GA-NN approach for ECG feature selection in rule-based arrhythmia classification
Kural tabanlı aritmi sınıflandırmasında EKG öznitelik seçimine GA-YSA yaklaşımı
- Tez No: 325524
- Danışmanlar: PROF. FİKRET GÜRGEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Elektrokardiyografi, Genetik algoritmalar, Sınıflandırma, Yapay sinir ağları, Electrocardiography, Genetic algorithms, Classification, Artificial neural networks
- Yıl: 2012
- 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 çalışma, EKG sinyallerindeki anormalliklerin tespiti için kural çıkarım ve öznitelik seçim sistemi sunar.Kardiyak aritminin varlığı ve yokluğu arasındaki ayrımın yapılması ve öznitelik seçimi için Genetik Algoritması-Yapay Sinir Ağı (GA-YSA) Yaklaşımı kullanılmıştır. Bu süreci takiben, aritmi teşhisine rehberlik etmesi amacıyla kural seti çıkarılmıştır. Bu kural setleri, seçilmiş özniteliklere dayanılarak çıkarılmaktadır; çünkü öznitelik seçimi olmadan yapılan kural çıkarımı insanın anlayabileğinden daha karmaşık sonuçlar üretebilmektedir. Kural çıkarımında, C4.5, RIPPER, PART ve HotSpot metotları uygulanmıştır. Bu çalışmada kullanılan EKG veri kümesi, UCI Aritmi Veritabanı'ndan elde edilmektedir. Bu veri kümesindeki tüm anomaliler, tek bir anormal sınıf altında toplanırken geriye kalanlar normal sınıfı oluşturacak şekilde düzenlenmiştir. Karşılaştırma amacıyla k en yakın komşu (k-NN), Destek Vektör Makineleri (SVM), Naive Bayes ve Bayes Ağları, EKG veri kümesine uygulanmıştır. Boyut indirgemek amacıyla ise, özyineli nitelik çıkarımı (RFE-SVM), korelasyon tabanlı nitelik seçimi (CFS), temel bileşen analizi (PCA) ve faktör analizi (FA) yöntemleri kullanılmıştır. Deney sonuçlarına göre, GA-YSA yöntemi, diğerlerinden daha iyi sonuç vermiştir.
Özet (Çeviri)
This paper presents rule extraction and feature selection system to detect abnormality in ECG signals.Genetic Algorithm-Neural Network (GA-NN) Approach is used to distinguish between the presence and absence ofcardiac arrhythmia and perform feature selection. Following this process, rule sets are extracted in order to guide the diagnosis of cardiac arrhythmia. The rule sets are extracted based on selected features because rule extraction without feature selection may result in rules to be more complex than human may realize. C4.5, RIPPER, PART and HotSpot methods are used to perform rule extraction. The ECG dataset used in this study is obtained from UCI Arrhythmia Database. In this dataset, all the anomalies are grouped into one abnormal class and the rest is grouped into one normal class. As a comparison, k-Nearest Neighbor (k-NN), Support Vector Machines (SVM), Naive Bayes and Bayesian Networks have been tested on the arrhythmia dataset. For dimensionality reduction purpose, recursive feature extractor (RFE-SVM), correlation based feature selection (CFS), principal component analysis (PCA) and factor analysis (FA) have been applied. According to test results, GA-NN outperforms other techniques.
Benzer Tezler
- Gümrük Birliği sürecinin Türk sermaye piyasasına etkileri
The Effects of Customer Union course on Turkish capital market
ÖNDER HALİSDEMİR
Yüksek Lisans
Türkçe
1997
EkonomiMarmara ÜniversitesiSermaye Piyasası ve Borsa Ana Bilim Dalı
PROF. DR. İLHAN ULUDAĞ
- Design and implementation of ecg based wearable fitness tracker
EKG tabanlı giyilebilir aktivite takip cihazının tasarımı ve uygulanması
ÇAĞLA SARVAN
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik MühendisliğiYaşar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NALAN ÖZKURT
- Early diagnosis of acute coronary syndromes automatically by using features of ECG recordings
EKG kayıtlarının öznitelikleri kullanılarak akut koroner sendromların otomatik olarak erken teşhisi
MERVE BEGÜM TERZİ
Yüksek Lisans
İngilizce
2014
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN ARIKAN
- Kadıköy-Moda-Yeldeğirmeni çevresinde art nouveau/Jugendstil cephe düzenlemeleri
Başlık çevirisi yok
BANU KUTUN
- SYMPES yöntemiyle kanser hastalıklarında önemli genlerin saptanması ve kanser türlerinin sınıflandırılması
Detection of significant genes in cancer diseases and classification of cancer types by SYMPES method
ALİ SARIKAŞ
Doktora
Türkçe
2020
Genetikİstanbul Üniversitesi-CerrahpaşaBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. BEKİR SIDDIK BİNBOĞA YARMAN
DR. ZELİHA GÖRMEZ