Please use this identifier to cite or link to this item: http://hdl.handle.net/11527/779
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorKorürek, Mehmettr_TR
dc.contributor.authorMetin, Selintr_TR
dc.date2002tr_TR
dc.date.accessioned2015-04-21T12:00:29Z-
dc.date.available2015-04-21T12:00:29Z-
dc.identifier.urihttp://hdl.handle.net/11527/779-
dc.descriptionTez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2002tr_TR
dc.descriptionThesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2002en_US
dc.description.abstractBu çalışmada, yapay sinir ağı kullanılarak EKG vurularındaki aritmiler sınıflandırılmıştır. Sınıflayıcı olarak GAL (grow and learn) ağı kullanılmıştır. Yapay sinir ağına giriş olarak verilen öznitelik vektörleri doğrudan EKG işaretinin genlik değerlerinden elde edilmiştir. Bu yöntem, öznitelik çıkartma ve dönüşüm işlemlerinin getireceği hesap yükünü ortadan kaldırmaktadır. Kalıp vektörleri yalnızca EKG işaretindeki morfolojik değişimlerden etkilenmektedir. Kalıplar, yalnızca QRS kompleksini içermektedir. Sınıflandırma aşamasında dalga formu deteksiyonu ve kalıp uydurma yöntemleri kullanılmıştır. Dokuz tip EKG vurusu incelenmiştir. Her vuru tipi için elde edilen kalıplar kullanılarak EKG vuruları minimum mesafe ölçütüne göre sınıflandırılmıştır. Sonuçlar literatürdeki çalışmalarla karşılaştırıldığında, geliştirilen algoritmanın yüksek sınıflama performansı gösterdiği ve yeterli ayırım gücüne sahip olduğu gözlenmiştir.tr_TR
dc.description.abstractIn this study arrhythmias in ECG beats are classified using artificial neural network. GAL (grow and learn) network is used as classifier. The feature vectors, which are input to the neural network, are directly obtained from ECG signal amplitude values. This method decreases the cost of feature extraction and transformation operations. Template vectors are affected only from the morphological changes in the ECG signal. Only the QRS complexes are included in the template vectors. Waveform detection and template matching methods are used for classification. Nine types of ECG beats are analyzed. ECG beats are classified according to the minimum distance metric using the templates obtained for each beat type. The comparison of the results with the examples given in the literature shows that the algorithm developed has high classification performance and enough separation strength.en_US
dc.publisherFen Bilimleri Enstitüsütr_TR
dc.publisherInstitute of Science and Technologyen_US
dc.rightsİTÜ tezleri telif hakkı ile korunmaktadır. Bunlar, bu kaynak üzerinden herhangi bir amaçla görüntülenebilir, ancak yazılı izin alınmadan herhangi bir biçimde yeniden oluşturulması veya dağıtılması yasaklanmıştır.tr_TR
dc.rightsİTÜ theses are protected by copyright. They may be viewed from this source for any purpose, but reproduction or distribution in any format is prohibited without written permission.en_US
dc.subjectYapay sinir ağıtr_TR
dc.subjectEKGtr_TR
dc.subjectSınıflandırmatr_TR
dc.subjectGALtr_TR
dc.subjectNeural networksen_US
dc.subjectECGen_US
dc.subjectClassificationen_US
dc.subjectGALen_US
dc.titleElektrokardiyogram Vurularının Gal Ağı Yardımıyla Sınıflandırılmasıtr_TR
dc.title.alternativeClassification Of Electrocardiogram Beats Using Gal Networken_US
dc.typeThesisen_US
dc.typeTeztr_TR
dc.contributor.departmentBiyomedikal Mühendisliğitr_TR
dc.contributor.departmentBiomedical Engineeringen_US
dc.description.degreeYüksek Lisanstr_TR
dc.description.degreeM.Sc.en_US
Appears in Collections:Biyomedikal Mühendisliği Lisansüstü Programı - Yüksek Lisans

Files in This Item:
File Description SizeFormat 
1782.pdf3.19 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.