Miyokard enfarktüsü hastalarının tespitinde doğrusal olmayan özniteliklerin performans analizi
Performance analysis of non-linear features in detection of myocardial infarction patients
- Tez No: 859319
- Danışmanlar: DOÇ. DR. ALİ NARİN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Zonguldak Bülent Ecevit Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
Kalp rahatsızlıklarından biri olan Miyokard enfarktüsü (ME), kalbin bölgelerine kısmen veya tamamen kan akışının kesilmesi sonucunda kalp kaslarına zarar vermesi durumudur. Bu durum kalbe kalıcı hasar vermekte ve hayati risk oluşturmaktadır. ME tespiti için kolay ve ucuz elde edilebilen elektrokardiyogram (EKG) sinyalleri uzmanlar tarafından kullanılmaktadır. Fakat, bazı EKG sinyalleri üzerinde ME ile ilişkili anormallikler gözden kaçırılabilmekte hatta farklı yorumlanabilmektedir. Karşılaşılan problemlere çözüm olması amacıyla yapay zekâ tabanlı karar destek sistemleri ile otomatik ME tespiti üzerinde çalışmalar devam etmektedir. Bu çalışmada 52 normal ve 148 ME bireye ait 12 derivasyonlu EKG sinyallerinden lead II derivasyonu analiz edilmiştir. Durağan olmayan EKG sinyallerinde gürültü gidermek amacıyla hem frekans hem de zaman verisine ihtiyaç duyulmaktadır. Bu sebeple ayrık dalgacık dönüşümü, dalgacık-6 (DG-6) dalgacık yöntemi kullanılmıştır. Ayrıca deneysel mod ayrışım metodu kullanılarak 5 katmanlı iç mod fonksiyon (İMF) sinyalleri elde edilmiştir. Elde edilen DG-6 ve İMF sinyalleri üzerinden 23 farklı entropi yöntemi ile elde edilen 390 öznitelik kullanılarak sağlıklı ve ME tespitindeki başarımlar araştırılmıştır. Topluluk öğrenme (TÖ), destek vektör makineleri (DVM), yapay sinir ağları (YSA), k-en yakın komşu (k-EYK) algoritmaları kullanılarak ME tespiti üzerinde performanslar analiz edilmiştir. Dört farklı yöntemden elde edilen özniteliklerin TÖ sınıflandırıcısına ait torbalama, rastgele alt örnek, güçlendirilmiş formlarının karşılaştırılması sonucu en yüksek doğruluk değeri %97,6 güçlendirilmiş ağaç topluluğu sınıflandırıcısı kullanılarak elde edilmiştir. Çalışmanın yüksek doğruluğa sahip olması sebebiyle karar destek sistemine faydalı olacağı, öznitelik seçim ve içerik araştırmalarının genişletilerek daha yüksek doğruluk değeri elde edileceği tahmin edilmektedir.
Özet (Çeviri)
Myocardial infarction (MI), one of the heart diseases, is a condition that damages the heart muscles because of partial or complete interruption of blood flow to the parts of the heart. This condition causes permanent damage to the heart and poses a life-threatening risk. Electrocardiogram (ECG) signals, which can be obtained easily and cheaply, are used by experts to detect MI. However, MI-related abnormalities on some ECG signals may be overlooked or even interpreted differently. Studies are continuing automatic MI detection with artificial intelligence-based decision support systems in order to provide solutions to the problems encountered. In this study, lead II lead was analyzed from 12-lead ECG signals of 52 normal and 148 MI individuals. Both frequency and time data are needed to eliminate noise in non-stationary ECG signals. For this reason, the discrete wavelet transform, wavelet-6 (DB-6) wavelet method was used. Additionally, 5-layer internal mode function (IMF) signals were obtained using the experimental mode decomposition method. The performance of healthy and MI detection was investigated using 390 features obtained with 23 different entropy methods over the obtained DB-6 and IMF signals. Performances on MI detection was analyzed using ensemble learning (ENS), support vector machines (SVM), artificial neural networks (NN),k-nearest neighbor (kNN) algorithms. As a result of comparing the bagging, random subsampling, and boosted forms of the ENS classifier of the features obtained from four different methods, the highest accuracy value of 97.6% was obtained by using the boosted tree ensemble classifier. It is estimated that the study will be beneficial to the decision support system due to its high accuracy, and a higher accuracy value will be obtained by expanding feature selection and content research.
Benzer Tezler
- Miyokard enfarktüsü geçirmiş hastalarda canlı dokunun araştırılmasında, akut trimetazidin ve nitrat uygulaması sonrası yapılan Tc-99m-tetrofosmin gated SPECT'in tanı değeri
The value of Tc-99m-tetrofosmin gated SPECT after acute oraly trimetazidine administration of detection
ÖZGÜL TURHAL
Tıpta Uzmanlık
Türkçe
2002
KardiyolojiErciyes ÜniversitesiNükleer Tıp Ana Bilim Dalı
PROF.DR. AHMET TUTUŞ
- ST segment elevasyonlu miyokard enfarktüsü' nde N -terminal pro - brain natriüretik peptid'in prognostik önemi
The prognostic value of N - terminal pro - brain natriuretic peptide in patients with ST segment elevation myocardial infarction
UFUK ERYILMAZ
Tıpta Uzmanlık
Türkçe
2006
KardiyolojiUludağ ÜniversitesiKardiyoloji Ana Bilim Dalı
PROF.DR. OSMAN AKIN SERDAR
- İnferior miyokard enfarktüslü hastalarda sağ ventrikül fonksiyonlarının iki boyutlu ekokardiyografi ve speckle tracking görüntüleme ile değerlendirilmesi
Evaluation of the RV by speckle tarcking echocardiography in inferior myocardial infarction patients
BATUR GÖNENÇ KANAR
Tıpta Uzmanlık
Türkçe
2014
KardiyolojiMarmara ÜniversitesiKardiyoloji Ana Bilim Dalı
DOÇ. DR. MUSTAFA KÜRŞAT TİGEN
- Miyokard enfarktüslü hastalarca viabilite değerlendirilmesinde Tc-99m MİBİ rest-redistribüsyon ve Tc-99m MIBI nitrat SPECT'in karşılaştırılması
Başlık çevirisi yok
AYŞE ALEMDAR
Tıpta Uzmanlık
Türkçe
1998
Radyoloji ve Nükleer TıpTrakya ÜniversitesiNükleer Tıp Ana Bilim Dalı
PROF. DR. ŞAKİR BERKARDA
- Development of a unified method for the detection and analysis of late potentials as non-invasive predictors to ventricular tachycardia in electrocardiography
Elektrokardiyografide ventrikül taşikardisinin non-invazif prediktörleri olarak geç potansiyellerin tespiti ve analizi için bir örnek yöntem geliştirilmesi
AYAD ADAM MOUSA
Doktora
İngilizce
2005
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. ATİLA YILMAZ