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: Kardiyoloji, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Cardiology, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Aritmi dedeksiyonu, Aritmi-kardiyak, Derin öğrenme, Elektrokardiyografi, Evrişimli sinir ağları, Kalp fonksiyon testleri, Kalp hastalıkları, Uzun kısa süreli bellek, Yapay sinir ağları, Arrhythmia detection, Arrhythmia-cardiac, Deep learning, Electrocardiography, Convolutional neural networks, Heart function tests, Heart diseases, Long- short term memory, Artificial neural networks
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- Elektrikli araçlar için rotoru sargili senkron motorun derin öğrenme yöntemleri ile tasarimi
Design of a wound rotor syn-chronous motor for electric vehi-cles using deep learning meth-ods
KIVANÇ DOĞAN
Doktora
Türkçe
2026
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ORHAN
- Otokodlayıcı tabanlı kablosuz haberleşme için RIS optimizasyonu
Optimizing RIS for autoencoder-based wireless communication
ÖZNUR AYDOĞAN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ERTUĞRUL ÇELEBİ
- 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
- Derin öğrenme ağ yapılarının uyku evreleme problemlerine uygulanması
Application of deep learning architectures on sleep staging problems
ENES EFE
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SERAL ÖZŞEN
- A fast 3d flow field prediction around bluff bodies using deep learning
Derin öğrenme kullanılarak küt cisimler etrafındaki 3 boyutlu akış alanının tahmini
FARHAD NEMATI TAHER
Yüksek Lisans
İngilizce
2023
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDUSSAMET SUBAŞI