Biyomedikal işaretlerin zaman-frekans yöntemleri ile analizi ve sınıflandırılması
Analysis and classification of biomedical signals by time-frequency methods
- Tez No: 950134
- Danışmanlar: PROF. DR. AYDIN KIZILKAYA
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Pamukkale Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 103
Özet
Yapılan çalışmada az sayıda elektrokardiyogram (EKG) sinyali kullanarak kardiyak aritmilerinin yüksek başarımla sınıflandırılması problemi ele alınmıştır. Bu probleme makul bir çözüm bulmak için, zaman frekans analiz yöntemleri ile Ortak Matris Yaklaşımına (OMY) dayalı sınıflandırıcı modelin birleştirilerek kullanılması önerilmiştir. EKG verilerinin zaman-frekans (Z-F) gösterimlerinin oluşturulmasında Fourier Ayrıştırma Yöntemi (FAY) ile Kısa Zamanlı Fourier Dönüşümü (KZFD) yöntemleri kullanılmıştır. Sınıflandırmada kullanılan öznitelik matrisleri; EKG sinyallerinin zaman bölgesi, frekans bölgesi ve Z-F bölgesi gösterimlerinden oluşturulan veri matrislerine iki-boyutlu temel bileşen analizi uygulanarak elde edilmiştir. Veri matrisleri, iki farklı Z-F gösterim biçimi ile ayrı ayrı oluşturulduğundan dolayı EKG aritmi sınıflandırması amacıyla önerilen yöntemler FAY-OMY ve KZFD-OMY şeklinde iki farklı başlık altında sunulmuştur. Bu yöntemlerin etkinliği, halka açık üç farklı veri tabanı olan MIT-BIH, Chapman ve PTB-XL veri tabanlarından sağlanan EKG işaretleri üzerinde gerçekleştirilen sınıflandırma deneyleriyle gösterilmiştir. MIT-BIH veri tabanı kullanılarak yapılan değerlendirmelerde, hasta-içi ve hastalar-arası sınıflandırma senaryoları altında dört aritmi türüne ilişkin EKG sinyallerinin sınıflandırılmasında FAY-OMY ile sırasıyla %99,87 ve %99,84 genel doğruluk oranlarına ulaşılırken; KZFD-OMY ile bu oranlar sırasıyla %99,97 oranı elde edilmiştir. Her iki yöntem ile V ve S tip aritmilerin teşhisinde beş performans ölçütünde neredeyse %99'u aşan oranlara ulaşılarak güncel çalışmaların çoğundan daha iyi başarım sağlanmıştır. Gürültülü EKG sinyallerinin mevcudiyeti durumunda her iki yöntemin sınıflandırma başarımı test etmek için Chapman veri tabanında alınan gürültülü ve gürültüsüz EKG sinyalleri üzerinde deneyler gerçekleştirilmiştir. Dört aritmi sınıfına ilişkin gürültülü ve gürültüsüz EKG kayıtları ile eğitilen ve test edilen FAY-OMY yöntemi sırasıyla %99,58 ve %99,05 genel sınıflandırma doğruluğuna ulaşılırken; bu oranlar KZFD-OMY ile %99,92 ve %99,90 olarak elde edilmiştir. PTB-XL veri tabanıyla beş farklı aritmi türünde ise FAY-OMY ve KZFD-OMY yöntemleri aritmi sınıflandırmasında sırasıyla %98,49 ve %99,97 genel doğruluk oranlarına ulaşmıştır. Elde edilen sonuçlar, önerilen yöntemlerin veri tabanından bağımsız olarak az sayıda eğitim kümesi ile yüksek sınıflandırma başarımı sağladığını göstermiştir.
Özet (Çeviri)
This thesis seeks the classification problem of cardiac arrhythmias with a high accuracy by using a small number of electrocardiogram (ECG) signals. To find a reasonable solution to this problem, we advise using a common matrix approach (CMA)-based classifier model fused with time-frequency analysis methods. Fourier Decomposition Method (FDM) and Short Time Fourier Transform (STFT) methods were used to generate time-frequency (T-F) representations of ECG data. The feature matrices used in classification were obtained by applying two-dimensional principal component analysis to data matrices generated from time domain, frequency domain and T-F domain representations of ECG signals. Since the data matrices are generated separately with two different T-F representations, the proposed methods for ECG arrhythmia classification are introduced under two different topics as FDM-CMA and STFT-CMA. The effectiveness of these methods is evaluated over classification assessments on ECG signals from three different publicly available databases: MIT-BIH, Chapman and PTB-XL. With the experiments conducted using the MIT-BIH database, FDM-CMA achieved 99.87% and 99.84% overall accuracy scores for the classification of ECG signals of four arrhythmia types under intra-patient and inter-patient classification scenarios, while STFT-CMA achieved 99.97% accuracy rates, respectively. With both methods, Classification of the V and S type arrhythmias reach to the rates exceeding almost 99% on the five-performance metrics was observed as a better performance than the most recent methods. To test the classification performance of both methods in the presence of noisy ECG signals, experiments were performed on noisy and noise-free ECG signals from the Chapman database. FDM-CMA method trained and tested with noisy and noise-free ECG recordings related to four arrhythmia classes achieved overall classification accuracies of 99.58% and 99.05%, respectively, while these scores were obtained 99.92% and 99.90% with STFT-CMA. The FDM-CMA and STFT-CMA methods achieved overall accuracy rates of 98.49% and 99.97%, respectively for the five different arrhythmia types taken from PTB-XL database. The obtained results show that the proposed methods resulted in high classification performance with a small number of training sets regardless of the database.
Benzer Tezler
- Tremor işaretlerinin sınıflandırılması
Classification of tremor signals
SERDAR DEMİRAĞ
Yüksek Lisans
Türkçe
2005
Elektrik ve Elektronik MühendisliğiEge ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. MEHMET ENGİN
- Classification methods for motor imagery based brain computer interfaces
Motor hareket hayali tabanlı beyin bilgisayar arayüzleri için sınıflandırma metotları
AYHAN YÜKSEL
Doktora
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Anlık frekans kestirimi için yeni bir yöntem
A New method for the instantaneous frequency estimation
MAHMUT ÖZTÜRK
Yüksek Lisans
Türkçe
2003
Elektrik ve Elektronik Mühendisliğiİstanbul ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYDIN AKAN
- Detection of human vital signs through obstructive barriers using UWB GPR
Engel arkası hayati bulguların geniş bantlı yere nüfus eden radar ile tespiti
CANSU BÜYÜKHAN
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA İNCİ ÇİLESİZ
YRD. DOÇ. DR. SAEID KARAMZADEH
- Çok bileşenli işaretlerin zaman-frekans analizi için yeni bir yaklaşım: İç içe geçmiş Fourier ayrıştırma yöntemi
A new approach for time-frequency analysis of multicomponent signals: Interwoven Fourier decomposition method
MEHMET DOĞAN ELBİ
Doktora
Türkçe
2020
Elektrik ve Elektronik MühendisliğiPamukkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AYDIN KIZILKAYA