Kardiyak sinyallerinin görüntülenmesi ve geç potansiyellerin algılanması
Monitoring cardiac signals and recognition of late potentials
- Tez No: 97858
- Danışmanlar: YRD. DOÇ. ATİLLA YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Geç Potansiyeller, Biyomedikal Sinyal İşleme, Elektrokardiyogram, Sinir Ağlan, Sayısal Sinyal İşleyici, Elektrokardiyografi, Kalp fonksiyon testleri, Sayısal işaret işleme, İşaret işleme, Late Potentials, Digital Signal Processing, Electrocardiogram, Neural Networks, Digital Signal Processors, Electrocardiography, Heart function tests, Signal processing
- Yıl: 2000
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
IV ÖZET Bu çalışmada enfarktüsten veya miyokardiyumdaki hasar oluşumundan sonra QRS dlimininin sonunda ortaya çıkan geç potansiyeller (GP) sayısal sinyal işleme yöntemleri kullanılarak görüntülenmiş ve sinir ağlarına uygulanarak tanınması sağlanmıştır. Ortamdaki gürültü içinde saklı düşük genlikli geç potansiyeller yüksek çözünürlüklü bir EKG ölçüm ve kayıt cihazı ile elde edilmiştir. Bu cihazda yüksek kazançlı düşük gürültülü bir enstrümantasyon yükselteci tasarımlanmış, gerçek zamanlı sayısal sinyal işleme yapılabilmesi için de TMS320C30 işlemcisi tabanlı EVM elektronik kartı kullanılmıştır. Bu kartlar ile seri arabirim vasıtası ile veri iletişiminde bulunabilen IBM uyumlu kişisel bilgisayarla da EKG sinyalleri tek bir veri kaybedilmeksizin görüntülenmiş ve kaydedilmiştir. Simson kriterleri olarak bilinen geç potansiyellerin varlık kriterleri bu çalışmada da temel alınmış, zaman boyutundaki gerçek verilerle desteklenmiş ve sayısal sinyal işleme teknikleri ve sinir ağlan uygulanarak, bilgisayar karar verme mekanizmasında kullanılmıştır.
Özet (Çeviri)
ABSTRACT In this study, Ventricular Late Potentials, which occur at the end of the QRS segment due to the damaged tissue after myocardial infarction, have been monitored and recognized by using neural networks. Low amplitude LP's obscured in noise are recorded by using a“high resolution, low noise”ECG recording device with three channels. One channel of this device consists of a high gain, low noise instrumentation amplifier and an EVM board based on TMS320C30 processor which is capable of real time processing. The IBM compatible computer which can communicate through it's serial ports is used for monitoring and recording of ECG signals without missing any samples. LP's existence criteria, known as Simson criteria are taken as a basis of the study and supported by more raw data obtained from the high resolution ECG in the time domain in order to have the best recognition performance in the decision mechanism of the neural network.
Benzer Tezler
- Uzaktan sağlık izleme ve makine öğrenmesi tabanlı kardiyak aritmi tespit sistemi tasarımı
Design of remote health monitoring and machine learning based cardiac arrhythmia detection system
FARUK ENES OĞUZ
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. EMİNE BOLAT
- Yapay sinir ağları tabanlı topluluk öğrenme yöntemi ile ekg sinyallerinin sınıflandırılması
Classification of ecg signals with artificial neural network based ensemble learning method
ASHA WANYENZE
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLAY TEZEL
- Anne karnından ölçülen sinyal kayıtlarından fetal elektrokardiyogram sinyallerinin tespit edilmesi
Determination of fetal electrocardiogram signals fromthe signal records measured from the mother's womb
YASEMİN KÖYLÜ
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ULVİ BAŞPINAR
- Hibrit öznitelik çıkarımı ve derin öğrenme yöntemleriyle EKG sinyallerinden kardiyak durumların sınıflandırılması
Classification of cardiac conditions from ECG signals using hybrid feature extraction and deep learning methods
HAZRET TEKİN
Doktora
Türkçe
2024
BiyomühendislikBatman ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YILMAZ KAYA
- Detection of cardiac arrhythmias in electrocardiograms using deep learning
Derin öğrenme kullanılarak elektrokardiyogramlarda kardiyak aritmilerin tespiti
AMENAH ALWAN SALMAN AL HAYALI
Yüksek Lisans
İngilizce
2022
Bilim ve TeknolojiAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
Assist. Prof. Dr. ABDULLAHİ ABDU IBRAHIM