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: Elektrokardiyografi, Electrocardiography
- 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: Belirtilmemiş.
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
- Beyin görüntüleme tekniklerinin alzheımer hastalığı erken tanı tahmininde kullanılması
The use of brain imaging techniques for predicting early diagnosis of alzheimer's disease
SAVAŞ OKYAY
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NİHAT ADAR
- A systematic approach with machine learning and a genetic algorithm for the microwave-assisted synthesis of antibacterial ZIF-8 nanoparticles
Sistematik bir yaklaşım ile makine öğrenimi ve genetik algoritma kullanarak antibakteriyel ZIF-8 nanopartiküllerin mikrodalga yardımlı sentezi
NİDA ÜK
Yüksek Lisans
İngilizce
2021
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. SADRİYE OSKAY
- Aktif filtrelerin tasarımında genetik algoritma kullanımı
Use of genetic algorithm in the design of active filters
KÜBRA ASLAN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MELİH CEVDET İNCE
- Genetik algoritma ve K-ortalamalar algoritmasının tavsiye sistemleri için uygulanması
Application of genetic algorithm and K-means algorithm for recommender systems
MERVE POSLU
Yüksek Lisans
Türkçe
2023
İstatistikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SEVİL BACANLI
PROF. DR. GÜVENÇ ARSLAN