Classification of heart diseases with convolutional neural networks
Evrişimli sinir ağları ile kalp rahatsızlıklarının sınıflandırılması
- Tez No: 670624
- Danışmanlar: DOÇ. DR. TANER ARSAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Kadir Has Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mühendislik Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Günümüzde kalp hastalıklarının sayısı ve sıklığı artmaktadır. Bu alanda iyileştirmeler yapılabilmesi için yüksek miktarda harcama yapılmaktadır. Kalbin elektriksel iletimindeki atımlar özel cihazlarla kaydedilebilir ve EKG (Elektrokardiyogram) oluşturulabilir. EKG'den üretilen veriler, Taylor Series algoritması ile faz uzaylarına dönüştürülebilir. Kalp hastalığının tespiti için 44 farklı kişiden alınan verilerle MLII sinyallerinden EKG ve faz uzayları oluşturuldu. Bu kayıtların kalp durumunu belirlemek için hem EKG görüntüleri hem de faz uzayı görüntüleri kullanıldı. Kayıtların kalp durumu görüntülere ve sonuçlara Convolutional Neural Networks (CNNs) yöntemi uygulandı ve SVM (Support Vector Machine) algoritması ile karşılaştırılarak başarı oranı ölçüldü. Ayrıca aynı kayıtlar üzerinden eğitim ve test seti değiştirilerek farklı modellerin başarı oranları karşılaştırıldı. EKG ile faz uzayı görüntülerine CNN algoritmasının verdiği sonuçlardaki farklılık tespit edildi.
Özet (Çeviri)
Nowadays, the number and frequency of heart diseases is increasing. High amounts of expenses are incurred in order to make improvements in this area. The beats in the electrical conduction of the heart can be recorded by special devices and ECG (Electrocardiogram) can be created. Data generated from ECG can be transformed into phase spaces with Taylor Series algorithm. In order to determine the detection of heart disease, ECG and phase spaces were created from MLII signals based on 44 different records. Both ECG images and phase space images were used to determine the heart conditions of these recordings. The heart status of the recordings was measured by applying Convolutional Neural Networks (CNNs) method to the images and results compared with the SVM (Support Vector Machine) algorithm. In addition, the success rates of different models were compared by changing the training and test set over the same records. The success rate between ECG and phase space was also determined.
Benzer Tezler
- Kalp seslerinin evrişimsel sinir ağları kullanılarak sınıflandırılması
Classification of heart sounds using convolutional neural networks
HATİCE ESRA ALTINIŞIK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDURRAHİM AKGÜNDOĞDU
- Derin öğrenme yöntemleri ile kalp kastalıklarının tespiti
Detection of heart diseases with deep learning methods
ABDOULMALIK ABDOULMALIK
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELİM ARAS
- Tek boyutlu hibrit evrişimsel sinir ağları ve uzun kısa süreli bellek mimarileri kullanarak EKG sinyallerinin sınıflandırılması
Classification of ECG signals using one-dimensional hybridconvolutional neural networks and long short-term memoryarchitectures
NUR TOLAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÇINAR
- Derin öğrenme ile biyosinyal sınıflandırma ve hastalık tahmini
Biosignal classification and disease prediction with deep learning
MURAT ALAN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA CANER AKÜNER
DOÇ. DR. ALPER KEPEZ
- Ultrason taramalarından fetüs hareketlerinin tespiti için yeni derin öğrenme modelleri geliştirilmesi
Development of novel deep learning models for fetal movement detection in ultrasound scans
MUSA TURKAN
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE DANDIL