Clustering of hrv data obtained from normal sinus rhythm ecg records of paf and non-paf subjects using a new ensemble method
PAF hastası olan ve olmayan kişilerin normal sinüs ritm EKG kayıtlarından elde edilen KHD verilerinin yeni bir topluluk metodu kullanarak kümelenmesi
- Tez No: 524842
- Danışmanlar: PROF. DR. MEHMET KUNTALP
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 79
Özet
Atriyal fibrilasyon (AF) atriyumun kanı ventriküle tamamen itemediği en yaygın hastalıklardan biridir ve bu nedenle ciddi sağlık sorunlarına katkıda bulunabilecek pıhtı oluşumu meydana gelebilir. Çoğu durumda, AF kısa episodlarla başlar ve zamanla ilerleme kaydedip gelişir. Hasta sayısının hızlanarak artması ile birlikte, belirli kriterler hastalığın seyrini belirlemek ve gerekli tedaviye başlatmak için kullanılmıştır. Paroksismal AF, atakların dakikalar, saatler bazen de günlerce sürebileceği ve kendiliğinden sona ereceği bir AF türüdür. PAF durumu devam ederse, Persistent AF'ye dönüşecektir. Bu nedenle, PAF hastalarını belirlemek ve onlara göre uygun tedavi uygulamak çok önemlidir. Hastaların aritmi sırasındaki EKG'sini kaydetmek suretiyle bu hastalığın belirlenmesi çok kolaydır. Ancak, PAF episodları genelde kısa sürdüğünden tam aritmik olay sırasında hastanın EKG'sini kaydedebilmek çok zordur. Bu nedenle, aritmik olmayan zaman aralıklarında alınan EKG kayıtlarına dayanarak PAF hastalarını saptayabilecek bir sistem çok yararlı olacaktır. Bu çalışmanın amacı, PAF hastası olan ve olmayan kişilerin aritmi içermeyen EKG kayıtlarından elde edilen verilerin yapısını analiz etmektir. Diğer bir deyişle, iki veri tipinin ayrılabilirliği araştırılacaktır. Bu amaca yönelik olarak, PAF hastası ve PAF hastası olmayan kişilerin aritmi bulunmayan EKG kayıtlarından elde edilen HRV endekslerini içeren veri tabanının, en ünlü iki öğreticisiz sınıflandırma yöntemi olan K-Means ve Bulanık C-Means algoritmalarını kullanarak kümelenmesi baz alınmıştır. Elde edilen sonuçlar, iki sınıf arasında önemli bir örtüşme bulunduğunu ve bu nedenle iyi bir sınıflandırıcıya ihtiyaç olduğunu göstermektedir.
Özet (Çeviri)
Atrial fibrillation (AF) is one of the most common diseases in which the atria cannot completely push the blood to ventricles and therefore clot formation could occur which may contribute to serious health problems. In most cases, AF starts with short episodes and progresses to longer and developed form over time. With respect to the acceleration of the number of patients, certain criteria have been used to determine the disease in order to start necessary treatment. Paroxysmal AF is a type of AF in which the episodes could last from minutes to days and ends by itself. If PAF condi-tion continues, it could be converted to Persistence AF. Therefore, it is very im-portant to determine PAF patients and treat them accordingly. The determination of PAF condition is very easy by recording the ECG of the subjects during an episode. However, since PAF episodes mostly last for a short time period, it is very difficult to record the ECG of the subjects during the arrhythmic event. Therefore, a system that would be able to detect PAF patients based on ECG records taken during non-arrhythmic time periods would be very beneficial. The aim of this study is to analyze the structure of the data obtained from arrhythmia-free ECG records of PAF and non-PAF subjects. In other words, the separability of the two types of data is to be investigated. In this study, the dataset which contains HRV features obtained from normal sinus rhythm (NSR) ECG records of non-PAF and PAF subjects is aimed to be clustered by using two most famous unsupervised classification methods; K-Means and Fuzzy C-Means algorithms. The obtained results show that there is a sig-nificant overlap between the two types and thus there is a need for a good classifier.
Benzer Tezler
- OECD ülkelerinin dış ticaret verilerinin SOM algoritması ile kümelenmesi
Clustering of OECD countries' foreign trade data with SOM algorithm
OGÜN YILDIRIM
Yüksek Lisans
Türkçe
2022
İşletmeBurdur Mehmet Akif Ersoy ÜniversitesiGümrük İşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATMA GÜL ALTIN
- Türkiye'deki ve Avrupa Birliği ülkelerindeki yükseköğretim kurumlarının performans göstergelerine göre öz düzenleyici haritalar yoluyla kümelenmesi
Clustering of higher education institutions in Turkey and in the european union countries according to scientific productivity indicators through self organizing maps
GÖKÇEN SEYRA ÇAKIR
Doktora
Türkçe
2021
Eğitim ve ÖğretimMarmara ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. MÜNEVVER ÇETİN
- Türkiye'de illerin sağlık göstergeleri açısından kümelenmesi ve kümelerin değerlendirilmesi
Clustering of provinces in Turkey in terms of health indicators and evaluation of clusters
HANDE EREN
- Yarasa algoritması ile tıbbı veri setlerinin kümelenmesi
Clustering of medical data sets with bat algorithm
MINA ARJAMAND FADHIL FADHIL
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLAY TEZEL
- Hiyerarşik ve K-ortalamalar yöntemleriyle grid noktalarının kümelenmesi
Clustering of grid points using hierarchical and K-means methods
ABDULLAH KIRMIZIBİBER
Yüksek Lisans
Türkçe
2020
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. TÜRKAY GÖKGÖZ