Geri Dön

Ambulatory monitoring of ECG signals for arrhythmia detection using deep neural networks

Derin sinir ağları kullanılarak aritmi tespiti için EKG sinyallerinin ayaktan izlenmesi

PDF İndir

  1. Tez No: 961122
  2. Yazar: NURGÜL ÖZMEN SÜZME
  3. Danışmanlar: PROF. DR. ÖMER NEZİH GEREK
  4. Tez Türü: Doktora
  5. Konular: Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Bioengineering, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Eskişehir Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Telekomünikasyon Bilim Dalı
  13. Sayfa Sayısı: 206

Özet

Güvenilir aritmi tespiti, ciddi kardiyak sonuçların önlenmesinde kritik rol oynar; ancak ilk uyarı işaretleri çoğu zaman elektrokardiyogram (ECG) sinyalindeki hastaya özgü ince sapmalar şeklinde görülür. Bu çalışma, MIT‑BIH Aritmi Veritabanı'ndan alınan kısa II. derivasyon ECG kesitlerini Sürekli Dalgacık Dönüşümü ile zaman‑frekans ölçekogramlarına çeviren çok ölçekli bir dalgacık çerçevesi sunmaktadır. Morlet, Kompleks Morlet, Meksika Şapkası ile Birinci Derece Gauss dalgacıkları düşük, orta, yüksek ve tam bantlarda değerlendirilmiştir. Oluşturulan görüntüler, katı hasta‑dışı ayrımları altında ResNet‑50, DenseNet‑121, EfficientNet‑B0 ve ViT‑B/16 mimarileriyle işlenmiştir. Beş sınıflı (AAMI dışı) senaryoda en iyi melez yapılandırma \% 83,0 doğruluk elde etmiş ve seyrek sınıf duyarlılığını yaklaşık 20 yüzde puanı artırmıştır. Meksika Şapkası ve Morlet ölçekogramlarının çok‑ölçekli arttırılması DenseNet‑121 doğruluğunu \% 60 civarından \% 80,6 düzeyine taşımıştır. AAMI gruplamasında Normal (N), Supraventriküler (S), Ventriküler (V), Fusion (F) aynı strateji, sınıf‑ağırlıklı kayıp ile birlikte, modeller bir hasta altkümesinde eğitilip diğerinde test edildiğinde \% 88–90 doğruluk sağlamış ve güçlü genelleme yeteneğini kanıtlamıştır. Bulgular, dalgacık‑temelli zaman‑frekans temsillerinin modern derin ağlarla birleştirildiğinde seyyar ECG izlemede belirgin iyileşmeler sunduğunu göstermektedir. Gelecek çalışmalar gerçek zamanlı giyilebilir uygulamalar, uyarlanabilir ölçek seçimi, daha büyük ECG veri setlerinden transfer öğrenme ve düşük gecikmeli çıkarıma odaklanacaktır.

Özet (Çeviri)

Reliable arrhythmia detection plays a pivotal role in preventing adverse cardiac events, yet the earliest warning signs often manifest as subtle, patient‑specific perturbations in the electrocardiogram~(ECG). This study introduces a multiscale wavelet framework that converts modified lead‑II segments from the MIT–BIH Arrhythmia Database into time–frequency scalograms via the Continuous Wavelet Transform. Real and complex Morlet, Mexican Hat, and first‑order Gaussian wavelets are evaluated over low, mid, high and full frequency bands. The resulting images are processed under strict inter‑patient splits by state‑of‑the‑art backbones—ResNet‑50, DenseNet‑121, EfficientNet‑B0 and ViT‑B/16. In the five‑class (non‑AAMI) setting, the best hybrid configuration attains {83.0\,\%} overall accuracy while boosting minority‑class sensitivity by nearly 20 percentage points. Multiscale augmentation with Mexican Hat and Morlet scalograms elevates DenseNet‑121 accuracy from \(\sim60\,\%\) to {80.6\,\%}. Under the four‑class AAMI taxonomy Normal (N), Supraventricular (S), Ventricular (V), and Fusion (F), the same strategy—combined with a class‑weighted loss—yields {88–90\,\%} accuracy when models are trained on one patient subset and evaluated on the other, demonstrating robust generalization. These findings indicate that wavelet‑based time–frequency representations, when paired with modern deep networks, deliver tangible improvements for ambulatory ECG monitoring. Future work will address real‑time wearable deployment, adaptive scale selection, transfer learning from larger ECG corpora and ultra‑low‑latency inference.

Benzer Tezler

  1. Tez No

    178610

    Design and implementation of an ECG based emergency telediagnostic system

    ECG tabanlı acil uzaktan tanı sisteminin tasarımı ve uygulaması

    BARAN DİLBER

    Yüksek Lisans

    İngilizce

    İngilizce

    2006

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Biyomedikal Ana Bilim Dalı

    PROF. DR. AHMET ADEMOĞLU

  2. Tez No

    39485

    Biyotelemetri sistemi

    Biotelemetry systems

    SÜLEYMAN ÖZKAPTAN

    Yüksek Lisans

    Türkçe

    Türkçe

    1994

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    DOÇ.DR. MEHMET KORÜREK

  3. Tez No

    199374

    Design of a Wi-Fi based electrocardiography monitoring system

    Wi-Fi temelli elektrokardiyografi görüntüleme sistemi tasarımı

    MEHMET KOCATÜRK

    Yüksek Lisans

    İngilizce

    İngilizce

    2007

    BiyomühendislikBoğaziçi Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF.DR. MEHMED ÖZKAN

  4. Tez No

    534234

    Uyku kalitesi ve anksiyete düzeyinin kan basıncı değişkenliği ve kalp hızı değişkenliği üzerine etkisi

    The effect of sleep quality and anxiety level on blood pressure variability and heart rate variability

    MUSTAFA KÖKLÜ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2019

    KardiyolojiSağlık Bilimleri Üniversitesi

    Kardiyoloji Ana Bilim Dalı

    DOÇ. DR. MURAT ÇELİK

  5. Tez No

    800682

    Diabetes mellitusta ortostatik hipertansiyon sıklığı,ilişkili olduğu faktörler ve ambulatuvar kan basıncı parametreleriyle ilişkisinin değerlendirilmesi

    Başlık çevirisi yok

    AYŞE TERLEMEZOĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    İç HastalıklarıSağlık Bilimleri Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    ÖĞR. GÖR. SELMA KARAAHMETOĞLU

    ÖĞR. GÖR. ALİ CAN KURTİPEK

Geri Dön