Kalp rahatsızlıklarının tespitinde EKG sinyalleri üzerinde açıklanabilir derin öğrenme modellerinin geliştirilmesi
Development of explainable deep learning models on ECG signals for detection of cardiac disorders
- Tez No: 925255
- Danışmanlar: PROF. DR. YAKUP DEMİR, DOÇ. DR. ÖZAL YILDIRIM
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 133
Özet
Bu tez çalışması, kalp rahatsızlıklarının EKG sinyalleri üzerinden otomatik tespiti için açıklanabilir yapay zeka (XAI) yaklaşımlarının geliştirilmesini amaçlamaktadır. Kalp rahatsızlıklarının tanısında EKG sinyallerinin kullanımı, özellikle aritmi ve atriyal fibrilasyon gibi düzensiz kalp ritimlerinin tespiti açısından önem arz etmektedir. Tezde, derin öğrenme modelleri kullanılarak EKG verilerinin analizi yapılmış ve bu analizlerin açıklanabilirliğini artırmak amacıyla Multimodal GradCAM (MM-GradCAM) yöntemi geliştirilmiştir. Hipotez olarak hem sinyal hem de görüntü formundaki EKG verilerini değerlendirebilen bir açıklanabilirlik yöntemiyle tanı doğruluğunun ve güvenilirliğinin artırılabileceği öne sürülmüştür. Bu tez kapsamında, büyük ölçekli EKG veri setleri üzerinde derin öğrenme modelleri kullanılarak çeşitli uygulamalar yapılmıştır. Bulgular, geliştirilen MM-GradCAM yöntemi ile model çıktılarının hem zaman serileri hem de örüntü açıklanabilirliği açısından şeffaf hale getirildiğini ve uzman kardiyologların yorumları ile doğrulandığını göstermiştir. Bu tez, sağlık alanında XAI uygulamalarının kullanım potansiyelini artırarak, doktorların yapay zeka destekli sistemlere duyduğu güveni güçlendirmektedir. Sonuç olarak, geliştirilen yöntemle yapay zeka tabanlı tanı modellerinin sağlık alanındaki uygulamaları için şeffaf ve güvenilir bir yaklaşım oluşturulmuştur.
Özet (Çeviri)
This thesis aims to develop explainable artificial intelligence (XAI) approaches for the automatic detection of cardiac disorders using ECG signals. The use of ECG signals in diagnosing cardiac disorders is particularly important for the detection of irregular heart rhythms, such as arrhythmia and atrial fibrillation. In this study, deep learning models are employed to analyze ECG data, and a Multimodal GradCAM (MM-GradCAM) method is developed to enhance the interpretability of these analyses. The hypothesis posits that a method capable of evaluating ECG data in both signal and image forms can improve diagnostic accuracy and reliability. The study involved conducting various experiments on large-scale ECG datasets using deep learning models. Findings indicate that the MM-GradCAM method provides transparency for model outputs by enabling interpretability in both time series and pattern recognition, with validations from expert cardiologists. This thesis contributes to increasing the adoption potential of XAI applications in healthcare by strengthening physicians' trust in AI-assisted systems. In conclusion, the proposed method provides an understandable and reliable framework for AI-based diagnostic models in healthcare applications.
Benzer Tezler
- Miyokard enfarktüsü hastalarının tespitinde doğrusal olmayan özniteliklerin performans analizi
Performance analysis of non-linear features in detection of myocardial infarction patients
MERVE KESER
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ NARİN
- ECG signal denoising for arrhythmia detection
EKG sinyalinin aritmi tespiti için gürültüden arındırılması
ALI KHALEEL ALAG ALAG
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik MühendisliğiÇankaya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BARBAROS PREVEZE
- EKG sinyallerinin bilgisayarda görüntülenmesi, ayrıştırılması ve analizi
ECG signals on the computer display, sorting and analysis
ÜMİT ŞENTÜRK
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektronik-Bilgisayar Ana Bilim Dalı
PROF. HÜSEYİN SELÇUK VAROL
- Matlab web figure tabanlı elektrokardiyogram (EKG) benzetimi
Electrocardiogram (ECG) simulator based on matlab web figure
ESRA GÜNEY
Yüksek Lisans
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. MURAT ÇAKIROĞLU
- Holter EKG işaretleri üzerinden otomatik atrial fibrilasyon tespiti
Automatic atrial fibrillation detection on holter ECG signals
ANIL CAN GÜZELER
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik MühendisliğiAkdeniz ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SÜLEYMAN BİLGİN