Hibrit sınıflayıcılar kullanarak kalpteki ritim bozukluklarının teşhisi
Yükleniyor...
Tarih
2013-08-15
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu tez çalışmasında, Matlab çalışma ortamında MIT-BIH aritmi veri tabanından alınan elektrokardiyografi (EKG) verilerinden gerekli özelliklerin çıkarılarak yapay sinir ağları (YSA), yapay bağışıklık sistemleri (YBS), yapay bağışıklık sistemi tabanlı yapay sinir ağı (YBS-YSA) ve parçacık sürü optimizasyonu tabanlı yapay sinir ağı (PSO-YSA) sınıflayıcı sistemlerine verilmesi sonucunda kalpteki bazı ritim bozukluklarının tespit edilmesine çalışılmıştır. Buradaki asıl amaç YBS-YSA ve PSO-YSA hibrit sınıflayıcı sistemlerinin, YSA ve YBS gibi köklü iki sınıflayıcı karşısında performanslarının değerlendirilmesidir. Bu amaç doğrultusunda alınan normal sinüs ritmi (NSR), atrial premature kasılması (APC), sinüs aritmisi (SA), ventriküler trigemini (VTI), ventriküler taşikardi (VTK) ve atrial fibrilasyon (AF) verilerinin her birinin R-R aralıkları bulunmuştur. Daha sonra bu veriler ikili gruplar şeklinde (NSR-APC, NSR-SA, NSR-VTI, NSR-VTK ve NSR-AF) birleştirilerek oluşturulan bu ikili data gruplarının her birine ayrık dalgacık dönüşümü uygulanmış ve gerekli veri indirgemesi gerçekleştirildikten sonra her birinden 9 ile 27 özellikli iki farklı veri seti oluşturulmuştur. Sonrasında ise bu gruptaki veriler rastgele karıştırılıp k-fold çapraz doğrulama yöntemi uygulanarak eğitim ve test verileri elde edilmiştir. Oluşturulan bu eğitim ve test verileri sınıflayıcılara verilerek eğitim ve test doğruluk oranları ile eğitme süreleri kendi aralarında kıyaslanmıştır. Sonuç olarak, YBS-YSA ve PSO-YSA hibrit sınıflama sistemlerinin performanslarının YSA sisteminin sınıflama performansına yakın hatta bazı veri setleri için YSA sistemi ile aynı sonuçları elde ettikleri görülmüştür. YBS sistemi ile kıyaslandıklarında ise genel olarak bu iki hibrit sistemin çok daha iyi sonuçlar verdiği saptanmıştır. Bununla birlikte kullanılan sistemler eğitme süreleri açısından değerlendirildiğinde, YSA sisteminin diğer sistemlere nazaran çok daha kısa bir sürede eğitimini tamamladığı görülmüştür. Eğitme süresi açısından YSA sistemini sırasıyla PSO-YSA, YBS-YSA ve YBS sistemleri izlemiştir. Ayrıca verilerden çıkarılan özelliklerin verileri en iyi şekilde ifade edebildiği ölçüde sonuçların iyi çıkabileceği gözlenmiştir.
In this study, it was tried to identify some heart rhythm disorder by electrocardiography (ECG) data that is taken from MIT-BIH arrhythmia database by subtracting the required features, presenting to artificial neural networks (ANN), artificial immune systems (AIS), artificial neural network based on artificial immune system (AIS-ANN) and particle swarm optimization based artificial neural network (PSO-NN) classifier systems. The main purpose of this study is that AIS-ANN and hybrid PSO-ANN classifier systems are evaluated the performance of ANN and AIS in the face of such a drastic two classifier. For this purpose, the normal sinus rhythm (NSR), atrial premature contraction (APC), sinus arrhythmia (SA), ventricular trigemini (VTI), ventricular tachycardia (VTK) and atrial fibrillation (AF) data for each of the RR intervals were found. Then these data in the form of pairs (NSR-APC, NSR-SA, NSR-VTI, NSR-VTK and NSR-AF) is created by combining the discrete wavelet transform is applied to each of these two groups of data and two different data sets with 9 and 27 features was defined from each of them after data reduction. Afterwards, training and test data have been obtained by randomly mixed the data in this group and applied k-fold cross-validation method. The training and testing accuracy rates and training time are compared with each other by the data that the training and test data generated, giving the classifier systems. As a result, performance of the AIS-ANN and PSO-ANN ANN hybrid classification system closed to the performance of the ANN system for even some of the data sets were obtained with the same results. In general, the AIS system is compared to a two-hybrid system, the results of the hybrid systems were much better than AIS. However, the ANN in a much shorter period of time than other systems training has been completed when the systems used are evaluated in terms of training times. In terms of training times, the ANN system was followed by PSO-ANN, AIS-ANN and AIS systems respectively. Also the features extracted from the data referred to in the best way the data is able to go up significantly good results have been observed.
In this study, it was tried to identify some heart rhythm disorder by electrocardiography (ECG) data that is taken from MIT-BIH arrhythmia database by subtracting the required features, presenting to artificial neural networks (ANN), artificial immune systems (AIS), artificial neural network based on artificial immune system (AIS-ANN) and particle swarm optimization based artificial neural network (PSO-NN) classifier systems. The main purpose of this study is that AIS-ANN and hybrid PSO-ANN classifier systems are evaluated the performance of ANN and AIS in the face of such a drastic two classifier. For this purpose, the normal sinus rhythm (NSR), atrial premature contraction (APC), sinus arrhythmia (SA), ventricular trigemini (VTI), ventricular tachycardia (VTK) and atrial fibrillation (AF) data for each of the RR intervals were found. Then these data in the form of pairs (NSR-APC, NSR-SA, NSR-VTI, NSR-VTK and NSR-AF) is created by combining the discrete wavelet transform is applied to each of these two groups of data and two different data sets with 9 and 27 features was defined from each of them after data reduction. Afterwards, training and test data have been obtained by randomly mixed the data in this group and applied k-fold cross-validation method. The training and testing accuracy rates and training time are compared with each other by the data that the training and test data generated, giving the classifier systems. As a result, performance of the AIS-ANN and PSO-ANN ANN hybrid classification system closed to the performance of the ANN system for even some of the data sets were obtained with the same results. In general, the AIS system is compared to a two-hybrid system, the results of the hybrid systems were much better than AIS. However, the ANN in a much shorter period of time than other systems training has been completed when the systems used are evaluated in terms of training times. In terms of training times, the ANN system was followed by PSO-ANN, AIS-ANN and AIS systems respectively. Also the features extracted from the data referred to in the best way the data is able to go up significantly good results have been observed.
Açıklama
Anahtar Kelimeler
EKG, PSO, YBS, YSA, AIS, ANN, ECG, Hibrit sınıflayıcılar, Hybrid classifierds
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Yücelbaş, Ş. (2013). Hibrit sınıflayıcılar kullanarak kalpteki ritim bozukluklarının teşhisi. Selçuk Üniversitesi, Yayımlanmış yüksek lisans tezi, Konya.
