12 derivasyonlu ekg işaretleri kullanarak miyokard enfarktüsün yapay zekâ yöntemleri ile tespit edilmesi
Detecting myocardial infarction with artificial intelligence methods using 12-leads ecg signals
- Tez No: 927157
- Danışmanlar: PROF. DR. FATMA LATİFOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Kardiyoloji, Acil Tıp, Mühendislik Bilimleri, Cardiology, Emergency Medicine, Engineering Sciences
- Anahtar Kelimeler: Miyokard Enfarktüs, Elektrokardiyografi, Ampirik Dalgacık Dönüşümü, Yapay Sinir Ağları, K-En Yakın Komşu Algoritması, Destek Vektör Makineleri, Myocardial Infarction, Electrocardiography, Empirical Wavelet Transform, Artificial Neural Networks, K-Nearest Neighbor Algorithm, Support Vector Machines
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Miyokard enfarktüs, dünya çapında ölüme en çok sebep olan dolaşım sistemi hastalıklarından biridir. Kalbin yeterince kan almaması veya kan akışının kesilmesi sonucu olarak ortaya çıkmaktadır. Miyokard enfarktüs 'ün erken teşhisi için elektrokardiyografi sinyallerinin incelenmesi oldukça önemlidir. Bu çalışmada, 12 derivasyonlu elektrokardiyografi sinyallerini kullanarak miyokard enfarktüs 'ün farklı durumlarını (NSTEMI, STEMI) sağlıklı kontrol grubu ile sınıflandırmak için özellik çıkarma ve makine öğrenimi algoritmalarının kullanımını içeren bir yaklaşım ortaya konmuştur. Önerilen yöntemde, 12 kanallı elektrokardiyografi sinyallerine uygulanan ön işlemlerden sonra ampirik dalgacık dönüşümü ile elde edilen alt bant sinyallerinden elde edilen öznitelikler kullanılarak SAĞLIKLI-NSTEMI, SAĞLIKLI-STEMI, SAĞLIKLI-NSTEMI-STEMI ve NSTEMI-STEMI durumlarına göre sınıflandırmalar gerçekleştirilmiştir. Sınıflandırma işlemi için yapay sinir ağları, k-en yakın komşu algoritması, destek vektör makineleri kullanılmıştır. Elde edilen sonuçlara göre NORMAL-STEMI grubunun 5 kat çapraz doğrulama gerçekleştirilerek en yüksek performansla yapay sinir ağları kullanılarak sınıflandırma başarısı 0.996 doğruluk değeri hesaplanmıştır.
Özet (Çeviri)
Myocardial infarction is one of the circulatory system diseases that causes most deaths worldwide. It occurs when the heart does not receive sufficient blood supply or when blood flow is blocked. Examining electrocardiography signals is very important for early diagnosis of myocardial infarction. In this study, an approach is proposed for classifying different conditions of myocardial infarction (STEMI, NSTEMI) with a healthy control group using feature extraction and machine learning algorithms based on 12-lead electrocardiography signals. In the proposed method, artificial neural networks are created according to HEALTHY-NSTEMI, HEALTHY-STEMI, HEALTHY-NSTEMI-STEMI and NSTEMI-STEMI states, using the features obtained from the subband signals obtained by empirical wavelet transform after the pre-processing applied to the 12-channel electrocardiography signals. Classification was carried out using the near neighbor algorithm and support vector machines. The proposed method involves preprocessing the 12-lead electrocardiography signals, followed by applying the empirical wavelet transform to obtain sub-band signals. Features extracted from these sub-bands are then used for classification into HC-NSTEMI, HC-STEMI, HC-NSTEMI-STEMI, and NSTEMI-STEMI groups. Artificial neural networks, k-nearest neighbor algorithm and support vector machines were used for the classification process. The results showed that the highest classification performance with an accuracy of 0.996 was achieved for the HC-STEMI group using Artificial Neural Networks with 5-fold cross-validation.
Benzer Tezler
- Ovulasyon indüksiyonu tedavisinde folliküler gelişimin ultrasonografik takibi
Başlık çevirisi yok
MERİH BAYRAM
Tıpta Uzmanlık
Türkçe
1987
Kadın Hastalıkları ve DoğumGazi ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
DOÇ. DR. MÜLAZIM YILDIRIM
- Çimentonun sertleşmesi üzerinde kimyasal komponentlerin etkisi
Başlık çevirisi yok
NACİYE TÜRKEL
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE
- Bazı sert çekirdekli meyve türlerinde döllenme biyolojisi üzerinde yöntem çalışmaları
Başlık çevirisi yok
ATBİMOĞLU ADALET
- Bazı yer ve sırık fasulye çeşitlerinde optimal melezleme şartlarının tespiti üzerine bir araştırma
Başlık çevirisi yok
TÜRKAN KOÇLU
- Kuyruk modelleri ve analizi üzerine bir uygulama
Başlık çevirisi yok
DİDEM ÖZPULAT
Yüksek Lisans
Türkçe
1985
İstatistikEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET İKİZ