EKG sinyallerinden yapay zeka yöntemleri kullanılarak uyku apnesi teşhisinin yapılması
Diagnosis of sleep apnea using artificial intelligence methods from ECG signals
- Tez No: 677453
- Danışmanlar: DR. ÖĞR. ÜYESİ HAYRİYE ALTURAL ÖZKAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Kastamonu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
Uyku, canlıların dış uyaranlara karşı minimum seviyede tepki verdiği veya tepki vermediği tekrarlanan bir durumdur. Kronik uykusuzluk, yeme bozuklukları, huzursuz bacak sendromu ve uyku apnesi gibi rahatsızlıklar uyku kalitesini etkileyen ve ciddi sorunlara yol açan hastalıklar arasındadır. Üst solunum yollarının daralması veya tıkanması sonucunda solunumun 10 sn veya daha uzun süre boyunca tekrarlayan ataklarla durması sendromuna uyku apnesi denilmektedir ve en yaygın olanı Obstrüktif Uyku Apnesidir (OUA). Bu tez çalışması kapsamında EKG sinyalleri üzerinden makine öğrenmesi ve derin öğrenme algoritmaları kullanarak uyku apnesi tespiti yapılmıştır. İlk aşamada EKG sinyali bölütlere ayrılarak R tepe noktaları belirlenmiş ve her bir bölütün uyku apnesi olup olmadığı sınıflandırılmıştır. İkinci aşamada ise bölütlere dayalı sınıflandırma yapılan 35 EKG kaydının her birinin OUA hastası olup olmadığı sınıflandırılmıştır. Makine öğrenmesi algoritmaları olarak yedi farklı sınıflandırıcı, derin öğrenme algoritması olarak üç farklı sınıflandırıcı kullanılmıştır. Bölütlere dayalı sınıflandırmada Evrişimsel Sinir Ağı (CNN) algoritması % 89,11 doğruluk; % 94,31 hassasiyet; % 80,72 seçicilik; 0,89 F1 Puanı ve 0,87 AUC değerleri ile en yüksek sonucu veren algoritma olmuştur. Her bir kaydın Apne - Hipopne İndeksine göre yapılan OUA ve normal sınıflandırması sonuçlarında CNN mimarisi %97,14 doğruluk; %100 seçicilik; %95,65 hassasiyet; 0,97 F1 puanı ve 0,98 AUC değeri ile en yüksek başarıyı veren algoritma olmuştur.
Özet (Çeviri)
Sleep is a repetitive state in which living creatures react minimally or unresponsively to external stimuli. Diseases such as chronic insomnia, eating disorders, restless legs syndrome and sleep apnea are among the diseases that affect sleep quality and cause serious problems. The syndrome of recurrent episodes of cessation of breathing for 10 seconds or longer because of narrowing or obstruction of the upper airways called sleep apnea, and the most common is Obstructive Sleep Apnea (OSA). In this thesis, sleep apnea detected with using machine learning and deep learning algorithms from ECG signals. In the first stage, the ECG signal divided into segments and R peaks determined and each segment classified that segments sleep apnea or not. In the second stage, each of the 35 ECG recordings that were classified based on segments classified that records OSA or not. Seven different classifiers used as machine learning algorithms and three different classifiers used as deep learning algorithms. In classification based on segments, the Convolutional Neural Network (CNN) algorithm that obtained the highest results with 89.11% accuracy; 94.31% sensitivity; 80.72% selectivity; 0.89 F1 score and 0.87 AUC values. In the results of OSA and normal classification of each recording according to the Apnea-Hypopnea Index, the CNN model was the algorithm that obtained the highest results with 97.14% accuracy; 100% selectivity; 95.65% sensitivity; 0.97 F1 score and 0.98 AUC value.
Benzer Tezler
- 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
- EKG görüntülerini kullanarak farklı transfer öğrenme modelleri ile aritmi tespiti
Arrhythmia detection with different transfer learning models using ECG
ÖMER YILDIZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Cumhuriyet ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULKADİR ŞEKER
- Elektrokardiyografi (EKG) sinyallerinin aritmi tespiti için yapay zeka yöntemleri ile sınıflandırılması
Classification of electrocardiography (ECG) signals by artificial intelligence methods for determining arrhythmia
İBRAHİM ÇELİK
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiMersin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. EVREN DEĞİRMENCİ
PROF. DR. ALİ AKDAĞLI
- Miyokard enfarktüsü hastalarının tespitinde doğrusal olmayan özniteliklerin performans analizi
Performance analysis of non-linear features in detection of myocardial infarction patients
MERVE KESER
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ NARİN
- Yapay zeka teknikleri ile polisomnografi sinyallerinden uyku apnesi sınıflandırılması
Sleep apnea classification from polysomnography signals with artificial intelligence techniques
ÜMRAN IŞIK
Yüksek Lisans
Türkçe
2017
Mühendislik BilimleriErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞEGÜL GÜVEN