Intelligent arrhythmia classification based on support machines
Destek vektör makineleri kullanılarak aritmi sınıflandırması
- Tez No: 196835
- Danışmanlar: PROF. DR. FİKRET GÜRGEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2006
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde yapılan çalışmanın temel amacı EKG işaretlerinin sınıflandırılması ilearitmik kardiyak hastalıkların otomatik olarak teşhisini sağlamaktır. EKG, kalptekielektriksel gerilimin bir sonucu olan grafik şeklinde bir işarettir ve kardiyologlar tarafındanteşhis amacıyla kullanılan en önemli veridir. EKG işaretlerinin yorumlanmasındakarşılaşılan güçlükler araştırmacıları kardiyak aritmi bozuklukların otomatik olarakbelirlenmesi konusunda çalışma yapmaya sevk etmiştir. Günümüzde akıllı veri analiziyöntemlerini kullanan bilgisayar programları karmaşık EKG işaretlerini kolaycayorumlayabilmekte, kardiyak aritmi varlığı konusunda öngörüde bulunabilmekte ve gerçekzamanlı analiz ve teşhis sağlamaktadır. Bu çalışmada, akıllı aritmi sınıflandırması içindiğer sınıflandırma yöntemlerine göre daha yeni bir yöntem olan Destek Vektör Makineleri(DVM) kullanılmaktadır. Deneylerde kullanılan veriler UCI Aritmi Veritabanı'ndan eldeedilmiş olup çok boyutlu EKG veri kümesinde boyut indirgeme için PCA ve ICAyöntemleri kullanılmıştır. DVM algoritmasının performansı model parametrelerine bağlıolduğundan parametre seçimi oldukça önemlidir. Yapılan çalışmada, parametre seçimi,boyut indirgeme ve eşik tabanlı bir reddetme yöntemi kullanılarak standart DVMsınıflandırıcısının performansı arttırılmıştır. Önerilen eşik tabanlı reddetme yöntemi ilebelirsizlik yönetimi sağlanırken sınıflandırmadaki yanlış alarmların da ortadan kaldırılmasıhedeflenmektedir. Karşılaştırma amacıyla k-NN ve karar ağaçları yöntemleri de EKG verikümesine uygulanmış ve deney sonuçlarına göre geliştirilmiş DVM yönteminin daha iyisonuç verdiği belirlenmiştir.
Özet (Çeviri)
The main objective of this study is to provide automatic recognition of arrhythmiccardiac pathologies from the classification of ECG recordings. ECG is a graphical signalwhich is the result of electrical tension of heart and is the most important biosignal used bycardiologists for diagnostic purposes. The difficulty faced in interpretation of ECG signalsforced researchers to study about automatic detection of cardiac arrhythmia disorders.Using intelligent data analysis techniques, computer programs could easily interpretcomplex ECG signals, predict presence or absence of cardiac arrhythmia and provide real-time analysis and diagnosis. In this study Support Vector Machines (SVM) technique hasbeen applied to ECG dataset for intelligent arrhythmia classification. The dataset used inthis study have been obtained from UCI repository. PCA and ICA methods have been usedfor dimensionality reduction of high dimensional ECG data. Parameter selection is verycritical for SVM since its performance is greatly influenced by the model parameters. Theresults of the standard SVM classifier improved by parameter selection, dimensionreduction and a threshold based rejection method to avoid false predictions for ambiguouspatterns. The proposed threshold method provides uncertainty management and could beused for suppressing false alarms. As a comparison, k-Nearest Neighbor and Decision Treealgorithms have been tested on the arrhythmia dataset. According to experimental resultsimproved SVM results shown to outperform competing classification results.
Benzer Tezler
- Bulanık sinir ağ sisteminin ayarlanabilir parametrelerinin analizi ve uygulamaları
Analysis of neuro-fuzzy system's tunable parameters and applications
RAHİME CEYLAN
Yüksek Lisans
Türkçe
2004
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. YÜKSEL ÖZBAY
- Intelligent communication controller
Başlık çevirisi yok
ZİYA ÇAMOĞLU
Yüksek Lisans
İngilizce
1989
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiDOÇ. DR. ZAFER ÜNVER
- Akıllı şebekelerin ve uygulanabilirliklerinin incelenmesi
Intelligent networks and their applicability
K.SİNAN DİNÇSOY
Yüksek Lisans
Türkçe
1992
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. GÜNSEL DURUSOY
- Intelligent fault diagnosis in power systems using neural networks
Güç sistemlerinde yapay sinir ağları kullanarak akıllıca arıza tahmini
CAHİT GEZGİN
Yüksek Lisans
İngilizce
1992
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiDOÇ. DR. İSMET ERKMEN
- Intelligent sensorimotor control of robot hand preshaping
Robot elinin ön biçimlenmesinin akıllı duyusal hareket kontrolu
CABBAR VEYSEL BAYSAL
Yüksek Lisans
İngilizce
1993
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYDAN ERKMEN