Classification of heart diseases with convolutional neural networks

dc.contributor.advisorArsan, Taneren_US
dc.contributor.authorArsan, Taner
dc.date.accessioned2021-07-29T12:01:43Z
dc.date.available2021-07-29T12:01:43Z
dc.date.issued2021
dc.departmentEnstitüler, Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.description.abstractGünümüzde kalp hastalıklarının sayısı ve sıklığı artmaktadır. Bu alanda iyileştirmeler yapılabilmesi için yüksek miktarda harcama yapılmaktadır. Kalbin elektriksel iletimindeki atımlar özel cihazlarla kaydedilebilir ve EKG (Elektrokardiyogram) oluşturulabilir. EKG'den üretilen veriler, Taylor Series algoritması ile faz uzaylarına dönüştürülebilir. Kalp hastalığının tespiti için 44 farklı kişiden alınan verilerle MLII sinyallerinden EKG ve faz uzayları oluşturuldu. Bu kayıtların kalp durumunu belirlemek için hem EKG görüntüleri hem de faz uzayı görüntüleri kullanıldı. Kayıtların kalp durumu görüntülere ve sonuçlara Convolutional Neural Networks (CNNs) yöntemi uygulandı ve SVM (Support Vector Machine) algoritması ile karşılaştırılarak başarı oranı ölçüldü. Ayrıca aynı kayıtlar üzerinden eğitim ve test seti değiştirilerek farklı modellerin başarı oranları karşılaştırıldı. EKG ile faz uzayı görüntülerine CNN algoritmasının verdiği sonuçlardaki farklılık tespit edildi. Nowadays, the number and frequency of heart diseases is increasing. High amounts of expenses are incurred in order to make improvements in this area. The beats in the electrical conduction of the heart can be recorded by special devices and ECG (Electrocardiogram) can be created. Data generated from ECG can be transformed into phase spaces with Taylor Series algorithm. In order to determine the detection of heart disease, ECG and phase spaces were created from MLII signals based on 44 different records. Both ECG images and phase space images were used to determine the heart conditions of these recordings. The heart status of the recordings was measured by applying Convolutional Neural Networks (CNNs) method to the images and results compared with the SVM (Support Vector Machine) algorithm. In addition, the success rates of different models were compared by changing the training and test set over the same records. The success rate between ECG and phase space was also determined.en_US]
dc.identifier.endpage86en_US
dc.identifier.startpage1en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12469/4095
dc.identifier.yoktezid670624en_US
dc.institutionauthorKoç, Bekir Yavuzen_US
dc.language.isoenen_US
dc.publisherKadir Has Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.titleClassification of heart diseases with convolutional neural networksen_US
dc.title.alternativeEvrişimli sinir ağları ile kalp rahatsızlıklarının sınıflandırılmasıen_US
dc.typeMaster Thesisen_US
dspace.entity.typePublication
relation.isAuthorOfPublication7959ea6c-1b30-4fa0-9c40-6311259c0914
relation.isAuthorOfPublication.latestForDiscovery7959ea6c-1b30-4fa0-9c40-6311259c0914

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
670624.pdf
Size:
3.13 MB
Format:
Adobe Portable Document Format
Description:

Collections