Time frequency analysis for biomedical applications
Biyomedikal uygulamalar için zaman sıklık yöntemi
- Tez No: 77235
- Danışmanlar: PROF. DR. KEMAL ÖZMEHMET
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1998
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 300
Özet
Elektrokardiyolojik (EKG) sinyal analizi, elektofızyolojik anormalliklerin bulunmasında oldukça önemli bir alandır. Bu alandaki çalışmalar hızla ilerlemektedir. Buna rağmen, QRS komplekslerinin hem frekans hemde zaman eksenindeki analizleri, yeterli doğrulukta sonuçlar vermemektedir. Bu nedenle güncel kullanılan yöntemlere iyileştirme gerekmektedir. Bu çalışmada, dalgacık (wavelet) fıltreleme uygulamaları araştırılmıştır. Daha sonra normal ve sağlıksız hastalardan alınan verilere bu yaklaşım uygulanmıştır. Ayrıca bu çalışmada bir görüş açısı sağlamak amacıyla; temel filtreleme, sonlu darbe cevabı (SDC) fıltreleme, altbant SDC fıltreleme ve altbant dalgacık filtreleme teknikleri kullanılmıştır. Burada belirtilmesi gereken bir nokta dalgacık filtreleri için yeni bir yaklaşım önermemizdir. Alt pencereleme adını verdiğimiz bu yaklaşım ile dalgacık filtreleme tekniği, verilere uygulanmıştır. Dalgacık fonksiyonu olarak B-spline dalgacık fonksiyonları kullanılmıştır. Yukarıda belirtilen tüm tekniklerde, analiz edilen EKG sinyallerinin sonuçları değerlendirme amacı ile yine bizim tarafımızdan geliştirilen hata kriterleri ile karşılaştırılmıştır. Tüm sonuçlar göstermektedir ki, dalgacık ve altbant dalgacık teknikleri ile analiz edilen sonuçlarda QRS komplekslerinin bulunmasında doğruluk oranları diğer yöntemlere göre çok daha iyidir.
Özet (Çeviri)
Electrocardiography (ECG) signals analysis is a very important step in the detection of some of the electrophsiological abnormalities that distinguish patients with and without sustained late potential problems. Unfortunately, approaches developed so far, both in time and frequency domain of the QRS complex suffers from a relatively low positive-predictive accuracy. Therefore, in this underscores it is required to improve methods. In this work, we investigated the applications of wavelet filter banks. To this effect it is then applied to the problem of distinguishing patients with and without late potential. In the course of the work, we studied the various accuracy scenarious using basic filtering, finite impulse response (FIR) filtering, subband FIR filtering, subband wavelet filtering and, wavelet filtering techniques. We devoloped a new approach called subframe approximation and then we applied this approach to the wavelet filters. The real improvement is achieved in subband wavelet filtering method and discrete wavelet analysis that can be used in practice.
Benzer Tezler
- Deep learning-based analysis of electrochemical, biomedical, and optical signals
Elektrokimyasal, biyomedikal ve optik sinyallerin derin öğrenme tabanlı analizi
MUHAMMET ÇAĞRI YEKE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji EnstitüsüBiyoteknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDURRAHMAN GÜMÜŞ
PROF. DR. DİLEK ODACI
- Use of manifold learning methods and principal component analysis in various physiological signals
Çeşitli fizyolojik sinyaller üzerinde manifold öğrenme yöntemlerinin ve temel bileşen analizinin kullanımı
BARTU YEŞİLKAYA
Doktora
İngilizce
2025
Biyoteknolojiİzmir Katip Çelebi ÜniversitesiBiyomedikal Teknolojiler Ana Bilim Dalı
DOÇ. DR. YALÇIN İŞLER
- LabVIEW kullanılarak biyoelektriksel işaretlerin zaman frekans analizi
Time frequency analysis of bioelectrical signals using LabVIEW
SEDA GÜZEL AYDIN
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TURGAY KAYA
- Image-based representations of physiological signals: Deep learning approaches for predictive medicine
Fizyolojik sinyallerin görüntü tabanlı temsilleri: Öngörücü tıp için derin öğrenme yaklaşımları
MEHMET AKİF ÖZDEMİR
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Katip Çelebi ÜniversitesiBiyomedikal Teknolojiler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONAN GÜREN
PROF. DR. AYTUĞ ONAN
- Zamanla değişen özbağlanımlı modele dayalı olarak durağan olmayan rasgele işaretlerin modellenmesi
Modelling the nonstationary random signals based upon the time-varying autoregressive model
SİMGE ZEREY
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik MühendisliğiPamukkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYDIN KIZILKAYA