Elektrokardiyografi (EKG) sinyallerinin aritmi tespiti için yapay zeka yöntemleri ile sınıflandırılması
Classification of electrocardiography (ECG) signals by artificial intelligence methods for determining arrhythmia
- Tez No: 486892
- Danışmanlar: YRD. DOÇ. DR. EVREN DEĞİRMENCİ, PROF. DR. ALİ AKDAĞLI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Mersin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
EKG (Elektrokardiyografi) sinyalleri kalbin çalışma işlevi ve yapısı hakkında bilgi veren önemli bir veridir. EKG kalpte meydana gelen kasılma ve gevşeme sonucu uygun şartlar altında kaydedilen veriye denir. Eğer kalbin çalışma işlevinde bir bozukluk meydana gelirse bu bozukluk EKG sinyallerine de yansıyacağı için EKG sinyalleri sayesinde meydana gelen bozuklukları tespit etmek mümkündür. Aritmi kelime anlamı ritim bozukluğu demektir. Aritmi düzenli olarak meydana gelen işleyişteki bozukluklara verilen genel tabirdir. Aritmilerin oluştuğu bölge EKG sinyallerine yansıyacağı için EKG işaretlerinde aritmiyi tespit etmek mümkündür. Bu tez çalışmasında sağlıklı ve aritmi insanlardan alınmış EKG sinyalleri zamansal olarak 60'ar saniyelik segmentlere ayrılmıştır. Her bir segment aritmiler hakkında bize bilgi veren dalga ve aralıklara ayrılmış ve her bir dalga ve aralığın özellik vektörü çıkarılmıştır. Bu özellik vektörleri temel parametrik girdi olarak kullanılmıştır. Bu parametrelere matematiksel olarak aritmetik ortalama yöntemiyle yaklaşılmıştır. Elde edilen ortalama özellik vektörleri çok katmanlı sinir ağı (ÇKASA) , En yakın komşuluk (KNN) ve Destek vektör makineleri olmak üzere üç farklı yapay zeka sınıflandırma algoritmasında girdi olarak kullanılıp aritmiler tespit edilmiştir. Eğitim ve test aşamasında üç farklı sınıflandırma algoritması kullanılmıştır. Bu üç farklı sınıflandırma algoritma arasında performans kıyaslaması yapılmıştır. Sınıflandırmada yüksek başarı elde edilen sınıflandırma algoritma tespit edilmiştir.
Özet (Çeviri)
ECG (Electrocardiography) signals are an important data providing information about the function and structure of the heart. The ECG is the heart rate recorded in the heart under appropriate conditions resulting in contraction and relaxation. If a malfunction occurs in the heart functioning function, it will be reflected in the ECG signals, so it is possible to identify the disorders that occur due to ECG signals. Arrhythmia means impaired rhythm. Arrhythmia is a general symptom given to disorders in the process that occur regularly. It is possible to detect arrhythmia in ECG signals because the region of arrhythmia is reflected in ECG signals. In this thesis study, ECG signals from healthy and arrested human beings were separated into 60-second segments temporally. Each segment was separated into waves and intervals informing us about arrhythmia and feature vector of each wave and interval was extracted. These feature vectors are used as basic parametric inputs. These parameters are mathematically approximated by the arithmetic average method. The obtained mean feature vectors were used as input in three different classification algorithms, namely multi layer neural network (ANN), Knearest neighbors (KNN) and support vector machines(SVM), and arrhythmia was determined. Three different artificial intelligence classification algorithms have been used for training and testing. Performance comparisons were made between these three different classification algorithms. A classification algorithm with high success was identified in the classification.
Benzer Tezler
- EKG görüntülerini kullanarak farklı transfer öğrenme modelleri ile aritmi tespiti
Arrhythmia detection with different transfer learning models using ECG
ÖMER YILDIZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Cumhuriyet ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULKADİR ŞEKER
- 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
- 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
- Yapay sinir ağları tabanlı topluluk öğrenme yöntemi ile ekg sinyallerinin sınıflandırılması
Classification of ecg signals with artificial neural network based ensemble learning method
ASHA WANYENZE
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLAY TEZEL
- Karıncık ve kulakçık erken vurularının otomatik tespiti
Automatic detection of ventricular and atrial premature contractions
ZAHİDE ELİF AKIN
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiAkdeniz ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜLEYMAN BİLGİN