Use of genetic algorithm for selection of regularization parameters in multiple constraint inverse ECG problem
Çok kısıtlı ters EKG probleminde düzenleştirme parametrelerinin seçiminde genetik algoritma kullanılması
- Tez No: 286137
- Danışmanlar: YRD. DOÇ. DR. YEŞİM SERİNAĞAOĞLU DOĞRUSÖZ
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Bioengineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bölümü
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 122
Özet
İleri ve geri elektrokardiyografi (EKG) problemlerinde ana hedef kalbin elektriksel aktivitesinin daha iyi bir şekilde anlaşılmasıdır. İleri EKG probleminde, kalpteki elektriksel kaynakların biliniyor olduğu varsayılarak vücut yüzeyi potansiyel (VYP) dağılımı (ölçümler) elde edilmektedir. Sonuç, kaynakları ölçümlerle ilişkilendiren, gövdenin matematiksel bir modelidir. Geri EKG probleminde ise, VYP ölçümleri ve ileri problem çözümünden gelen gövdenin matematiksel modeli kullanılarak elektriksel kaynaklar kestirilmektedir. Geri EKG problemi kötü konumlanmış bir problemdir ve güvenilir bir sonuç elde edebilmek için düzenlileştirme uygulanması gerekmektedir. Bu alanda en çok kullanılan yöntem Tikhonov düzenlileştirme metodudur. Bu yöntem, çözümün gerçek değerlerine yakınlığı ve çözümün göstermesi beklenen özellikler (kısıtlar) arasında bir ödünleşim gerçekleştirir. Bu ödünleşim, L-eğrisi (L-curve) yöntemiyle kolaylıkla hesaplanan bir düzenlileştirme parametresiyle kontrol edilebilmektedir. Teorik olarak maliyet fonksiyonunun birden fazla kısıt içermesi sağlanabilir. Fakat bu kısıtların her biri için ayrı bir düzenlileştirme parametresinin bulunması problem oluşturmaktadır. Bu tezin amacı, geri EKG problemini birden fazla kısıt kullanıldığı durumda çözmek için genetik algoritma (GA) optimizasyonu kullanarak düzenlileştirme parametrelerini hesaplamaktır. Sonuçlar iki uzamsal kısıt, bir uzamsal bir de zamansal kısıt, ve iki uzamsal bir zamansal kısıt olduğu durumlar için elde edilmiştir. Bu sonuçlar, Tikhonov düzenlileştirmesi sonuçları ve birbirleriyle karşılaştırılmışlardır. Sonuç olarak, GA yöntemi ile doğru düzenlileştirme parametreleri bulounabilmektedir, ve birden fazla kısıt kullanmak çözümde iyileşmelerin olmasını sağlamaktadır.
Özet (Çeviri)
The main goal in inverse and forward problems of electrocardiography (ECG) is to better understand the electrical activity of the heart. In the forward problem of ECG, one obtains the body surface potential (BSP) distribution (i.e., the measurements) when the electrical sources in the heart are assumed to be known. The result is a mathematical model that relates the sources to the measurements. In the inverse problem of ECG, the unknown cardiac electrical sources are estimated from the BSP measurements and the mathematical model of the torso. Inverse problem of ECG is an ill-posed problem, and regularization should be applied in order to obtain a good solution. Tikhonov regularization is a well-known method, which introduces a trade-off between how well the solution fits the measurements and how well the constraints on the solution are satisfied. This trade-off is controlled by a regularization parameter, which can be easily calculated by the L-curve method. It is theoretically possible to include more than one constraint in the cost function; however finding more than one regularization parameter to use with each constraint is a challenging problem. It is the aim of this thesis to use genetic algorithm (GA) optimization method to obtain regularization parameters to solve the inverse ECG problem when multiple constraints are used for regularization. The results are presented when there are two spatial constraints, when there is one spatial, one temporal constraint, and when there are two spatial one temporal constraints; the performances of these three applications are compared to Tikhonov regularization results and to each other. As a conlcusion, it is possible to obtain correct regularization parameters using the GA method, and using more than one constraints yields improvements in the results.
Benzer Tezler
- Çeşitli mikroşerit antenlerin karakteristik parametrelerinin farklı algoritmalarla eğitilen yapay sinir ağları ile hesaplanması
Computation of characteristics parameters of various type microstrip antennas with the use of artificial neural networks trained by different learning algorithms
SEYFETTİN SİNAN GÜLTEKİN
Doktora
Türkçe
2002
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. KERİM GÜNEY
- Çoklu doğum destek vektör makinelerde parametre seçimi için genetik algoritma kullanılması
Using genetic algorithm for parameter selection in multiple birth support vector machines
VOLKAN DURUKAL
Yüksek Lisans
Türkçe
2024
İstatistikKırıkkale Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. GÜVENÇ ARSLAN
- Kurumsal bilgisayar ağlarındaki trafik bilgisinin akıllı sistemler ile sınıflandırılması
Intelligents systems with classification of traffic information in corporate computer networks
FATİH ERTAM
Doktora
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ENGİN AVCI
- Hipersezgisel yöntemlerle lojistik ağ tasarımı ve optimizasyon
Logistic network design and optimization using hyperheuristic methods
VURAL EROL
Doktora
Türkçe
2017
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT BASKAK
PROF. DR. GÜLGÜN KAYAKUTLU
- Design of stiffened plates using soft computing techniques
Esnek hesaplama teknikleri kullanarak takviyeli plakların tasarımı
MEHMET TOLGA GÖĞÜŞ
Doktora
İngilizce
2010
İnşaat MühendisliğiGaziantep ÜniversitesiMekanik Ana Bilim Dalı
DOÇ. DR. ABDÜLKADİR ÇEVİK
PROF. DR. MUSTAFA ÖZAKÇA