Geri Dön

Derin öğrenme tabanlı hibrit model tasarımı ile EKG sinyal sınıflandırmasında aritmi tespiti

Arrhytmia detection on ECG signals via hybrid model design based on deep learning

PDF İndir

  1. Tez No: 780796
  2. Yazar: TUĞBA TAŞBAŞI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ EFTAL ŞEHİRLİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Kardiyoloji, Computer Engineering and Computer Science and Control, Cardiology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Karabük Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 90

Özet

Elektrokardiyografi (EKG), cilt üzerine yerleştirilen elektrotlar sayesinde kalbin elektriksel aktivitesini algılayarak elde edilen kalp grafiğinin okunup tanı konulması işlemidir. Elde edilen verilerle birlikte, hastanın fizik muayenesi, hastanın öyküsü ve diğer etmenler de göz önüne alınarak kalp ve damar hastalıkları teşhisi konulabilmektedir. Kalp hastalıkları hayati risk taşıyan ve insanların hayat kalitesini düşüren hastalıklardandır. Bu sebeplerle erken tanı önemli bir rol oynamaktadır. Makine öğrenmesi ve derin öğrenme yöntemleri sayesinde medikal alanda önemli gelişmeler elde edilmiştir. Günümüzde derin öğrenme yöntemi ile EKG cihazından elde edilen verilerdeki anormallikleri yorumlayıp sınıflandırarak ani ölümlerin önüne geçmek hedeflenmektedir. Bu çalışmada amaç, derin öğrenme mimarilerinden olan Konvolüsyonel Sinir Ağları (Convolutional Neural Network, CNN) ve Uzun Kısa Vadeli Bellek (Long Short-Term Memory, LSTM) modelleri kullanılarak hibrit bir sistem oluşturulup EKG sinyalleri üzerinde aritmileri tahmin etmek için bir çözüm üretmektir. Çalışmada Massachusetts Institute of Technology – Boston's Beth Israel Hospital (MIT-BIH) aritmi veri setinde paylaşılmış olan 109.446 adet kalp sinyalleri 187 sütunda sayıllaştırılmış olup N: Non-ecotic beats (normal beat), S: Supraventricular ectopic beats, V: Ventricular ectopic beats, F: Fusion beats, Q: Unknown beats olmak üzere beş sınıfa ayrılmıştır. Veri setinde bulunan beş sınıftan veri sayısı en az olan F ve S sınıfı tek bir sınıf olarak birleştirilip Others isminde yeni sınıf olarak değerlendirilmiştir. Tüm sınıflar için CNN modelinde bulunan accuracy, specitivity, sensitivity, F1-score, Matthews correlation coefficient (MCC), Eğri Altındaki Alan (Area Under Curve, AUC) score ortalama değerleri sırasıyla %98.15, %98.58, %98.20, %98.09, 0.96, 0.997'dir. Tüm sınıflar için LSTM modelinde bulunan accuracy, specitivity, sensitivity, F1-score, MCC, AUC score ortalama değerleri sırasıyla %98.42, %98.67, %98.46, %98.34, 0.97, 0.997'dir. Tüm sınıflar için geliştirilen hibrit model ile bulunan accuracy, specitivity, sensitivity, F1-score, MCC, AUC score ortalama değerleri sırasıyla %98.48, %98.78, %98.58, %98.54, 0.97, 0.997'dir.

Özet (Çeviri)

Electrocardiography (ECG) is the process of reading and diagnosing the heart graph obtained by sensing the electrical activity of the heart by means of electrodes placed on the skin. Together with the data obtained, the diagnosis of cardiovascular diseases can be made by considering the patient's physical examination, the patient's history and other factors. Heart diseases are life-threatening diseases that reduce the quality of people's lives. For these reasons, early diagnosis plays an important role. Thanks to machine learning and deep learning methods, important developments have been achieved in the medical field. Recently, it is aimed to prevent sudden deaths by interpreting and classifying the abnormalities in the data obtained from the ECG device with the deep learning method. The aim of this study is to create a hybrid system using Convolutional Neural Networks (CNN) and Long Short-Term Memory (LSTM) models, which are deep learning architectures, and to produce a solution to predict arrhythmias on ECG signals. In this study, 109,446 heart signals shared in the MIT-BIH arrhythmia dataset was quantified in 187 columns and N: Non-ecotic beats (normal beat), S: Supraventricular ectopic beats, V: Ventricular ectopic beats, F: Fusion beats, Q: Unknown beats. divided into five classes. F and S classes, which have the least amount of data from the five classes in the data set, were combined as a single class and evaluated as a new class named Others. The average values of accuracy, specitivity, sensitivity, F1-score, MCC, AUC score found in the CNN model for all classes are 98.15%, 98.58%, 98.20%, 98.09%, 0.96, and 0.997, respectively. The average values of accuracy, specitivity, sensitivity, F1-score, MCC, AUC score found in the LSTM model for all classes are 98.42%, 98.67%, 98.46%, 98.34%, 0.97, and 0.997, respectively. The average values of accuracy, specitivity, sensitivity, F1-score, MCC and AUC score found by the hybrid model developed for all classes are 98.48%, 98.78%, 98.58%, 98.54%, 0.97, 0.997, respectively.

Benzer Tezler

  1. Tez No

    830995

    Yaya ulaşımının artırılması ve güvenliklerinin sağlanması amacıyla yapay zekâ ve görüntü işleme yöntemlerinin kullanılması

    Using artificial intelligence and image processing methods to increase pedestrian transportation and ensure their safety

    EMRE KUŞKAPAN

    Doktora

    Türkçe

    Türkçe

    2023

    İnşaat MühendisliğiErzurum Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHAMMED YASİN ÇODUR

  2. Tez No

    805083

    Kritik altyapılara yönelik derin öğrenme tabanlı saldırı tespit sistemi tasarımı

    Deep learning based-intrusion detection system design for critical infrastructure

    HAKAN CAN ALTUNAY

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ZAFER ALBAYRAK

  3. Tez No

    847173

    Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  4. Tez No

    871541

    İnvolüsyonel sinir ağları ile hiperspektral verilerin analizi

    Analysis of hyperspectral data with involutional neural networks

    MÜCAHİT CİHAN

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiKonya Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT CEYLAN

  5. Tez No

    898091

    Mathematical model-based clinical decision support system algorithm design study that can support the diagnosis of celiac disease

    Çölyak hastalığının teşhisine destek verebilecek matematik model tabanlı kds algoritması tasarımı

    ELİF KESKİN BİLGİÇ

    Doktora

    İngilizce

    İngilizce

    2024

    Mühendislik Bilimleriİstanbul Üniversitesi-Cerrahpaşa

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. İNCİ ZAİM GÖKBAY

    DOÇ. DR. YUSUF KAYAR

Geri Dön