Artificial neural networks for heart rhythm classification
Kalp ritim sınıflandırması için yapay sinir ağları
- Tez No: 798228
- Danışmanlar: YRD. DOÇ. DR. OĞUZ KARAN
- 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: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilişim Teknolojileri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yapay sinir ağları (YSA), beyindeki biyolojik sinir bağlantılarından sonra modellenir. Yapay sinir ağları (YSA), algılar olarak da bilinen yapay nöronları kullanır ve ilk olarak 1958'de Rosenblatt tarafından tanımlanmıştır. Çoklu ağırlıklı girdiler, sigmoid veya eşik işlevi gibi bir aktivasyon işlevine dönüştürülmeden önce yapay nöronlarda birleştirilir. Uygulanabilir olduğu ölçüde, yapay nöronların eylemleri gerçek nöronlarınkilere göre modellenmiştir. Kalbin elektriksel aktivitesi bir elektrokardiyogram sinyali ile kaydedilir. Derideki elektrotlar, kalp kasının depolarizasyonu ve repolarizasyonunun neden olduğu küçük voltaj değişikliklerini saptar. İki elektrot arasındaki elektrik potansiyeli ölçülebilir. Bir EKG ucu, birbirine bağlı bir çift elektrottur. Her kurşun, kalbin elektriksel aktivitesi hakkında benzersiz bir bakış açısı sunar. Hastanın EKG'sinin incelenmesi, kullanılabilecek tanısal yaklaşımlardan biridir. Bununla birlikte, bir kardiyak sorunu doğru bir şekilde teşhis etmek için uygun eğitime sahip bir insan uzmanı gereklidir. Atriyal fibrilasyon gibi bazı aritmi türlerinin günlerce hatta haftalarca sürekli izlenmesi gerekir. Öte yandan, uzun süreli kardiyak izleme tarafından üretilen sinyaller, bir insan tarafından yeterince incelenemeyecek kadar uzundur. Bu nedenle, analiz bir model tarafından otomatik olarak yapılmalıdır. Bu tezde öncelikle yapay sinir ağları modellerinin birçoğunu ve farklı alanlardaki kullanımlarını inceledik. İkinci bölümde, herkesin erişebileceği veri kümeleri üzerinde bir dizi modeli test etmek için eğitim verdik. Daha sonra bu modeller üzerinde performansları ve doğrulukları ile ilgili bir karşılaştırma yaptık.
Özet (Çeviri)
Artificial neural networks (ANNs) are modeled after the biological neural connections in the brain. Artificial neural networks (ANNs) employ artificial neurons, also known as perceptions, and were first described by Rosenblatt in 1958. Multiple weighted inputs are combined in artificial neurons before being translated into an activation function like the sigmoid or threshold function. To the greatest extent feasible, the actions of artificial neurons are modeled after those of real neurons. 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. An examination of the patient's ECG is one of the diagnostic approaches that may be used. However, in order to accurately diagnose a cardiac issue, a human specialist with the appropriate training is required. Certain types of arrhythmias, such as atrial fibrillation, need for continuous monitoring over the course of many days or even weeks. On the other hand, the signals generated by long-term cardiac monitoring are far too lengthy to be adequately examined by a human being. Because of this, the analysis has to be carried out automatically by a model. In this thesis firstly we reviewed most of artificial neural networks models and their usage in different fields. The second part we trained to test a number of models on datasets, which are publicly accessible. Then we did a comparison on these models regarding their performance and accuracies.
Benzer Tezler
- EKG aritmilerini hızlı tanıma
Fast recognition of ecg arrhythmias
YÜKSEL ÖZBAY
Doktora
Türkçe
1999
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. BEKİR KARLIK
- EKG sinyallerinnin yapay sinir ağları ile sınıflandırılması
Classification of ECG signals with artificial neural networks
MUSTAFA OKANDAN
Yüksek Lisans
Türkçe
2004
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SADIK KARA
- Kalpteki fokal ventriküler aritmi kaynağının yerinin tespitinde kümeleme ve sınıflandırma uygulamaları
Clustering and classification applications for ventricular focal cardiac arrhytmia source localization
AHMET SERTAÇ SUNAY
Doktora
Türkçe
2010
Elektrik ve Elektronik MühendisliğiBaşkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BÜLENT YILMAZ
- Hibrit sınıflayıcılar kullanarak kalpteki ritim bozukluklarının teşhisi
Diagnosis of the heart rhythm disorders by using hybrid classifiers
ŞULE YÜCELBAŞ
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÜLAY TEZEL
- Cardiac arrhytmia analysis of ECG using higher order spectra
Yüksek dereceli̇ i̇zge tekni̇kleri̇ i̇le EKG i̇şaretleri̇ni̇n ri̇tm bozukluğu anali̇zi̇
IBRAHİM ABDULLAHİ KARAYE
Yüksek Lisans
İngilizce
2014
BiyomühendislikYaşar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NALAN ÖZKURT
- Elektrokardiyografi (EKG) sinyallerinin aritmi tespiti için yapay zeka yöntemleri ile sınıflandırılması
Classification of electrocardiography (ECG) signals by artificial intelligence methods for determining arrhythmia
İBRAHİM ÇELİK
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiMersin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. EVREN DEĞİRMENCİ
PROF. DR. ALİ AKDAĞLI