Yapay zeka ile EKG sinyalin analizi ve hastalık teşhisinde sınıflandırılması
Patient diagnosis with ECG signals estimation using artificial neural network
- Tez No: 416993
- Danışmanlar: DOÇ. DR. FIRAT HARDALAÇ
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Bioengineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 68
Özet
Bu çalışmada yapay sinir ağları kullanarak kalbini alınan sinyallerin üzerinde hasta ve hasta olmayan sinyallerin taşhisi çok başarılı bir sonuçta elde edildi. Bu tezde Çok katmanlı perseptron algoritması kullanıldı. 2 katman kullanıldı ve her katmanda Farklı sayılarda nörünlar denetildi. En iyi sonuç 18 nörün sayısı ilk katmanda ve 30 nörün ikinci katmanda oluşturuldu. Eğitim yöntemi geri besleme yöntemi uygulandı. Bu çalışmada sonuçlar aşğadaki gibi oluyiour:Inferior Lateral 85,5% , Inferior Posterior Lateral70,6% ve hasta olmayan 88,7%.
Özet (Çeviri)
This study reports an approach using artificial neural networks to detect ECG signals belonging to Myocardial Infarction patients versus signals from healthy individuals. A specific types of neural networks called Multilayer-Perceptron Neural Networks was set up in two layers and each layer was evaluated with different number of neurons. In this study we used two methods to distinguish ill signals from the healthy ones. In the first method, we extract four features, after extraction this features from the signals, we put them into a matrix and we use this matrix in the input of artificial neural networks. We found the best results when using 18 neurons on the first layer and 30 neurons on the second layer. Furthermore, systematic training and feedback methods were developed and used. In this paper the result for classification success are as follow : Anterior 82.9%, Inferior 83.9%, Inferior Lateral 85.5% , Inferior Posterior Lateral 70.6% and Healthy 88.7%. As the concluding remarks, we can see that this approach will help physicians to detect hearth disease much earlier and with high precision.
Benzer Tezler
- ECG arrythmia classification using Deep Neural Network
ECG arrythmia classification using Deep Neural Network
ZAKI UR REHMAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAntalya Bilim ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
ASSIST. ASSOC. DR. SHAHRAM TAHERI
- Linear prediction coding and wavelet based multi heart diseases classification via SVM
Lineer tahmini kodlama ve dalgacık tabanlı SVM üzerinden çoklu kalp hastalıklarının sınıflandırılması
ALAA MAJEED AL-OBAIDI
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik MühendisliğiTürk Hava Kurumu ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HASSAN SHARABATY
- A new method for QT interval analysis of ECG signals based on Gaussian mixture model and neural network
Gauss karışım modeli ve yapay zeka tabanında EKG'nin QT zaman aralığının tespiti üzerine yeni bir metot
MEHMET İŞCAN
Yüksek Lisans
İngilizce
2016
BiyoistatistikYıldız Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. FARUK YİĞİT
YRD. DOÇ. DR. CÜNEYT YILMAZ
- Yapay zekâ tabanlı elektrokardiyografi sinyali ile kan basıncı tespiti
AI-based blood pressure detection with electrocardiography signal
DERYA KANDAZ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- Gömülü sistem tabanlı elektrokardiyogram holter cihazının tasarlanması ve yapay sinir ağı- genetik algoritma hibrit modeli ile aritmi tespiti
Design of embedded system-based ecg holter device and detection of arrhythmia by artificial neural network-genetic algorithm hybrid model
AHMET YESEVİ TÜRKER
Yüksek Lisans
Türkçe
2018
BiyomühendislikSakarya ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA ZAHİD YILDIZ