Intelligent arrhythmia classification based on support machines

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2006

Tezin Dili: İngilizce

Öğrenci: ASLI UYAR ÖZKAYA

Danışman: SADIK FİKRET GÜRGEN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tezde yapılan çalışmanın temel amacı EKG işaretlerinin sınıflandırılması ilearitmik kardiyak hastalıkların otomatik olarak teşhisini sağlamaktır. EKG, kalptekielektriksel gerilimin bir sonucu olan grafik şeklinde bir işarettir ve kardiyologlar tarafındanteşhis amacıyla kullanılan en önemli veridir. EKG işaretlerinin yorumlanmasındakarşılaşılan güçlükler araştırmacıları kardiyak aritmi bozuklukların otomatik olarakbelirlenmesi konusunda çalışma yapmaya sevk etmiştir. Günümüzde akıllı veri analiziyöntemlerini kullanan bilgisayar programları karmaşık EKG işaretlerini kolaycayorumlayabilmekte, kardiyak aritmi varlığı konusunda öngörüde bulunabilmekte ve gerçekzamanlı analiz ve teşhis sağlamaktadır. Bu çalışmada, akıllı aritmi sınıflandırması içindiğer sınıflandırma yöntemlerine göre daha yeni bir yöntem olan Destek Vektör Makineleri(DVM) kullanılmaktadır. Deneylerde kullanılan veriler UCI Aritmi Veritabanı'ndan eldeedilmiş olup çok boyutlu EKG veri kümesinde boyut indirgeme için PCA ve ICAyöntemleri kullanılmıştır. DVM algoritmasının performansı model parametrelerine bağlıolduğundan parametre seçimi oldukça önemlidir. Yapılan çalışmada, parametre seçimi,boyut indirgeme ve eşik tabanlı bir reddetme yöntemi kullanılarak standart DVMsınıflandırıcısının performansı arttırılmıştır. Önerilen eşik tabanlı reddetme yöntemi ilebelirsizlik yönetimi sağlanırken sınıflandırmadaki yanlış alarmların da ortadan kaldırılmasıhedeflenmektedir. Karşılaştırma amacıyla k-NN ve karar ağaçları yöntemleri de EKG verikümesine uygulanmış ve deney sonuçlarına göre geliştirilmiş DVM yönteminin daha iyisonuç verdiği belirlenmiştir.