EKG sinyalleriyle kimlik doğrulama ve aritmi tespiti için otokodlayıcı temelli güvenli bir sistem tasarımı
Design of an autocoder based secure system for authentication and arrhythmia detection with ECG signals
- Tez No: 950323
- Danışmanlar: PROF. DR. MURAT KARABATAK
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- Sayfa Sayısı: 119
Özet
Elektrokardiyografi (EKG), kalbin elektriksel aktivitesini ölçmek için kullanılan bir yöntemdir ve bu aktivite bireyler arasında farklılık göstermektedir. Her bireyin kalp yapısının ve elektriksel özelliklerinin kendine özgü olması, EKG sinyallerini yalnızca tıbbi teşhis amacıyla değil, aynı zamanda biyometrik kimlik doğrulama sistemlerinde de kullanılabilir hâle getirmektedir. Bu çalışmada, EKG sinyallerinin derin öğrenme teknikleriyle analiz edilerek hem kalp hastalıklarının erken teşhisine hem de kimlik doğrulama süreçlerine yönelik güvenilir ve yenilikçi çözümler geliştirilmesi amaçlanmıştır. Çalışmada, MIT-BIH Aritmi Veri Seti kullanılarak EKG sinyalleri üzerinde derin sinir ağı mimarileri aracılığıyla aritmi tespiti ve kimlik doğrulama işlemleri gerçekleştirilmiştir. Özellik çıkarımı sürecinde Spindle otoencoder mimarisi ile modifiye edilmiş bir otoencoder mimarisi uygulanmıştır. Veri güvenliğini sağlamak ve kişisel mahremiyeti korumak amacıyla EKG sinyalleri önce sıkıştırılmış, ardından şifrelenerek işlenmiştir. Bu veriler, derin öğrenme tabanlı modeller üzerinde eğitilerek hem aritmi tespiti hem de kimlik doğrulama görevlerinde kullanılmıştır. Elde edilen bulgular hem kalp hastalıklarının teşhisinde hem de kimlik doğrulama uygulamalarında yüksek doğruluk oranlarına ulaşıldığını göstermektedir. Gerçekleştirilen deneyler sonucunda, kimlik doğrulama görevinde kullanılan iki farklı yöntemle sırasıyla %98,46 ve %98,60 doğruluk oranlarına ulaşılmıştır. Aritmi tespiti görevinde ise %99,7 ve %98,77 doğruluk elde edilmiştir. Bu sonuçlar, EKG sinyallerinin hem tıbbi tanı hem de biyometrik doğrulama açısından yüksek potansiyele sahip bir biyosinyal türü olduğunu ortaya koymaktadır.
Özet (Çeviri)
Electrocardiography (ECG) is a method used to measure the electrical activity of the heart, which varies between individuals. The fact that each person's heart structure and electrical characteristics are unique makes ECG signals applicable not only for medical diagnosis but also for biometric authentication systems. This study aims to develop reliable and innovative solutions for both the early detection of heart diseases and identity verification processes by analyzing ECG signals using deep learning techniques. In this study, arrhythmia detection and authentication tasks were carried out on ECG signals using the MIT-BIH Arrhythmia Dataset through deep neural network architectures. During the feature extraction phase, both a Spindle autoencoder architecture and a modified autoencoder architecture were employed. To ensure data security and protect personal privacy, the ECG signals were first compressed and then encrypted before processing. These encrypted signals were then trained using deep learning-based models for both arrhythmia detection and identity verification tasks. The results demonstrate that high accuracy rates were achieved in both cardiac disease diagnosis and authentication applications. As a result of the experiments, accuracy rates of 98.46% and 98.60% were obtained using two different methods for the authentication task. In the arrhythmia detection task, accuracies of 99.7% and 98.77% were achieved. These findings indicate that ECG signals possess significant potential as a biosignal for both medical diagnosis and biometric authentication.
Benzer Tezler
- Fingertip ECG signal based biometric recognition system
Parmak ucu EKG tabanlı biyometrik tanıma sistemi
GÖKHAN GÜVEN
Yüksek Lisans
İngilizce
2016
BiyomühendislikIşık ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAKAN GÜRKAN
DOÇ. DR. ÜMİT GÜZ
- Graphene textile smart clothing for wearable cardiac monitoring
Giyilebilir kardiyovasküler takip için grafen tekstil tabanlı akıllı giysi
GİZEM ACAR
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiSabancı ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT KAYA YAPICI
- EMG sinyalleriyle uyuklama seviyesinin modern yöntemlerle kestirimi
Determining of doze level analysing EMG signals by modern methods
FERHAT TUNÇ
Yüksek Lisans
Türkçe
2003
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET AKIN
- EEG ve EMG sinyalleriyle uyuklama seviyesinin modern yöntemlerle kestirimi
Determining of doze level analysing EEG and EMG signals by modern methods
NECMETTİN SEZGİN
Yüksek Lisans
Türkçe
2003
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET AKIN
- Epilepsy seizure detection in eeg signals using wavelet transforms and support vector machines
Dalgacık dönüşümü ve destek vektör makineleri kullanarak epilepsi nöbeti tanıma
AWIN MAHMOOD SALEEM
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET ÇINAR