EKG sinyallerinnin yapay sinir ağları ile sınıflandırılması
Classification of ECG signals with artificial neural networks
- Tez No: 152085
- Danışmanlar: DOÇ. DR. SADIK KARA
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: ECG, Artificial Neural Networks, Wavelet, Welch Metod
- Yıl: 2004
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Ill EKG SİNYALLERİNİN YAPAY SİNİR AĞLARI İLE SINIFLANDIRILMASI ÖZET Kardiyolojik aritmiler içerisinde atrial fibrilasyon diğerlerine göre ayırt etmesi kolay görünmemektedir. P dalgasının eksikliği, nabızdaki aşın değişim ve nabız yüksekliği atrial fibrilasyona işaret etmektedir. P dalgası genliği küçük olduğu için eksikliği veya varlığı pek ayırt edilemeyebilir. Bu çalışmada, yapay sinir ağlarının doğrusal olmayan sinyalleri tanımlamadaki performansı değerlendirilerek, normal sinüs ritimli ve atriyal fibrilasyonlu EKG'ler sınıflandırılmıştır. Bu amaç doğrultusunda MTT-BIH Atrial fibrilasyon ve Normal Sinüs ritim veritabanlarmdan, 18 adet normal ve 20 adet de AF li EKG datası derlenmiştir. EKG sinyallerini ayrıştırmak için Daebauchies waveletlerinden 'dblO' kullanılmış ve altıncı dereceye kadar aynştınlmıştır. Ayrıştırılmış sinyallerin Welch metoduyla güç spektral yoğunlukları hesaplanmıştır. Her bir EKG'yi temsilen 42 adet veri, logaritmik sigmoid transfer fonksiyonuna sahip nöronlardan oluşan Levenberg-Marquart Back Propagation sinir ağma giriş değerleri olarak kullanılmıştır. En minimum hatayı yakalamak üzere girişte ve gizli katmanda 22 den 42 ye ve 1 1 den 22 ye kadar nöron sayısı artırılarak yapılan döngülerde ortalama karesel hata değerinin pek değişmediği ve test gurupları için 0,5 civarında ortalama karesel hata olduğu gözlemlenmiştir. Altı adet normal ritim EKG si ve yedi adet de atrial fibrilasyonlu EKG test gurubu üzerinde kurulmuş 22 adet giriş, 1 1 adet gizli ve 2 adet de çıkış nöronlarından oluşan yapay sinir ağı test edildi ve % 100 doğru sınıflandırma elde edilmiştir. Anahtar Sözcükler EKG, Sinir Ağlan, Wavelet, Welch Metod, Atrial fibrilasyon
Özet (Çeviri)
IV CLASSIFICATION OF ECG SIGNALS WITH ARTIFICIAL NEURAL NETWORKS ABSTRACT Atrial fibrillation is not easy to identify when compared to other arrhythmias. The biggest discriminator is the absence of P wave and high irregular heart rate. Because the amplitude of the P wave is so small that it is not easy to observe its absence or presence. Therefore, high irregularity in the heart rate is a primary indicator of atrial fibrillation. In this study, we have facilitated the pattern recognition capability of the neuaral networks to classify the normal sinus rhythm and atrial fibrillation ECGs. The 18 normal ECGs and 20 AF ECGs were acquired from MTT-BIH Atrial Fibrillation and Normal Sinus Rhythm databases. ECGs were decomposed with 'dblO' Daebauchies Wavelets to the sixth level. Power spectral density calculations were made using Welch method. This was performed for all ECG signals and average power spectral density graphics were calculated for six sub-bands. Thus, 42 data values were derived from each ECG to be used as inputs to the Levenberg- Marquart Backpropagation neural network structure that is built from logarithmic sigmoid neurons. In order to find the optimum structure that yield the minimum mean square error after testing, the input layer and hidden layer neuron numbers are iterated for 22-42 neurons and 11-22 neurons, respectively. It is observed that the mean square error was around 0,5 for all cases. The structure of 22 input neurons, 1 1 hidden layer neurons and 2 output neurons were trained and tested on 6 normal and 7 AF ECGs. The classification performance was accomplished as 100% correct classification resulting in 100% sensitivity, specifity and positive predictivity.
Benzer Tezler
- EKG aritmilerini hızlı tanıma
Fast recognition of ecg arrhythmias
YÜKSEL ÖZBAY
Doktora
Türkçe
1999
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. BEKİR KARLIK
- 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
- Online ECG signal orthogonalization based on singular value decomposition
Tekil değer ayrıştırılması kullanılarak EKG sinyallerinin gerçek zamanda birbirlerine dik altuzaylara ayrıştırılması
ACAR BURAK
Yüksek Lisans
İngilizce
1996
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiPROF.DR. HAYRETTİN KÖYMEN
- Simüle kompleks aritmik EKG sinyallerinin kapalı logografik rektonlar ve yeni temel lokalizasyon yöntemleri ile değerlendirilmeleri ve bazı uygulamaları
Başlık çevirisi yok
MURAT HÜSNÜ SAZLI
Yüksek Lisans
Türkçe
1997
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖNDER TÜZÜNALP
- Elektrokardiyografik işaretlerin yarkar ve tablo temelli yarkar yöntemleriyle sıkıştırılması
Başlık çevirisi yok
CEMAL BAKİ
Yüksek Lisans
Türkçe
1998
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET KORÜREK