Neural networks for heart disease classification basing on electrocardiogram records
Elektrokardiyogram kayıtlarına dayanarak kalp hastalıklarının sınıflandırılmasına yönelik sinir ağları
- Tez No: 940459
- Danışmanlar: DR. ÖĞR. ÜYESİ OGUZ KARAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
Kardiyak aritmilerin kesin ve zamanında tespiti, hasta sonuçlarını önemli ölçüde etkilediğinden sağlık çalışanları için çok önemlidir. Bu çalışma, derin öğrenmeye ve önerilen modele özel bir vurgu yaparak elektrokardiyogram (EKG) sinyal sınıflandırmasının geliştirilmesine odaklanmaktadır. Klinik uygulamada yaygın olarak kullanılan elektrokardiyogram (EKG) verilerinin içerdiği karmaşık modeller, geleneksel sınıflandırma yöntemlerine zorluk teşkil etmektedir. Tekniğin etkinliği, dikkate değer sonuçlar üretme yeteneğiyle kanıtlanmıştır. Sınıflandırıcı, ön işleme tabi tutulan kapsamlı bir elektrokardiyogram (EKG) veri seti kullanılarak eğitilmiş ve doğrulanmıştır. Performans ölçümleri (doğruluk, kesinlik, geri çağırma), sistemin kardiyak aritmileri tespit etme konusundaki olağanüstü yeteneğinin altını çiziyor. Modelin bağımsız bir veri seti üzerinde doğrulanması, modelin genelleme kapasitesini ortaya koyar, yüksek düzeyde doğruluğu korur ve aritmiye ilişkin değerli bilgiler sağlar. Bulgular kapsamlı bir sınıflandırma raporu, karışıklık matrisleri ve ROC analizi ile desteklenmektedir. Bu çalışma, modeli açıklayıcı bir örnek olarak kullanarak, kardiyak aritmilerin tespitini dönüştürmede derin öğrenmenin potansiyelini sergiliyor. Bu çalışmanın sonuçları, EKG sınıflandırma tekniklerinin geliştirilmesine, dolayısıyla kardiyoloji alanında tanıların ve hasta tedavisinin doğruluğunun ve güvenilirliğinin artmasına katkıda bulunmaktadır.
Özet (Çeviri)
The precise and timely detection of cardiac arrhythmias is crucial for healthcare practitioners since it significantly impacts patient outcomes. This study is centered on the enhancement of electrocardiogram (ECG) signal classification, with a specific emphasis on deep learning and the proposed model. The complex patterns included in electrocardiogram (ECG) data, commonly used in clinical practice, pose challenges to conventional classification methods. The efficacy of the technique is evidenced by its ability to generate notable results. The classifier has been trained and validated using a comprehensive electrocardiogram (ECG) dataset that has undergone preprocessing. The performance measures (accuracy, precision, recall) underscore the exceptional ability of the system to identify cardiac arrhythmias. The validation of the model on an independent dataset reveals its capacity to generalize, maintaining a high level of accuracy and providing valuable insights into arrhythmia. The findings are supported by a comprehensive classification report, confusion matrices, and ROC analysis. This work showcases the potential of deep learning in transforming the detection of cardiac arrhythmias, using the model as an illustrative example. The results of this study contribute to the enhancement of ECG classification techniques, hence enhancing the accuracy and reliability of diagnoses and patient treatment in the field of cardiology.
Benzer Tezler
- Gri kurt meta-sezgisel algoritması ve rastgele orman sınıflandırma algoritmalarını birleştirerek koroner kalp hastalığı tanısının doğruluğunun artırılması
Improving the accuracy of diagnosis of coronary heart disease by combining gray wolf meta-heuristic algorithm and random forest classification algorithms
MAYSA KHODAYVERDIAN
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Medeniyet ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. NİHAT KABAOĞLU
- Yapay sinir ağları kullanılarak kalp hastalığının öngörülmesi
Prediction of hearth disease using artificial neural networks
AYŞE ARI
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. MURAT ERŞEN BERBERLER
- Derin öğrenme yöntemleri ile kalp kastalıklarının tespiti
Detection of heart diseases with deep learning methods
ABDOULMALIK ABDOULMALIK
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELİM ARAS
- Örüntü tanıma uygulamalarında yapay zeka ve öznitelik dönüşüm metotları kullanılarak geliştirilen öznitelik seçme algoritmaları
Feature selection algorithms developed by using artificial intelligence and feature transform methods in pattern recognition applications
MUSTAFA SERTER UZER
Doktora
Türkçe
2014
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAT YILMAZ
- Kalp seslerinin evrişimsel sinir ağları kullanılarak sınıflandırılması
Classification of heart sounds using convolutional neural networks
HATİCE ESRA ALTINIŞIK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDURRAHİM AKGÜNDOĞDU