Machine learning algorhtims for heart rhythm classification
Makine öğrenme algoritmaları kalp ritminin sınıflandırılması
- Tez No: 767847
- Danışmanlar: PROF. DR. GALİP CANSEVER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 63
Özet
Kalbin elektriksel aktivitesi bir elektrokardiyogram sinyali ile kaydedilir. üzerindeki elektrotlar cilt, kalbin depolarizasyonu ve repolarizasyonunun neden olduğu küçük voltaj değişikliklerini tespit eder kas. İki elektrot arasındaki elektrik potansiyeli ölçülebilir. Bir EKG lead'i, bir çift birbirine bağlanan elektrotlardır. Her kurşun, bir kalbin elektriksel sistemine benzersiz bir bakış açısı sunar. aktivite. EEG sinyalleri, çeşitli nörolojik hastalıkları keşfetme konusunda önemli bir potansiyele sahiptir. erken bir aşamada. MRI'dan neden üstün olduğunu kanıtladık. Uygun fiyatlı ve verimli olması, MRI ile karşılaştırıldığında daha düşük bir bütçeyle bile çeşitli araştırmalar için kullanılabilir. Birçok Farklı sınıflandırmaları sınıflandırmak için EEG kayıtları üzerinde Derin Öğrenme algoritmaları uygulanmıştır. nörolojik hastalıklar ve beyin arayüz uygulamaları. Bu araştırmamızda kapsamlı bir EEG verileri üzerinde çeşitli sinir ağlarının uygulanması ve bunların nasıl kullanılacağı hakkında literatür taraması sinir ağları, Nöbet, AD dahil olmak üzere çok sayıda nörolojik hastalığı kategorize edebildi ve Depresyon. Ön işleme aşaması, modelin performansını önemli ölçüde etkiler. Bu çalışmada, EKG veri kümeleri üzerinde farklı makine öğrenmesi algoritma modelleri eğitiyor ve karşılaştırıyoruz. birbirleriyle performansları. En azından deneyimizde her ikisinin de el yapımı olduğunu gördük. öznitelikler ve öznitelik çıkarıcıların her birinin hem olumlu hem de kötü özellikleri vardır.
Özet (Çeviri)
The electrical activity of the heart is recorded via an electrocardiogram signal. Electrodes on the skin detect minor voltage changes induced by depolarization and repolarization of the heart muscle. The electric potential between two electrodes can be measured. An ECG lead is a pair of electrodes that are connected together. Each lead offers a unique perspective on a heart's electrical activity.The EEG signals have a significant potential of discovering various neurological illnesses in an early stage. We have proven why it is superior than MRI. Being affordable and efficient, it can be employed for various investigations even with a reduced budget as compared to MRI. Many Deep Learning algorithms have been implemented on EEG recordings in order to classify different neurological illnesses and brain interface applications. In this research we have done an exhaustive literature review on application of various neural networks on EEG data and how utilizing these neural networks one was able to categorize numerous neurological illnesses including Seizure, AD and Depression. The pre-processing phase considerably influences the performance of the model. In this study, we train different machine learning algorithms models on ECG datasets and compare their performance with each other. We found that at least in our experiment, both hand-crafted features and the feature extractors each have both their favourable and bad characteristics.
Benzer Tezler
- Yapay sinir ağları tabanlı topluluk öğrenme yöntemi ile ekg sinyallerinin sınıflandırılması
Classification of ecg signals with artificial neural network based ensemble learning method
ASHA WANYENZE
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLAY TEZEL
- Uç öğrenme makineleri kullanarak EKG işaretlerinin sınıflandırma başarımlarının iyileştirilmesi
Improvement of the classification achievements of ECG signals using extreme learning machines
AYKUT DİKER
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ENGİN AVCI
- Otomatik harici defibrilatör için gömülü sisteme uygun yapay zekâ tabanlı şok tavsiye sisteminin geliştirilmesi ve gerçeklenmesi
Development and implementation of an artificial intelligence based shock advice system suitable for embedded system for automatic external defibrillator
OĞUZHAN ÇAKMAKOĞLU
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAH TALHA SÖZER
- Kalp yetmezliğinin makine öğrenme algoritmalarıyla tespiti
Detection of heart failure with machine learning algorithms
ORÇUN BAĞRA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HALİFE KODAZ
- Automated diagnostic tool for hypertension using deep learning model
Derin öğrenme modelini kullanarak hipertansiyon için otomatik teşhis aracı
TUĞBA YILMAZ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAHA ŞEN