Geri Dön

A neural network approach for noninvasive detection of coronary artery disease

Başlık çevirisi mevcut değil.

  1. Tez No: 364482
  2. Yazar: MİNE İZLEM DOKSATLI
  3. Danışmanlar: DOÇ. DR. HALİL ÖZCAN GÜLÇÜR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Tıbbi Biyoloji, Medical Biology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 1994
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Biyo-Medikal Mühendislik Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 60

Özet

Özet yok.

Özet (Çeviri)

The major cause of death in many cases is Coronary Artery Disease (CAD). This disease can be detected by angiography. However, this technique is expensive, risky and invasive. Another noninvasive technique for detecting coronary occlusion before they become serious enough to induce symptoms is based on the knowledge that coronary stenoses produce sounds due to the tulTbulent flow in partially occluded arteries. Recently, experimental systems that make use of the heart sounds for noninvasive detection of CAD have been the subject of active investigation by some research groups. In this study, we intended to improve on the previous studies concernmg noninvasive detection of CAD, using some adaptive noise canceling schemes and artificial neural networks for automatizing detection. For this purpose, using a system developed in the Institute, which includes a PC, two sensitive sound channels and an ECG channel, a number of clinical studies have been performed. Heart sounds from 60 patients (22 healthy and 38 diseased) were recorded in a relatively quiet hospital room, while ambient sounds and patient's ECG were also simultaneously recorded. A sampling frequency of 4 kHz was used for data acquisition. Using ECG information, diastolic portions of the sound signals were isolated manually. The sound signals were first passed through an analog band-pass filter with 150 Hz and 1200 Hz cut-off frequencies and then an adaptive frequency domain filter was used to eliminate the background noise. Window functions of periodogram were employed to achieve better spectral estimation. Frequency regions that were related with the coronary flow was defined. A two layer neural network with eight hidden nodes was trained using data from 20 patients. The neural network was then used for the diagnosis of the remaining 40 patients and gave correct classification rate of 62. 5%. Keywords : CAD, noninvasive techniques, angiography, diastolic heart sounds, adaptive filtering, periodogram, artificial neural networks.

Benzer Tezler

  1. Tez No

    237602

    Detection and classification of QRS complexes from the ECR recordings

    ECG sinyallerinden QRS kompleks bulma ve sınıflandırma

    BENGİ KOÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2008

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    YRD. DOÇ. DR. YEŞİM SERİNAĞAOĞLU DOĞRUSÖZ

  2. Tez No

    857542

    Magnetic resonance spectroscopic imaging based detection of genetic alterations in gliomas

    Gliomalarda genetik değişikliklerin manyetik rezonans spektroskopik görüntüleme tabanlı tespiti

    BANU SAÇLI BİLMEZ

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ESİN ÖZTÜRK IŞIK

  3. Tez No

    812834

    Deep learning methods for classification Alzheimer's disease

    Alzheimer hastalığının sınıflandırılmasına yönelik derin öğrenme yöntemleri

    HUSAM MOHAMMED ABDULFATTAH SAIF AL-HAMMADI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilim ve TeknolojiFatih Sultan Mehmet Vakıf Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EBUBEKİR KOÇ

  4. Tez No

    846535

    Antenna design for breast cancer detection and machine learning approach for birth weight prediction

    Meme kanseri tespiti için anten tasarımı ve doğum ağırlığı tahmini için makine öğrenmesi yaklaşımı

    HALUK KIRKGÖZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ONUR KURT

  5. Tez No

    825943

    Yapay zekâ ve sinyal işleme yöntemleri ile rulmanlarda taşlama yanığı hatasının tespiti

    Detection of grinding burn defect in bearings with artificial intelligence and signal processing methods

    NURDOĞAN CEYLAN

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEZGİN KAÇAR

Geri Dön