Derin öğrenme algoritmalarının EKG aritmilerinin sınıflandırılmasında değerlendirilmesi
Evaluation of deep learning algorithms in classification of ECG arrhythmias
- Tez No: 542357
- Danışmanlar: PROF. DR. TEMEL KAYIKÇIOĞLU
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 171
Özet
Ritim bozukluğu olarak da bilinen aritmi erken bir aşamada tespit edilmelidir. Bu süreçte doktorlara yardım edebilmek ve hızlı bir şekilde teşhis için klinik karar destek sistemlerine ihtiyaç duyulmaktadır. Çalışmada öznitelik olarak dalgacık katsayıları, morfolojik öznitelikler ve Hjorth parametreleri incelenmiş ve karşılaştırılmıştır. Dokuz aritmi sınıfını sınıflandırmak hedeflenmiştir. Sınıflandırma aşamasında temel sınıflandırıcılar olarak Ağaç yöntemleri, K En Yakın Komşuluk algoritmaları, Destek Vektör Makineleri, Topluluk sınıflandırıcıları, Lojistik Regresyon ve Diskriminant Analiz kullanılmıştır. Derin öğrenme ile sınıflandırmada ise Konvolüsyonel Sinir Ağları ve İğnecikli Sinir Ağları analizi yapılmıştır. Ayrıca gerçek zamanlı aritmi tespiti için bir modelde geliştirilmiştir. Tüm analizler için hızlı karar verme imkânı veren ve doğruluğu yüksek sistemler oluşturulması hedeflenmiştir. Sinyali, bir öznitelik kümesi kullanmadan girdi olarak kullanarak, hesaplama yükünü azaltmak ve konvolüsyonel sinir ağındaki sınıflandırmaya yönelik işlemleri basitleştirmek mümkündür. Öznitelik seçimi ve konvolüsyonel sinir ağının birlikte kullanımı ile daha başarılı sonuçlar elde edilebilir. Böylece, hızlı bir şekilde öğrenebilen ve yüksek doğruluk elde edebilen optimize edilmiş bir konvolüsyonel sinir ağı tanımlanabilir.
Özet (Çeviri)
Arrhythmia, also known as rhythm disturbance, should be detected at an early stage. Clinical decision support systems are needed to help doctors and diagnose quickly. The wavelet coefficients, morphological properties, and Hjorth parameters are studied and compared in the study. It is aimed to classify nine arrhythmia classes. Tree methods, K Nearest Neighborhood algorithms, Support Vector Machines, Ensemble classifiers, Logistic Regression and Discriminant Analysis, were used as basic classifiers in the classification phase. Convolutional neural networks and spiking neural networks were analyzed in the classification with deep learning. Also, a model for real-time arrhythmia detection have been developed. It is aimed to create systems with quick decision making and high accuracy for all analyzes. By using the signal as input without using a set of features, it is possible to reduce the computational load and simplify the operations for classification in the convolutional neural network. More successful results can be achieved with the combination of feature selection and usage of the convolutional neural network. Thus, an optimized convolutional neural network which can learn quickly and achieve high accuracy can be defined.
Benzer Tezler
- EKG vuru imgelerinden kardiyak aritmilerin makine öğrenmesi ve derin öğrenme yöntemleri ile sınıflandırılması
Classification of cardiac arrhythmias from ECG beat images by machine learning and deep learning methods
MUHAMMED HALİL AKPINAR
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULKADİR ŞENGÜR
- Makine öğrenme ve derin öğrenme algoritmaları ile elektrokardiyogram sinyalindeki iskemik değişikliklerin tespiti
Investigation of ischemic changes in electrocardiogram signal using machine learning and deep learning algorithms
SERKAN USLU
- Developing a novel artificial intelligence based method for diagnosing chronic obstructive pulmonary disease
Kronik obstrüktif akciğer hastalığı teşhisi için yapay zeka tabanlı yeni bir yöntem geliştirilmesi
İNANÇ MORAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ TURGAY ALTILAR
- Normalize edilmiş kalp hızı değişkenliği analizi ile paroksismal atriyal fibrilasyon tespiti
Detection of paroxismal atrial fibrilation with normalized heart rate variability analysis
MURAT SÜRÜCÜ
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiElektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. RESUL KARA
DOÇ. DR. YALÇIN İŞLER
- Deep learning for ECG signal classification in remote healthcareapplications
EKG sinyali için derin öğrenme uzaktan sağlik hizmetlerinde siniflandirma uygulamalar
SURA ALI HASHIM AL-TEMIMI
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN HÜSEYİN BALIK