Geri Dön

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

PDF İndir

  1. Tez No: 927157
  2. Yazar: MERVE İNCE
  3. Danışmanlar: PROF. DR. FATMA LATİFOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Acil Tıp, Kardiyoloji, Mühendislik Bilimleri, Emergency Medicine, Cardiology, Engineering Sciences
  6. 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
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 94

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

  1. Tez No

    56370

    12 standart derivasyonlu bir EKG biopotansiyel simülatörünün dizaynı ve gerçekleştirilmesi

    The Design and application of an ECG biopotantial simulator with 12 standart derivations

    RAŞİT KÖKER

    Yüksek Lisans

    Türkçe

    Türkçe

    1996

    Elektrik ve Elektronik MühendisliğiMarmara Üniversitesi

    Elektronik-Haberleşme Eğitimi Ana Bilim Dalı

    PROF.DR. İHSAN GÖK

  2. Tez No

    238312

    PDA tabanlı gerçek zamanlı EKG görüntüleme sistemi

    PDA based real-time telemonitoring system

    TAYFUN BURAK AKTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAfyon Kocatepe Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    YRD. DOÇ. DR. UĞUR FİDAN

  3. Tez No

    522493

    Stenozlu koroner artere bağlı infarktüs lokalizasyonunun yapay zekâ teknikleri ile belirlenmesi

    Determination of stenotic coronary artery infarction localization with artificial intelligence techniques

    HATİCE KÜBRA ZIĞARLI

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Mühendislik BilimleriAfyon Kocatepe Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ UĞUR FİDAN

  4. Tez No

    507452

    Primer perkütan koroner girişim yapılan st segment yükselmeli miyokart enfarktüsü hastalarında koroner akımsızlık ile elektrokardiyografik iskemi drade arasındaki ilişki

    Başlık çevirisi yok

    HÜLYA CEBE

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    KardiyolojiSağlık Bilimleri Üniversitesi

    Kardiyoloji Ana Bilim Dalı

    DOÇ. DR. FATMA NİHAN TURHAN ÇAĞLAR

  5. Tez No

    734338

    Genel anestezi ile ameliyat olması gereken son 12 ay içinde COVİD-19 enfeksiyonu geçirip iyileşmiş hasta grubunda intraoperatif aritmi görülme sıklığının araştırılması

    Investigation of the frequency of intraoperative arrhythmia in the patient group, which required surgery with general anesthesia and healed with COVİD-19 infection in the last 12 months

    EMİNE SÖZEN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Anestezi ve ReanimasyonSivas Cumhuriyet Üniversitesi

    Anesteziyoloji ve Reanimasyon Ana Bilim Dalı

    PROF. DR. AHMET CEMİL İSBİR

Geri Dön