Mobil uygulamada dvm algoritması kullanılarak kardiyak sorunların tespit edilmesi
Determination of cardiac problems using svm algorithm in mobile application
- Tez No: 576782
- Danışmanlar: DR. ÖĞR. ÜYESİ ERSİN KAYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 76
Özet
Kalp hastalıkları, dünya çapında ölümlerin önde gelen nedenlerinden biridir. Amerika Birleşik Devletleri'nde her yıl yaklaşık 610.000 insan kalp hastalığından ölmektedir. Bu her dört ölümden biri demektir. EKG aritmi sınıflandırması, kalp hastalığı tanısında önemli bir yöntemdir. Son yıllarda, EKG özellik çıkarma teknikleri dünyadaki araştırmacıların ilgisini çekmiş ve EKG sinyal analizi için sayısız yaklaşımlar geliştirilmiştir. Önerilen yöntemler çoğunlukla yapay sinir ağlarına dayanmaktadır. Bu tezde, KNN (K-en yakın komşu) ve DVM (Destek vektör makineleri) algoritmaları kullanılarak aritmi sınıflandırması yapılmıştır. Tezde ventriküler bigemine, ventriküler taşikardi ve ventriküler trigemine olmak üzere üç aritmi üzerinde durulmuştur. MIT-BIH veri seti ile öncelikle KNN ve DVM sınıflandırıcılarının sınıflandırma başarısı test edilmiştir. Test için KNN, 3 ve 5 komşuluk için test edilirken; DVM ise doğrusal çekirdekli ve RBF çekirdekli olarak test edilmiştir. Elde edilen sonuçlara göre RBF tabanlı DVM en iyi sonucu vermiştir. Daha sonra tez kapsamında, CardioChip (BMD101) kullanılarak giyilebilir bir EKG cihazı tasarımı yapılmıştır. EKG cihazı, geliştirilen Android tabanlı bir akıllı telefon uygulamasına Bluetooth bağlantısı ile bağlanmıştır. Geliştirilen uygulama ile RBF çekirdekli DVM kullanılarak online EKG sınıflandırması yapılmıştır.
Özet (Çeviri)
Heart diseases are one of the leading causes of death worldwide. In the United States, approximately 610,000 people die of heart disease each year. That means one in four deaths. ECG arrhythmia classification is an important method in the diagnosis of heart disease. In recent years, ECG feature extraction techniques have attracted the attention of researchers around the world and numerous approaches have been developed for ECG signal analysis. The proposed methods are mostly based on artificial neural networks. In this thesis, arrhythmia classification is made by using KNN (K-Nearest Neighbor) and SVM (Support Vector Machines) algorithms. Three arrhythmias, ventricular bigeminy, ventricular tachycardia and ventricular trigeminy, are discussed. With the MIT-BIH dataset, firstly the classification success of KNN and SVM classifiers was tested. For testing, the KNN is tested for 3 and 5 neighborhoods; SVM was tested with linear kernaland RBF kernal. According to the results, RBFbased SVM gave the best results. Later on, a wearable ECG device was designed using CardioChip (BMD101). The ECG device is connected to a developed Android-based smartphone application via Bluetooth connection. With the developed application, online ECG classification was made by using SVM with RBF kernal.
Benzer Tezler
- Kötü amaçlı android yazılımların makine öğrenmesi yöntemleri ile tespiti
Detection of android malware with machine learning methods
ABDULLAH BATUHAN YILMAZ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT KÖKLÜ
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- Buzlanma tahmini için bir algoritma geliştirilmesi ve mobil uygulamasının gerçekleştirilmesi
Development of an algorithm for icing forecast and implementation of mobile application
HATİCE TIRAŞOĞLU
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. FECİR DURAN
- Kişilik, FoMo, dijital bağımlılık ve mutluluk ilişkisinin makine öğrenmesi yöntemleri ile araştırılması
Researching the relationship of personality, FoMo, digital addiction and happiness with machine learning methods
HANDE SARICA KEÇECİ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. ESRA KAHYA ÖZYİRMİDOKUZ
PROF. DR. LALE ÖZBAKIR
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK