Integrating deep learning for heart and vascular acoustic analysis in cardiovascular health assessment
Kardiyovasküler sağlığın kalp ve vasküler akustik analizine derin öğrenme entegre edilerek değerlendirilmesi
- Tez No: 847022
- Danışmanlar: PROF. DR. YİĞİT YAZICIOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 108
Özet
Kardiyovasküler bir hastalık olan ateroskleroz, tıkanıklıklar nedeniyle kan akışını bozar. Laminerden türbülanslı akışa dönüşüm, uğultu olarak bilinen bir akustik fenomene neden olur. Bu çalışmada fonokardiyografi ile kaydedilen kalp sesleri, özellik çıkarma ve sınıflandırma tekniklerinin farklı kombinasyonları kullanılarak normal ve anormal olarak sınıflandırıldı. Farklı darlık seviyelerinde pulsatil akış sesi üretmek için deney bazlı bir model kullanıldı. Fonokardiyografi ile vasküler sesler arasındaki korelasyonu araştırmak için derin öğrenme ve özellik karşılaştırma yöntemleri uygulandı. Kalp sesi sınıflandırmasında umut verici sonuçların ötesinde, fonokardiyografi kayıtları ile %50-90 darlıklı vasküler sesler arasında açık bir ilişki olduğunu ortaya koydu. Bu sonuç, koroner arter hastalığının fonokardiyografi kullanılarak tespit edilebileceğini vurgulamaktadır.
Özet (Çeviri)
Atherosclerosis, a cardiovascular disease, disrupts blood flow due to occlusions. The transformation from laminar into turbulent flow produces an acoustic phenomena known as bruits. In this study, heart sounds recorded by phonocardiography were classified as normal and abnormal using different combinations of feature extraction and classification techniques. An experiment-based model was employed to generate pulsating flow sound at different stenosis levels. Deep learning and feature comparison methodologies were applied to explore the correlation between phonocardiography and vascular sounds. Beyond promising results in heart sound classification, the study demonstrated an apparent relationship between phonocardiography recordings and 50-90% stenosed vascular sounds. This outcome highlights that coronary artery disease could be detected by utilizing the phonocardiography.
Benzer Tezler
- Automated diagnostic tool for hypertension using deep learning model
Derin öğrenme modelini kullanarak hipertansiyon için otomatik teşhis aracı
TUĞBA YILMAZ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAHA ŞEN
- Ultrason taramalarından fetüs hareketlerinin tespiti için yeni derin öğrenme modelleri geliştirilmesi
Development of novel deep learning models for fetal movement detection in ultrasound scans
MUSA TURKAN
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE DANDIL
- Enhancing deep extreme learning machines: Novel multi-kernel autoencoders and implementation for detecting the chronic obstructive pulmonary disease
Derin aşırı öğrenme makinelerinin geliştirilmesi: Yeni çok çekirdekli autoencoderlar ve kronik obstruktif akciğer hastalığının belirlenmesinde uygulanması
GÖKHAN ALTAN
Doktora
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMustafa Kemal ÜniversitesiEnformatik Ana Bilim Dalı
YRD. DOÇ. DR. YAKUP KUTLU
- Convolutional autoencoder based heart arrhythmia detection system
Evrişimli otomatik kodlayıcı tabanlı aritmi tespit sistemi
ÖYKÜ ERAVCI
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiYaşar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NALAN ÖZKURT
- Reinforcement learning-driven ensemble neural networks for heart disease prediction
Kalp hastalığı tahmini için takviyeli öğrenme tabanlı topluluk sinir ağları
ÖZGE HÜSNİYE NAMLI DAĞ
Doktora
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA YANIK ÖZBAY