AI-enabled atrial fibrillation detection, classification and prediction based on ECG data
Elektrokardiyogram (EKG) verilerine dayalı yapay zeka destekli atrial fibrilasyonun tespiti, sınıflandırılması ve tahmini üzerine bir derleme
- Tez No: 990969
- Danışmanlar: DR. ÖĞR. ÜYESİ FATİH KAHRAMAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Atriyal Fibrilasyon (AF), inme, kalp yetmezliği ve mortalite riskini artıran en yaygın sürekli kardiyak aritmidir. Düzensiz ve sıklıkla asemptomatik yapısı, erken teşhisi zorlaştırmakta ve otomatik, yüksek doğrulukta tanı yöntemlerine olan ihtiyacı artırmaktadır. Bu tez, elektrokardiyogram (EKG) verilerini kullanarak AF'nin tespiti, sınıflandırılması ve tahmini için yapay zekâ (YZ) temelli bir çerçeve önermektedir. Sistematik literatür taramasıyla son yıllara ait 29 çalışma incelenmiş, temel veri kümeleri, ön işleme yöntemleri ve modelleme eğilimleri belirlenmiştir. Bu doğrultuda üç farklı yöntem araştırılmıştır. Birincisi, kalp atım hızı değişkenliği (HRV) öznitelikleriyle eğitilen İleri Beslemeli Sinir Ağı (FNN) olup %93 kesinlik, %99 duyarlılık, %96 F1-skoru ve %93 doğruluk elde etmiştir. İkinci yöntem, Kısa Zamanlı Fourier Dönüşümü (STFT) ve Sürekli Dalgacık Dönüşümü (CWT) ile oluşturulan spektrogram ve skalogram görüntülerini InceptionV3 modeliyle işlemekte; 4096 boyutlu birleşik temsiller %92 kesinlik, %90 duyarlılık ve %91 F1-skoru sağlamıştır. Üçüncü yöntem olan odak kayıplı hibrit CNN–LSTM modeli, zamansal bağımlılıkları yakalayarak %95 kesinlik, %92 duyarlılık ve %94 doğruluk değerlerine ulaşmıştır. Sonuçlar, üç YZ tabanlı yöntemin de EKG verilerinden AF tespitinde etkili olduğunu göstermektedir. Çalışma, erken tanı, gerçek zamanlı izleme ve giyilebilir sağlık sistemlerine entegrasyon açısından YZ'nin potansiyelini vurgulamaktadır.
Özet (Çeviri)
Atrial Fibrillation (AF) is the most common sustained cardiac arrhythmia, increasing the risk of stroke, heart failure, and mortality. Its intermittent and often asymptomatic nature makes early detection challenging, creating a need for automated and accurate diagnostic tools. This thesis proposes an artificial intelligence (AI) framework for AF detection, classification, and prediction using electrocardiogram (ECG) data. A systematic literature review synthesized 29 recent studies, identifying key datasets, preprocessing pipelines, and modeling trends. Based on these findings, three distinct methods were explored. The first, a Feedforward Neural Network (FNN) trained on heart-rate-variability features, achieved 93 % precision, 99 % recall, 96 % F1-score, and 93 % accuracy. The second approach used Short-Time Fourier Transform (STFT) and Continuous Wavelet Transform (CWT) to generate spectrograms and scalograms processed by InceptionV3 for feature extraction; the fused 4096-dimensional representations achieved 92 % precision, 90 % recall, and 91 % F1-score, demonstrating the strength of transfer learning. The third method, a hybrid CNN–LSTM architecture trained with focal loss, captured temporal dependencies and achieved 95 % precision, 92 % recall, and 94 % accuracy, outperforming baseline CNN models. Results confirm that all three AI-based strategies effectively detect AF from ECG data. The study underscores the capability of deep and statistical learning methods to support early diagnosis, real-time monitoring, and integration into wearable healthcare systems.
Benzer Tezler
- Peyzaj tasariminda bir keşif araci: üretken yapay zeka temelli tasarim karar destek modeli
Ai-enabled generative decision support model as a predictive decoding tool for landscape design
SAFİYE ELİF SERDAR YAKUT
Doktora
Türkçe
2026
Peyzaj Mimarlığıİstanbul Teknik ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
PROF. DR. MELTEM ERDEM KAYA
- Soğuk Savaş sonrası yeni nesil ateşli savaşların doğuşu ve yapay zekâ destekli askeri teknolojilerin yükselişi
The emergence of new generation hot wars in the post-Cold War era and the rise of AI-powered military technologies
MERVE GÜLLÜ GÖKTAŞ
Yüksek Lisans
Türkçe
2024
Uluslararası İlişkilerAkdeniz ÜniversitesiUluslararası İlişkiler Ana Bilim Dalı
PROF. DR. ŞENOL KANTARCI
- New edge computing offloading methods for next generation wireless networks
Yeni nesil haberleşme sistemleri için geliştirilen kenar ağlarda bilgi işlem yük boşaltma yöntemleri
BESTE ATAN
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
- Görüntü işlemenin Convolutional Neural Network (CNN) modeli kullanılarak tarımsal alanda uygulanması: Hastalıklı yaprak tespiti
Application of image processing in agriculture using the Convolutional Neural Network (CN) model: Leaf disease detection
BETÜL KARAOĞLAN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMET TAHİR GÜNEŞER
DR. ÖĞR. ÜYESİ İSA AVCI
- Afet bölgeleri için iha kullanarak derin öğrenme tabanlı yol optimizasyonu
Deep learning based road optimization using uav for disaster regions
MEHMET SERHAT CEYLAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜL FATMA TÜRKER