HEART SIGNAL DISEASE DIAGNOSIS WITH MACHINE LEARNING AND ARTIFICIAL NEURAL NETWORK
MAKİNE ÖĞRENME VE YAPAY SİNİR AĞLARI İLE KALP SİNYAL HASTALIĞI TANISI
- Tez No: 804802
- Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgi ve Belge Yönetimi, Information and Records Management
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
The auditory method of heart sound is one of the diagnostic methods that has received a lot of attention today due to its cost-effectiveness. That's why heart sound analysis using computer systems is so important. In this study, a method based on Convolutional neural network is proposed to distinguish healthy heart sound from unhealthy heart sound. Firstly, the signal be pre-processed by denoising filters and then the features of the PCG signals extract by wavelet transform. Then the Metaheuristic methods will use to select the best features and these features will use to train the system to classification of the signal to healthy and non-healthy signals. In this thesis, we have samples of heart sounds from different people that use from the open access dataset, which are divided into two different categories. The first group includes normal heart sounds, the second group includes non-healthy heart signals. We will design an algorithm using a convolutional neural network that has separated the two categories by extracting the feature and training the network
Özet (Çeviri)
Kalp sesinin işitsel yöntemi, çokça alınan teşhis yöntemlerinden biridir. maliyet etkinliği nedeniyle bugün dikkat çekiyor. Bu nedenle kalp sesi analizi kullanılarak bilgisayar sistemleri çok önemli Bu çalışmada Konvolüsyonel nöral tabanlı bir yöntem Ağ, sağlıklı kalp sesini sağlıksız kalp sesinden ayırt etmek için önerilmiştir. İlk önce, sinyal, filtrelerin gürültüden arındırılması ve ardından PCG sinyallerinin özellikleri tarafından önceden işlenir dalgacık dönüşümü ile ayıklamak. Daha sonra Metasezgisel yöntemler en iyisini seçmek için kullanacak özellikler ve bu özellikler, sistemi sağlıklı sinyal sınıflandırması için eğitmek için kullanacaktır. ve sağlıklı olmayan sinyaller. Bu tezde, farklı kalp seslerinden örnekler aldık. açık erişim veri setinden kullanan kişiler iki farklı kategoriye ayrılmıştır. Birinci grup normal kalp seslerini, ikinci grup sağlıklı olmayan kalp seslerini içerir. sinyaller. Ayrılmış bir evrişimli sinir ağı kullanarak bir algoritma
Benzer Tezler
- Biyomedikal seslerin analizi ve sınıflandırılması
Analysis and classification of biomedical sounds
FATMA ZEHRA GÖĞÜŞ
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. BEKİR KARLIK
- Standart polisomnografik parametrelerin uyku apnesinin teşhisine etkisinin makine öğrenmesi yöntemleriyle araştırılması
Investigation of the effect of standard polysomnographic parameters on the diagnosis of sleep apnea using machine learning methods
YAKUP ÇİÇEK
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA ARSLAN TUNCER
- ECG arrythmia classification using Deep Neural Network
ECG arrythmia classification using Deep Neural Network
ZAKI UR REHMAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAntalya Bilim ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
ASSIST. ASSOC. DR. SHAHRAM TAHERI
- Yapay sinir ağları tabanlı topluluk öğrenme yöntemi ile ekg sinyallerinin sınıflandırılması
Classification of ecg signals with artificial neural network based ensemble learning method
ASHA WANYENZE
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLAY TEZEL
- Uç öğrenme makineleri kullanarak EKG işaretlerinin sınıflandırma başarımlarının iyileştirilmesi
Improvement of the classification achievements of ECG signals using extreme learning machines
AYKUT DİKER
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ENGİN AVCI