Makine öğrenmesi yöntemleriyle EKG sinyallerinde solunum tespiti
Respiration detection in ECG signals using machine learning methods
- Tez No: 947326
- Danışmanlar: DOÇ. DR. ESRA SAATÇI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Kültür Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 94
Özet
Bu tez çalışmasında,“Makine Öğrenmesi Yöntemleriyle EKG Sinyallerinde Solunum Tespiti”başlığı altında, uyku bozukluklarının klinik tanısında yalnızca tek kanallı elektrokardiyogram (EKG) sinyalleri kullanılarak Obstrüktif Uyku Apnesi (OSA) tespit edilmesi amaçlanmıştır. Çalışmada kullanılan tek kanallı EKG sinyallerin ön işleme sürecinde, gürültü ve artefaktların giderilmesi amacıyla bant geçiren filtre ve Savitzky-Golay filtresi uygulanmıştır. Ardından, Pan-Tompkins algoritması kullanılarak R-tepeleri otomatik olarak tespit edilmiş ve R-R aralık zaman serisi elde edilmiştir. Elde edilen R-tepeleri ve ön işlenmiş EKG sinyalleri kullanılarak EKG Türevli Solunum (EDR) sinyalleri üç farklı formda (QRS Alan Varyasyonu, QRS Eğimi ve R-Tepe Genliği) türetilmiştir. Daha sonra, R-R aralıkları ve EDR sinyalleri kübik spline enterpolasyonu ile 4 Hz örnekleme frekansında yeniden örneklenmiştir. Hem yeniden örneklenen sinyallerden hem ön işlenmiş EKG'den çeşitli öznitelikler çıkarılmıştır. Bununla birlikte, Sürekli Dalgacık Dönüşümü (CWT) yöntemi ile Kardiyopulmoner Eşleşme (CPC) hesaplanmıştır. Bu bağlamda, CPC matrisinden CWT tabanlı CPC öznitelikleri çıkarılmıştır. Son aşamada, farklı formlarda elde edilen öznitelikler kullanılarak rastgele ormanlar makine öğrenmesi algoritması ile sınıflandırma işlemi gerçekleştirilmiştir. Öznitelik seçimi mRMR yöntemi kullanarak farklı durumlarda performans değerlendirmeleri yapılmıştır. Bu model, uyku dakikalarında apne durumu olup olmadığını belirlemek amacıyla kullanılmıştır. En yüksek başarı, tüm özniteliklerin birlikte kullanıldığı ve topK = 15 seçiminin uygulandığı durumda elde edilmiştir. Bu durumda, modelin doğruluk değeri %88,99, duyarlılığı 0,88 ve özgüllüğü 0,897 olarak ölçülmüştür.
Özet (Çeviri)
In this thesis study, titled“Respiration Detection in ECG Signals Using Machine Learning Methods,”the aim was to detect Obstructive Sleep Apnea (OSA) using only single-lead electrocardiogram (ECG) signals for the clinical diagnosis of sleep disorders. The single-channel ECG signals used in the study were preprocessed by applying a band-pass filter and the Savitzky-Golay filter to eliminate noise and artifacts. Subsequently, R-peaks were automatically detected using the Pan-Tompkins algorithm, and the R-R interval time series was obtained. Based on the detected R-peaks and preprocessed ECG signals, ECG-Derived Respiration (EDR) signals were generated in three forms: QRS area variation, QRS slope, and R-peak amplitude. The R-R intervals and EDR signals were then resampled at 4 Hz using cubic spline interpolation. Various features were extracted both from the resampled signals and the preprocessed ECG signals. Additionally, Cardiopulmonary Coupling (CPC) was computed using the Continuous Wavelet Transform (CWT). In this context, CWT-based CPC features were also derived from the CPC matrix. In the final stage, classification was performed using the Random Forest machine learning algorithm using different sets of features. Feature selection was conducted using the mRMR method. The developed model was employed to identify the presence or absence of apnea events in minutes of sleep. The highest performance was achieved when all features were used together, with topK = 15. In this case, the model achieved an accuracy of 88.99%, a sensitivity of 0.88, and a specificity of 0.897.
Benzer Tezler
- Kronik böbrek hastalığı ve diyabet için elektrokardiyogram üzerinden iyonik konsantrasyon tahmini
Ionic concentration estimation from electrocardiogram for chronic kidney disease and diabetes
SEBAHATTİN BABUR
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET RECEP BOZKURT
DR. ÖĞR. ÜYESİ SANAM MOGHADDAMNIA
- Yapay zeka teknikleri ile fizyolojik sinyallerde duygu durumlarının karşılaştırması ve değerlendirilmesi
Comparison and evaluation of emotional states in physiological signals with artificial intelligence techniques
ÜMRAN IŞIK
Doktora
Türkçe
2024
Mühendislik BilimleriErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞEGÜL GÜVEN
- Pediatrik göğüs ağrısı ile kalp hastalığı tanısında makine öğrenmesi uygulamaları
Machine learning applications in the diagnosis of heart disease in pediatric chest pain
ASUDE DEMİR
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiBursa Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUNUS DEMİR
- Kardiyovasküler rahatsızlıkların yapay öğrenme yöntemleriyle teşhisi
Diagnosis of cardiovascular disorders by machine learning methods
ALİ FATİH GÜNDÜZ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHAMMED FATİH TALU
- Obstrüktif uyku apne teşhisi için tek kanal EKG ve hibrit makine öğrenmesi tabanlı yeni bir yöntem
A new method based on single channel ECG and hybrid machine learning for obstructive sleep apnea diagnosis
FERDA BOZKURT
Doktora
Türkçe
2020
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
DOÇ. DR. AHMET ZENGİN