Geri Dön

Transformer based interpretable algorithm for diagnosing myocardial infarction from electrocardiography data

Elektrokardiyografi verilerinden miyokard enfarktüsünü teşhisi için transformer tabanlı yorumlanabilir algoritma geliştirilmesi

PDF İndir

  1. Tez No: 916841
  2. Yazar: BARIŞ ÖZCAN
  3. Danışmanlar: PROF. DR. YUSUF SİNAN AKGÜL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Gebze Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 105

Özet

Miyokard enfarktüsü (ME), kalp kasının oksijen eksikliği nedeniyle hasar gördüğü ölümcül kardiyovasküler hastalıklardan biridir. Erken teşhis kritik önem taşır, ancak elektrokardiyogram(EKG) ölçümlerinden yorumlanması uzmanlık ve zaman gerektiren bir işlemdir. Bu nedenle, EKG verilerini kullanarak EKG sinyallerinden ME teşhisi yapabilen algoritmaların geliştirilmesine sağlık ve yapay zeka alanlarında önem verilmektedir. Bu çalışmada, dört farklı derin öğrenme modeli denenmiştir: CNN (Evrişimsel Sinir Ağları), CRNN(Evrişimsel Yinelemeli Sinir Ağları), CNN ile Çok Başlı Dikkat ve Transformer tabanlı modeller. Bu modeller, herkese açık olarak erişilebilen PTB, PTB-XL ve INCART veri setlerinin birleştirilmiş hali üzerinde eğitildi ve test edildi. Modellerin performansı doğruluk, duyarlılık, özgüllük ve F1 skoru gibi metriklerle değerlendirilmiştir. Transformer tabanlı model %93'lük doğruluk oranıyla en başarılı model oldu. Diğer yandan, çalışmanın önemli bir kısmını modellerin şeffaflaştırılmasına ayrılmış ve Grad-CAM bazlı yöntemlerin yanında karşıt saldırıları örnek alan bir pertürbasyon algoritması sayesinde derivasyonlar sırayla bozulmuş ve modellerin davranışı analiz edilmiştir.

Özet (Çeviri)

Myocardial infarction (MI), a fatal cardiovascular disease, occurs when the heart muscle is damaged due to lack of oxygen. Early diagnosis is of critical importance, yet interpreting electrocardiogram(ECG) signals requires expertise and time. Therefore, the development of algorithms capable of diagnosing MI using ECG data is studied well in the fields of health and artificial intelligence. In this study, four different deep learning models were explored: Convolutional Neural Networks (CNNs),CRNNs(Convolutional Recurrent Neural Networks), CNNs with Multi-Head Attention, and Transformer-based models. These models were trained and tested on the combined dataset of the publicly available PTB, PTB-XL, and INCART datasets. The performances of the models were evaluated using metrics such as accuracy, sensitivity, specificity, and F1 score. The transformer-based model was the most successful model with an accuracy rate of 93%. On the other hand, the study focused on the transparency of the models, where Grad-CAM based methods and a perturbation algorithm inspired by adversarial attacks were used to disrupt derivations and analyze the behavior of the models.

Benzer Tezler

  1. Tez No

    672964

    Boyut arttırma yöntemleri kullanılarak eeg sinyallerinden derin öğrenme tabanlı şizofren durum tespiti

    Deep learning based schizophrenia status determination from eeg signals using dimension augmentation methods

    ZÜLFİKAR ASLAN

    Doktora

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiDicle Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET AKIN

  2. Tez No

    957866

    Makine öğrenmesi yöntemleriyle kolorektal kanserin moleküler, patolojik, klinik ve prognostik özelliklerinin incelenmesi

    Machine learning methods to evaluate molecular, pathological, clinical and prognostic features of colorectal cancer

    CEM ŞİMŞEK

    Doktora

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Dahili ve Cerrahi Araştırmalar Ana Bilim Dalı

    PROF. DR. DERYA KARAKOÇ

  3. Tez No

    953769

    A comparative analysis of LSTM and lıghtgbm models in short-term electricity load forecasting: a case study from türkiye

    Kısa dönemli yük tahmininde LSTM ve lightgbm modellerinin karşılaştırmalı analizi: Türkiye'den bir vaka çalışması

    MUHAMMET FURKAN BAYSAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN

  4. Tez No

    946215

    Difüzyon ağları ile görüntü rekonstrüksiyonu ve restorasyonu

    Image reconstruction and restoration with diffusion networks

    ONUR PARAPAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ENDER METE EKŞİOĞLU

  5. Tez No

    945928

    Data-driven process mining for production line optimization using IIOT and big data technologies

    IIOT ve büyük veri teknolojileri kullanılarak veri odaklı süreç madenciliği ile üretim hattı uygulaması

    BEYZA YAPAKÇI

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Veri Mühendisliği ve İş Analitiği Ana Bilim Dalı

    PROF. DR. ALP ÜSTÜNDAĞ

Geri Dön