Geri Dön

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

  1. Tez No: 877810
  2. Yazar: NUR TOLAN
  3. Danışmanlar: DOÇ. DR. AHMET ÇINAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Derin Öğrenme, Elektrokardiyografi, Aritmi Tespiti, Konvolüsyonel Sinir Ağları(CNN), 1 Boyutlu Evrişimsel Sinir Ağları(1D CNN), Uzun Kısa Süreli Bellek(LSTM), Deep Learning, Electrocardiography, Arrhythmia Detection, Convolutional Neural Networks (CNN), 1D Convolutional Neural Networks (1D CNN), Long Short Term Memory (LSTM)
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Yazılım Bilim Dalı
  13. Sayfa Sayısı: 76

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

  1. 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

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEHRA ÇATALTEPE

  2. Yerel görünüm ve derin modeller kullanarak hibrit bir yüz tanıma yaklaşımı

    A hybrid face recognition approach using local appearance and deep models

    MERT ARI

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HAZIM KEMAL EKENEL

  3. Deep convolutional neural network based unconstrained ear recognition

    Derin evrişimsel sinir ağı tabanlı kısıtsız kulak tanıma

    FEVZİYE İREM EYİOKUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAZIM KEMAL EKENEL

  4. Öz bilgi destekli derin öğrenme yaklaşımları ile hsg gürültü giderme

    Self-ınformation empowered deep learning approaches for hsı denoising

    ORHAN TORUN

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SENİHA ESEN YÜKSEL ERDEM

    PROF. DR. MEHMET ERKUT ERDEM

  5. İki boyutlu sağlık, tarım ve iş güvenliği imgeleri üzerinde sınıflandırma ve nesne tespiti

    Classification and object detection on two dimensional health, agriculture, and occupational safety images

    EMİNE CENGİL

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET ÇINAR