Geri Dön

Derin öğrenme algoritmalarının EKG aritmilerinin sınıflandırılmasında değerlendirilmesi

Evaluation of deep learning algorithms in classification of ECG arrhythmias

  1. Tez No: 542357
  2. Yazar: ÖZGÜR TOMAK
  3. Danışmanlar: PROF. DR. TEMEL KAYIKÇIOĞLU
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
  13. 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

  1. 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

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDULKADİR ŞENGÜR

  2. 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

    Doktora

    Türkçe

    Türkçe

    2024

    BiyofizikAkdeniz Üniversitesi

    Biyofizik Ana Bilim Dalı

    PROF. DR. SEMİR ÖZDEMİR

  3. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. DENİZ TURGAY ALTILAR

  4. 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

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce Üniversitesi

    Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. RESUL KARA

    DOÇ. DR. YALÇIN İŞLER

  5. 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

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HASAN HÜSEYİN BALIK