Geri Dön

Recognizing and classifying fetal heart rate signals with a self-organizing algorithm

Fetal monitor sinyallerinin 'self-organizing' yöntemiyle tanınması ve sınıflandırılması

  1. Tez No: 24114
  2. Yazar: KADİR ÖZDEMİR
  3. Danışmanlar: PROF. DR. ÜNAL YARIMAĞAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: örüntü tanıma, Sinir ağları, Karhunen Loeve açılımı, Karhunen-Loeve açılımı, FHR, Pattern recognition, Classification, Feature extraction, Karhunen Loeve expansion, Neural network, Karhunen-Loeve expansion, Nerve net
  7. Yıl: 1992
  8. Dil: İngilizce
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

XV ÖZET FETAL MONITOR SİNYALLERİNİN“SELF-ORGANIZING”YÖNTEMİYLE TANINMASI VE SINIFLANDIRILMASI Kadir ÖZDEMİR Bu tezin amacı, kardiotokogramdan alınan bebek kalp atım sinyallerinin orüntü tanıma ve sinir ağları ile tanınması ve sınıflandırılmasıdır, örüntü tanıma, özellik çıkarma ve sınıflandırma aşamalarından oluşur, özellik çıkarma aşaması Karhunen Loeve açılımı ile gerçekleştirilirken, sınırlandırma aşamasında yeni bir“self-organizing”sinir ağı algoritması geliştirilmiştir. Bu çalışmada 676 anne adayına ait 3731 sinyal kullanılmıştır. Bu sinyallerden 500 anne adayına ait olanları, kadın doğum doktoru tarafından test grubu olarak belirlenmiş ve bunlar iyi sonuçlanan ve kötü sonuçlanan doğumlar olmak üzere iki gruba ayrılmıştır. Doktorun sonuçları ile oluşturulan sistemin sonuçları karşılaştırılmış ve sistemin iki hafta arayla kaydedilmiş on dakikalık iki sinyal ile %70, üç sinyal ile %89 ve dört sinyal ile %97'nin üzerinde doğum sonucunu tahmin ettiği görülmüştür.

Özet (Çeviri)

Ill SUMMARY RECOGNIZING AND CLASSIFYING FETAL HEART RATE SIGNALS WITH A SELF-ORGANIZING ALGORITHM Kadir ÖZDEMİR The aim of this study is to evaluate and classify fetal heart rate (FHR) signals from cardiotocograph tracings using pattern recognition techniques and neural networks. The problem of pattern recognition is usually divided into two stages: feature extraction and classification. We achieve the feature extraction phase by the Karhunen Loeve expansion while, for the classification stage, a new unsupervised neural network algorithm is developed. To validate the model and the program developed in this thesis, 3731 tracings are used from a pool of 676 pregnant women. Clinical validation is performed on a sample of randomly selected 500 pregnant women from which 334 were subsequently identified as having normal outcome and 166 as having bad outcome. The predictive value of our model is over %70 when two ten-second FHR are used, over %89 when three and over % 97 when four.

Benzer Tezler

  1. Tez No

    39813

    Dokuma komuşlarda boncuklaşma ve ölçüm metodlarının karşılaştırılması

    Comparison of the measuring methods of the pilling of fabrics

    DİLEK ŞAMLI

    Yüksek Lisans

    Türkçe

    Türkçe

    1994

    Tekstil ve Tekstil Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. BÜLENT ÖZİPEK

  2. Tez No

    83130

    Cisim tanıma problemine yapay sinir ağlarının uygulanması

    Application of artificial neural networks to object recognition

    ATİLLA ÜSTÜN

    Yüksek Lisans

    Türkçe

    Türkçe

    1999

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. A. TALHA DİNİBÜTÜN

  3. Tez No

    56556

    Moving part recognition and automatic pick and place using an industrial robot

    Harketli parçaların tanınması ve endüstriyel robot kullanarak bu parçaların alınması ve yerleştirilmesi

    ERHAN İLHAN KONUKSEVEN

    Doktora

    İngilizce

    İngilizce

    1996

    Makine MühendisliğiOrta Doğu Teknik Üniversitesi

    PROF.DR. BİLGİN KAFTANOĞLU

  4. Tez No

    91424

    Çağdaş hemşire iş tanımını Kuzey Kıbrıs Türk Cumhuriyeti hemşirelerinin benimseme ve uygulama durumu

    The Adoption and application of the condition and job description of contemporary nursing by the TRNC's nurses

    İSMET ÇOBAN

    Yüksek Lisans

    Türkçe

    Türkçe

    1999

    Hemşirelikİstanbul Üniversitesi

    Hemşirelikte Yönetim Ana Bilim Dalı

    YRD. DOÇ. DR. ÜLKÜ BAYKAL

  5. Tez No

    91155

    Ağır kafa travmalarında multimonitorizasyonla hasta takibinin tedaviyi yönlendirmeye ve prognoza etkisi

    The Effects of multimonitorisation on treatment modality and prognosis in severe head injured patients

    ABDULFETTAH TÜMTÜRK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1999

    NöroşirürjiErciyes Üniversitesi

    Nöroşirürji Ana Bilim Dalı

    DOÇ. DR. AHMET SELÇUKLU

Geri Dön