Geri Dön

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

  1. Tez No: 847022
  2. Yazar: CEYDA ÖZÇİL
  3. Danışmanlar: PROF. DR. YİĞİT YAZICIOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Makine Mühendisliği, Mechanical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Automated diagnostic tool for hypertension using deep learning model

    Derin öğrenme modelini kullanarak hipertansiyon için otomatik teşhis aracı

    TUĞBA YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BAHA ŞEN

  2. 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

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMustafa Kemal Üniversitesi

    Enformatik Ana Bilim Dalı

    YRD. DOÇ. DR. YAKUP KUTLU

  3. Convolutional autoencoder based heart arrhythmia detection system

    Evrişimli otomatik kodlayıcı tabanlı aritmi tespit sistemi

    ÖYKÜ ERAVCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik MühendisliğiYaşar Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NALAN ÖZKURT

  4. Makine öğrenmesi kullanılarak mikroşebekelerde talep tarafı yönetimine termal enerji depolamasının dahil edilmesi

    Thermal energy storage integration into demand side management in microgrids by using machine learning

    KARIM BIO GASSI

    Doktora

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA BAYSAL

  5. Integrating fuzzy logic into deep autoencoders for interpretability and clustering

    Yorumlanabilirlik ve öbekleme için bulanık mantığın derin özkodlayıcılara entegre edilmesi

    KUTAY BÖLAT

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR