Show simple item record

dc.contributor.authorTerzi, Merve Begümen_US
dc.contributor.authorArıkan, Orhanen_US
dc.coverage.spatialIzmir, Turkeyen_US
dc.date.accessioned2020-01-31T11:15:36Z
dc.date.available2020-01-31T11:15:36Z
dc.date.issued2019-04
dc.identifier.urihttp://hdl.handle.net/11693/52947
dc.descriptionDate of Conference: 3-5 Oct. 2019en_US
dc.descriptionConference name: 2019 Medical Technologies Congress (TIPTEKNO)en_US
dc.description.abstractBu çalışmada, koroner arter hastalığının (KAH) gürbüz tespitini gerçekleştirmek amacıyla EKG’deki anomalileri güncel sinyal işleme ve makine ögrenmesi yöntemlerini kullanarak tespit eden bir teknik geliştirilmiştir. Bu amaçla, European ST-T veri tabanındaki geniş bantlı kayıtlar kullanılarak, KAH’ın güvenilir tespiti için kritik olan EKG özniteliklerini elde eden özgün bir öznitelik çıkarım tekniği geliştirilmiştir. Elde edilen öznitelikleri kullanarak, KAH’ın gürbüz tespitini gerçekleştiren destek vektör makinelerine (DVM) ve çekirdek fonksiyonlarına dayalı bir gözetimli öğrenme tekniği geliştirilmiştir. İskemik EKG verilerinin eksik olduğu durumlarda, sadece bazal EKG verilerini kullanarak KAH’ın gürbüz tespitini gerçekleştiren Gauss karışım modeline (GKM) dayalı bir gözetimsiz ögrenme tekniği geliştirilmiştir. KAH’ı temsil eden aykırı değerlerin gürbüz tespitini gerçekleştirmek için Neyman-Pearson tipi bir yaklaşım geliştirilmiştir. Önerilen tekniğin European ST-T veri tabanı üzerindeki başarım sonuçları, tekniğin oldukça güvenilir KAH tespiti sağladığını göstermektedir.en_US
dc.description.abstractIn this study, a technique which detects the anomalies in ECG by using the state-of-the-art signal processing and machine learning methods is developed to perform the robust detection of coronary artery disease (CAD). For this purpose, by using the wideband recordings on European ST-T database, a novel feature extraction technique which obtains ECG features that are critical for the reliable detection of CAD is developed. By using the extracted features, a supervised learning technique based on support vector machines (SVM) and kernel functions which performs the robust detection of CAD is developed. In cases where ischaemic ECG data is missing, an unsupervised learning technique based on Gaussian mixture model (GMM) which performs the robust detection of CAD by using only basal ECG data is developed. A Neyman-Pearson type of approach is developed to perform the robust detection of the outliers that correspond to CAD. The performance results of the proposed technique over European ST-T database show that the technique provides highly reliable detection of CAD.
dc.language.isoTurkish
dc.source.title2019 Medical Technologies Congress (TIPTEKNO)en_US
dc.relation.isversionofhttps://doi.org/10.1109/TIPTEKNO.2019.8894953
dc.subjectECGen_US
dc.subjectFeature extractionen_US
dc.subjectSupport vector machinesen_US
dc.subjectKernel functionsen_US
dc.subjectUnsupervised learningen_US
dc.subjectGaussian mixture modelen_US
dc.subjectNeyman-Pearson criterionen_US
dc.subjectAnomaly detectionen_US
dc.subjectClusteringen_US
dc.titleKoroner arter hastalığının destek vektör makineleri ve Gauss karışım modeli ile tespitien_US
dc.title.alternativeCoronary artery disease detection by using support vector machines and gaussian mixture modelen_US
dc.typeConference Paperen_US
dc.departmentDepartment of Electrical and Electronics Engineeringen_US
dc.citation.spage1en_US
dc.citation.epage4en_US
dc.identifier.doi10.1109/TIPTEKNO.2019.8894953en_US
dc.publisherIEEEen_US
dc.contributor.bilkentauthorTerzi, Merve Begüm
dc.contributor.bilkentauthorArıkan, Orhan
buir.contributor.orcidArıkan, Orhan|0000-0002-3698-8888en_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record