Derin Öğrenme Algoritmalarının EKG Aritmilerinin Sınıflandırılmasında Değerlendirilmesi

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Karadeniz Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Fen Bilimleri Enstitüsü, Türkiye

Tezin Onay Tarihi: 2018

Tezin Dili: Türkçe

Öğrenci: Özgür Tomak

Asıl Danışman (Eş Danışmanlı Tezler İçin): TEMEL KAYIKÇIOĞLU

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Ritim bozukluğu olarak da bilinen aritmi erken bir aşamada tespit edilmelidir. Bu süreçte doktorlara yardım edebilmek ve hızlı bir şekilde teşhis için klinik karar destek sistemlerine ihtiyaç duyulmaktadır. Çalışmada öznitelik olarak dalgacık katsayıları, morfolojik öznitelikler ve Hjorth parametreleri incelenmiş ve karşılaştırılmıştır. Dokuz aritmi sınıfını sınıflandırmak hedeflenmiştir. Sınıflandırma aşamasında temel sınıflandırıcılar olarak Ağaç yöntemleri, K En Yakın Komşuluk algoritmaları, Destek Vektör Makineleri, Topluluk sınıflandırıcıları, Lojistik Regresyon ve Diskriminant Analiz kullanılmıştır. Derin öğrenme ile sınıflandırmada ise Konvolüsyonel Sinir Ağları ve İğnecikli Sinir Ağları analizi yapılmıştır. Ayrıca gerçek zamanlı aritmi tespiti için bir modelde geliştirilmiştir. Tüm analizler için hızlı karar verme imkânı veren ve doğruluğu yüksek sistemler oluşturulması hedeflenmiştir. Sinyali, bir öznitelik kümesi kullanmadan girdi olarak kullanarak, hesaplama yükünü azaltmak ve konvolüsyonel sinir ağındaki sınıflandırmaya yönelik işlemleri basitleştirmek mümkündür. Öznitelik seçimi ve konvolüsyonel sinir ağının birlikte kullanımı ile daha başarılı sonuçlar elde edilebilir. Böylece, hızlı bir şekilde öğrenebilen ve yüksek doğruluk elde edebilen optimize edilmiş bir konvolüsyonel sinir ağı tanımlanabilir.