Bu öğeden alıntı yapmak, öğeye bağlanmak için bu tanımlayıcıyı kullanınız: http://acikerisim.ktu.edu.tr/jspui/handle/123456789/3374
Tüm üstveri kaydı
Dublin Core AlanıDeğerDil
dc.contributor.authorKaya, Yasin-
dc.date.accessioned2022-05-09T12:11:48Z-
dc.date.available2022-05-09T12:11:48Z-
dc.date.issued2017-11-
dc.identifier.urihttp://acikerisim.ktu.edu.tr/jspui/handle/123456789/3374-
dc.description.abstractKardiyak aritmiler kalp hastalıklarının en önemli göstergesinden bir tanesidir. Aritmiler kalbin, iletim, atım oranı veya elektriksel aktivitesinde ortaya çıkabilecek aksamalardan kaynaklanmaktadırlar. Erken karıncık kasılması (EKK) ise ektopik kalp vuruları ile ortaya çıkan en yaygın kardiyak aritmilerinden biridir. Aritmilerin algılanması kalple ilgili olabilecek problemlerin önceden tahmininde önemli rol oynamaktadır. Bu çalışmada ilk olarak işarete ait zaman serilerini kullanarak EKK vurusunun sınıflandırılması gerçekleştirilmiştir. Bir vuruluk işaretin zaman serisine ek olarak çeşitli boyut indirgeme algoritmalarının performansa etkisi araştırılmıştır. Ek olarak çalışma daha geniş kapsamda aritmi türlerini sınıflandıracak şekilde genişletilmiş ve testler gerçekleştirilmiştir. Bu aritmilerin sınıflandırılması için bir vuruluk işarete ait yeni öznitelikler çıkarılmıştır. Öznitelikler, boyut indirgeme algoritmaları kullanılarak daha küçük boyutlara düşürülmüştür. Deneyler, k-en yakın komşu algoritması, yapay sinir ağları, karar ağaçları ve destek vektör makinesi sınıflandırıcıları kullanılarak gerçekleştirilmiştir. Bulgular, doğruluk, duyarlılık, kesinlik, özgünlük ve çalışma süreleri bakımından değerlendirilmiştir. Çalışmada yapılan testlerde kullanılan veriler bu alanda standart hale gelmiş olan MIT-BIH aritmi veritabanından alınmıştır.tr_TR
dc.language.isotrtr_TR
dc.publisherKaradeniz Teknik Üniversitesi / Fen Bilimleri Enstitüsütr_TR
dc.subjectEKG işaret analizi, Erken Karıncık Kasılması, EKG aritmi sınıflandırma, Öznitelik Boyut indirgeme, İşaret işleme, Makine Öğrenmesitr_TR
dc.subjectECG signal analysis, Premature Ventricular Contraction, ECG arrhythmia classification, Feature size reduction, Signal processing, Machine learning.tr_TR
dc.titleMakine öğrenmesi teknikleri ile aritmi tespiti ve yeni öznitelikler ile başarımın artırılmasıtr_TR
dc.title.alternativeArrhythmia detection with machine learning techniques and increase the classification performance using new featurestr_TR
dc.typeThesistr_TR
Koleksiyonlarda Görünür:Bilgisayar Mühendisliği

Bu öğenin dosyaları:
Dosya Açıklama BoyutBiçim 
482566.pdf4.71 MBAdobe PDFKüçük resim
Göster/Aç


DSpace'deki bütün öğeler, aksi belirtilmedikçe, tüm hakları saklı tutulmak şartıyla telif hakkı ile korunmaktadır.