Geri Dön

Yapay Sinir Ağı yöntemleri kullanılarak kalp krizinin tahmin edilmesi

Predicting heart attack using Artificial Neural Network methods

PDF İndir

  1. Tez No: 747232
  2. Yazar: EKREM EŞREF KILINÇ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SEDAT METLEK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Burdur Mehmet Akif Ersoy Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 108

Özet

Bu tez çalışmasında, kişinin kalp krizi durumunun tespit edilmesi amacıyla, literatürde bulunan makine öğrenme yöntemlerinden birisi olan Çok Katmanlı Yapay Sinir Ağı (ÇK-YSA) modeli ve Elektrokardiyogram (EKG) sinyalleri kullanılarak yardımcı bir karar destek sisteminin tasarımı ve imalatı gerçekleştirilmiştir. Gerçekleştirilen çalışmada“PTB Diagnostic ECG”veri setinden elde edilen EKG verileri kullanılmıştır. Bu EKG sinyalleri üzerinde ilk olarak Pan-Tompkins algoritması kullanılarak gürültüler temizlenmiş ve farklı öznitelikler elde edilmiştir. Elde edilen bu öznitelikler ve belirlenen parametreler ile bir ÇK-YSA modeli tasarlanmış ve eğitilmiştir. Eğitilen ÇK-YSA modelin bulunduğu üniteye ek olarak ayrı bir de kontrol devresi hazırlanmıştır. Bu kontrol devresi ile kişiden anlık olarak EKG sinyalleri alınmış ve bu sinyaller ÇK-YSA modelinin bulunduğu üniteye bluetooth üzerinden aktarılmıştır. Aktarılan sinyallerden, ÇK-YSA ile kişinin sağlık durumu ile ilgili bir tahmin bilgisi elde edildikten sonra tekrar bluetooth üzerinden kontrol kartına gönderilerek kişinin sağlık durumu bilgisi ekran üzerinden kullanıcıya sunulmuştur. Sistemin genel başarısı, doğruluk, pozitif geri çağırma, negatif geri çağırma, pozitif hassasiyet, negatif hassasiyet ve F1 skoru için sırasıyla 0.86, 0.88, 0.70, 0.96, 0.41, 0.92 ve 0.52 değerleri elde edilmiştir. Bu sonuçlar doğrultusunda, sistemin kalp krizi tespitinin tahmininde başarılı olduğu ispatlanarak, literatüre konu ile ilgili güncel bir çalışma daha kazandırılmıştır.

Özet (Çeviri)

In this thesis, the design and manufacture of an auxiliary decision support system was carried out by using the Multilayer Artificial Neural Network (ML-ANN) model and Electrocardiogram (ECG) signals, which is one of the machine learning methods in the literature, in order to detect the heart attack status of the person. ECG data obtained from the“PTB Diagnostic ECG”data set was used in the study. Firstly, using Pan-Tompkin's algorithm on these ECG signals, noises were removed and different features were obtained. With these obtained features and determined parameters, a ML-ANN model was designed and trained. A separate control circuit has been prepared in addition to the unit in which the trained ML-ANN model is located. With this control circuit, ECG signals were instantly received from the person and these signals were transferred to the unit where the ML-ANN model was located via bluetooth. After obtaining an estimation information about the health status of the person from the transmitted signals with ML-ANN, it is sent to the control card via bluetooth and the health status of the person is presented to the user on the screen. The overall success of the system was 0.86, 0.88, 0.70, 0.96, 0.41, 0.92 and 0.52 for accuracy, positive recall, negative recall, positive sensitivity, negative sensitivity and F1 score, respectively. In line with these results, it has been proven that the system is successful in estimating the detection of heart attack, and another current study on the subject has been brought to the literature.

Benzer Tezler

  1. Tez No

    126860

    Kalp seslerinin analizi ve yapay sinir ağları ile sınıflandırılması

    Analysis of heart sounds and classification of by using artificial neural networks

    ÖZGÜR SAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2002

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ZÜMRAY DOKUR ÖLMEZ

  2. Tez No

    746549

    Makine öğrenmesi yaklaşımları kullanılarak EKG işaretlerinden aritmi teşhisi

    Diagnosis of arrhythmia from ECG signs using machine learning approaches

    ERSİN ERSOY

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GAZİ ERKAN BOSTANCI

  3. Tez No

    497861

    Estimation of heart disease based on data mining using patients health database

    Hasta sağlığı veri tabanı kullanarak veri madenciliğine dayalı kalp hastalığı tahmini

    AZHAR HATEM JEBUR AL BAIDHANI

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Ana Bilim Dalı

    Assist. Prof. YASA EKŞİOĞLU ÖZOK

  4. Tez No

    827867

    Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  5. Tez No

    126907

    Elektrokardiyogram vurularının GAL ağı yardımıyla sınıflandırılması

    Classification of electrocardiogram beats using GAL network

    SELİN METİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2002

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET KORÜREK

Geri Dön