EKG sinyallerinin hastalık teşhisi için analizi
Analysis of electrocardiography signals to diagnose disease
- Tez No: 841962
- Danışmanlar: PROF. DR. UMAY ZEYNEP UZUNOĞLU KOÇER
- Tez Türü: Yüksek Lisans
- Konular: Kardiyoloji, Cardiology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Veri Bilimi Bilim Dalı
- Sayfa Sayısı: 76
Özet
Makine Öğrenimi gibi ileri veri analizi yöntemleri son yıllarda bir çok alanda yaygın olarak kullanılmaktadır. Sağlık alanı da bu analitik yöntemlerin başarıyla kullanıldığı alanların başında gelir. Bu tez çalışmasının amacı Elektrokardiyografi sinyalini işleyerek kardiyologlar için karar destek sistemi oluşturmaktır. Günümüzde Kalp hastalıkları (Aritmi) ciddi bir sorundur. Elektrokardiyografi sinyalinin incelenmesi de aritmi teşhisinin olmazsa olmazıdır. Bu yüzden çok uzun dönem Elektrokardiyografi Sinyalleri kaydedilmemektedir ve kaydedilmediği içinde uzun dönemde tespit edilebilecek kalp hastalıkları tespit edilememektedir. Bu nedenle Elektrokardiyografi sinyalinden otomatik olarak aritmilerin tespit edilmesi büyük önem taşımaktadır. Çalışmada kullanılan veri seti hastalardan elde edilen yaklaşık yarım saatlik Elektrokardiyografi sinyalleri ve her atıma karşılık gelen sınıf etiketlerini (normal atım, Prematüre ventriküler kasılma atımı vb.) içermektedir. Veri setinde K En Yakın Komşu algoritması kullanılarak atımları sınıflandıran model geliştirilmeye çalışılmıştır. Elektrokardiyografi sinyalinden Kesikli Dalgacık dönüşümü kullanılarak çıkarılan 7 değişken ile kurulan K En Yakın Komşu algoritması modeli, normal ve Prematüre ventriküler kasılma atımlarını yüksek doğruluk ile sınıflandırabilmiştir ve bu model ile kardiyologları Elektrokardiyografi sinyalinde Prematüre ventriküler kasılma atımı varlığı olup olmadığına dair hızlıca bir öngörü sunulabilecektir.
Özet (Çeviri)
In recent years, advanced data analysis methods such as Machine Learning have been widely adopted in various fields, with the healthcare sector being a prominent area of successful application. The aim of this thesis is to develop a decision support system for cardiologists by processing Electrocardiography signals. Heart diseases, particularly arrhythmias, are a serious concern today. The examination of Electrocardiography signals is essential for diagnosing arrhythmias. However, manually analyzing Electrocardiography signals poses a significant burden on cardiologists. Consequently, long-term Electrocardiography signal recordings are limited, leading to the inability to detect heart diseases that could be identified over extended periods. Therefore, automated detection of arrhythmias from Electrocardiography signals holds immense importance. The utilized dataset in this study comprises approximately half-hour Electrocardiography signals collected from patients, along with corresponding class labels for each heartbeat (e.g., normal beat, Premature Ventricular Contraction beat, etc.). The goal was to develop a model using the K Nearest Neighbors algorithm to classify heartbeats. The K Nearest Neighbors model, constructed using seven features extracted from Electrocardiography signals through Discrete Wavelet Transform, demonstrated high accuracy in classifying normal and Premature Ventricular Contraction heartbeats. This model offers a quick insight to cardiologists regarding the presence of Premature Ventricular Contraction beats in Electrocardiography signals.
Benzer Tezler
- Linear prediction coding and wavelet based multi heart diseases classification via SVM
Lineer tahmini kodlama ve dalgacık tabanlı SVM üzerinden çoklu kalp hastalıklarının sınıflandırılması
ALAA MAJEED AL-OBAIDI
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik MühendisliğiTürk Hava Kurumu ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HASSAN SHARABATY
- Lempel-ziv komplekslik metodu kullanılarak EKG ve solunum sinyallerinden uyku apnesi analizi
Analysis of sleep-apnea from electrocardiogram and respiratory signals using the lempel-ziv complexity
SOMAY KÜBRA ŞENER
Yüksek Lisans
Türkçe
2023
BiyomühendislikKocaeli ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. EMİNE BOLAT
- ECG arrythmia classification using Deep Neural Network
ECG arrythmia classification using Deep Neural Network
ZAKI UR REHMAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAntalya Bilim ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
ASSIST. ASSOC. DR. SHAHRAM TAHERI
- Polisomnografi sinyallerinin işlenmesi ile uyku apnesinin otomatik teşhisi
Automatic detection of sleep apnea by processing of polysomnography signals
GÖZDE KARAMUSTAFAOĞLU
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik Mühendisliğiİstanbul ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. AYDIN AKAN
YRD. DOÇ. DR. ESRA SAATÇI
- Developing a novel artificial intelligence based method for diagnosing chronic obstructive pulmonary disease
Kronik obstrüktif akciğer hastalığı teşhisi için yapay zeka tabanlı yeni bir yöntem geliştirilmesi
İNANÇ MORAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ TURGAY ALTILAR