Tek boyutlu hibrit evrişimsel sinir ağları ve uzun kısa süreli bellek mimarileri kullanarak EKG sinyallerinin sınıflandırılması
Classification of ECG signals using one-dimensional hybridconvolutional neural networks and long short-term memoryarchitectures
- Tez No: 877810
- Danışmanlar: DOÇ. DR. AHMET ÇINAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin Öğrenme, Elektrokardiyografi, Aritmi Tespiti, Konvolüsyonel Sinir Ağları(CNN), 1 Boyutlu Evrişimsel Sinir Ağları(1D CNN), Uzun Kısa Süreli Bellek(LSTM), Ekokardiyografi-doppler, Deep Learning, Electrocardiography, Arrhythmia Detection, Convolutional Neural Networks (CNN), 1D Convolutional Neural Networks (1D CNN), Long Short Term Memory (LSTM), Echocardiography-doppler
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Alt sağlık sorununun etkin bir şekilde izlenmesine yönelik talep hızla artmaktadır. Kalp hastalıkları günümüzde önde gelen ölüm sebeplerindir. Bu sebepten ötürü son zamanlarda kalp atışlarının sınıflandırmasına yönelik çalışmalar büyük ilgi görmüştür. Elektrokardiyografi, kardiyak aritmiyi tanımlamanın, tespit etmenin ve teşhis etmenin kolay ve etkili bir yoludur. Elektrokardiyografik (EKG) sinyallerden kalp rahatsızlıklarına dair bilgi elde etmek zordur. Anormal EKG sinyallerini tespit etmek için doğru bir model, hastalığın erken teşhisini ve hastalara doğru tedavi sunulmasını sağlar. Bu çalışmada doğru, hızlı ve otomatik vuruşlu EKG sınıflandırması için konvolüsyonel sinir ağı (CNN) ve uzun kısa süreli bellek (LSTM) yöntemlerini birleştiren 1B derin öğrenme modelini kullanacağız. Amacımız ilgili EKG verikümelerine bu modeli uygulayarak modelimizin doğruluğunu tespit edip yüksek doğruluk oranına sahip sınıflandırmayı elde etmek.
Özet (Çeviri)
The demand for effective monitoring of sub-health problems is rapidly increasing. Heart diseases are the leading causes of death today. For this reason, studies on the classification of heartbeats have recently attracted great attention. Electrocardiography is an easy and effective way to identify, detect and diagnose cardiac arrhythmia. It is difficult to obtain information about heart diseases from electrocardiographic (ECG) signals. An accurate model to detect abnormal ECG signals enables early diagnosis of disease and the right treatment for patients. In this study, we will use a 1D deep learning model combining convolutional neural network (CNN) and long short-term memory (LSTM) methods for accurate, fast and automatic beat ECG classification. Our goal is to determine the accuracy of our model by applying this model to the relevant ECG datasets and obtain a classification with high accuracy.
Benzer Tezler
- Sensor-based activity recognition and authentication using deep learning
Derin öğrenme yöntemleri ile sensör tabanlı sistemlerde aktivite ve kimlik tanıma
NİLAY TÜFEK
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA
- Cam ve plastik seraların sonbahar domates üretimi yönünden karşılaştırılması
Başlık çevirisi yok
ERGUN DURAN
- Eksternal etmoidektomiler
Başlık çevirisi yok
ERCÜMENT AKMAN
Tıpta Uzmanlık
Türkçe
1987
Kulak Burun ve BoğazGazi ÜniversitesiKulak Burun Boğaz Ana Bilim Dalı
PROF.DR. NECMETTİN AKYILDIZ
- İzmir'de Mustafa Kemal Bulvarı'nın peyzaj mimarlığı açısından etüdü ve peyzaj projesi
Başlık çevirisi yok
ENGİN ALPARSLAN
Yüksek Lisans
Türkçe
1985
Peyzaj MimarlığıEge ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
YRD. DOÇ. DR. ÜMİT ERDEM