüşümü kullanılmıştır. Üçüncü aşama ise sınıflandırma aşamasıdır. Sınıflandırmada üç farklı sınıflandırma sistemi oluşturulmuştur. Bu sistemler; bağımsız bileşen analizi-yapay sinir ağları, temel bileşen analizi-yapay sinir ağları ve dalgacık dönüşümü-yapay sinir ağlarıdır.Sınıflandırmada 4 EKG sinyal sınıfı incelenmektedir. Bu sınıflar; Normal sinüs (N), Sol dal bloğu (LBBB), Sağ dal bloğu (RBBB) ve Atrial couplet (A.coup) kullanılmıştır. Gerçekleştirilen sınıflandırma sistemleri ile elde edilen sonuçlar; temel bileşen analizi % 99.2857, bağımsız bileşen analizi % 95.7143 ve dalgacık dönüşümü ise % 98.9286 elde edilmiştir.

Özet (Çeviri)

Health services in some places are very limited or not reachable. Advancement in science and technology has made services much more reachable and ultimately our life much easier.The electrocardiogram (ECG) is the recording of the electrical property of the heartbeats, and has become one of the most important tools in the diagnosis of heart diseases. Due to the high mortality rate of heart diseases, early detection and precise discrimination of ECG arrhythmia is very important for the treatment of patients.In this work, tele-medical ECG signals which were taken from MIT-BIH ECG arrhythmia database are classified. This study consists of three phases. The first phase is pre-processing of ECG signals. In this phase, ECG signals are filtered and QRS detection is realized. The second phase is feature extraction process. In feature extraction process; Principal Component Analysis (PCA), Independent Component Analysis (ICA) and Wavelet Transform (WT) are used. The third phase is classification process. Three different classification systems are consisted in this phase. These are: PCA-Artificial Neural Network (ANN), ICA-ANN and WT-ANN.Results showed that ECG beat types: normal beat (NORM), left bundle branch block beat (LBBB), right bundle branch block beat (RBBB), artial coupled beat (ACB) are detected and classified. The experiments classification accuracies are 99.2857 % for principal component analysis (PCA), 95.7143% for Independent Component Analysis (ICA), and 98.9286 % for Wavelet Transform.

Benzer Tezler

  1. Tez No

    112036

    Feature extraction from mammographic mass shapes and development of a mammogram database

    Mamografik kütle şekillerinden özellik çıkarımı ve bir mamogram veri tabanı geliştirilmesi

    GÖKHAN ERTAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2001

    Tıbbi BiyolojiBoğaziçi Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DOÇ.DR. HALİL ÖZCAN GÜLÇÜR

  2. Tez No

    126924

    İnsan vücudunun fotogrametrik yöntemle modellenmesi

    Human body modelling by photogrammetric method

    HASAN ATAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2002

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Jeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı

    PROF. DR. GÖNÜL TOZ

  3. Tez No

    200041

    Tıpta robot uygulamaları

    Robotic applications in clinical medicine

    SEÇİL ÖZÇILNAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Elektronik ve Bilgisayar Eğitimi Ana Bilim Dalı (disiplinlerarası)

    PROF.DR. İNAN GÜLER

  4. Tez No

    237341

    Özellik çıkarma teknikleri ve yapay sinir ağları kullanarak bir tele-kardiyoloji sistem tasarımı

    A tele-cardiology system design using feature extraction techniques and artificial neural networks

    RAHİME CEYLAN

    Doktora

    Türkçe

    Türkçe

    2009

    Elektrik ve Elektronik MühendisliğiSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YÜKSEL ÖZBAY

    PROF. DR. BEKİR KARLIK

  5. Tez No

    291769

    Kablosuz algılayıcı ağlarla yaşamsal işaretlerin takibi

    Vital signs monitoring with wireless sensor networks

    VOLKAN GÖREKE

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    Elektrik ve Elektronik MühendisliğiCumhuriyet Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YAVUZ TÜRKAY

Geri Dön