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
- Tez No: 780796
- Danışmanlar: DR. ÖĞR. ÜYESİ EFTAL ŞEHİRLİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Kardiyoloji, Computer Engineering and Computer Science and Control, Cardiology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2023
İnşaat MühendisliğiErzurum Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED YASİN ÇODUR
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZAFER ALBAYRAK
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- İnvolüsyonel sinir ağları ile hiperspektral verilerin analizi
Analysis of hyperspectral data with involutional neural networks
MÜCAHİT CİHAN
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT CEYLAN
- 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
2024
Mühendislik Bilimleriİstanbul Üniversitesi-CerrahpaşaBiyomedikal Mühendisliği Ana Bilim Dalı
DR. İNCİ ZAİM GÖKBAY
DOÇ. DR. YUSUF KAYAR