Dalgacık dönüşümü ile EKG sinyallerinin işlenmesi ve özellik çıkarımı
Yükleniyor...
Dosyalar
Tarih
2008
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Düzce Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu çalışmada Normal, Rbbb, Lbbb ve Pace olmak üzere dört grup EKG datası incelenmiştir. Dataların dönüşüm işlemlerinde Dalgacık ve Fourier dönüşümleri kullanılmıştır. Bilgilerin daha az veri ile temsil edilmesiyle sınıflandırma işlemleri çok kısa sürede yapılabilir hale gelmiştir.Dalgacık Dönüşümü ile ham datalardan elde edilmiş özellik vektörleri ortalama %72 gibi bir başarımla sınıflandırılmışlardır. Fourier Dönüşümleri ile de başarılı sonuçlar elde edilmiş, fakat özellik vektörü veri sayısı dalgacık dönüşümüne göre üç kat daha fazla olduğundan hesap yükü fazlalaşmış ve sınıflandırma süresi yaklaşık üç kat artmıştır.
In this study, Normal, Rbbb, Lbbb and Pace ECG data was examined. Wavelet and Fourier Transform has been used for Feature Extraction. By this way, classification has been realised the shortest time and the less data size.Feature Vectors extracted from original signals with Wavelet Transform, have been classified 72 % accuracy. It has also taken successfully results with FFT. But Feature Vector size has been approximately three times bigger than Wavelet Transform and the classification time has increased approximately three times.
In this study, Normal, Rbbb, Lbbb and Pace ECG data was examined. Wavelet and Fourier Transform has been used for Feature Extraction. By this way, classification has been realised the shortest time and the less data size.Feature Vectors extracted from original signals with Wavelet Transform, have been classified 72 % accuracy. It has also taken successfully results with FFT. But Feature Vector size has been approximately three times bigger than Wavelet Transform and the classification time has increased approximately three times.
Açıklama
YÖK Tez No: 237409
Anahtar Kelimeler
Teknik Eğitim, Technical Education, Elektrokardiyografi, Electrocardiography, Dalgacık Dönüşümü, Sinyal Analizi, EKG, Özellik Çıkarımı, Wavelet Transform, Signal Analysis, ECG, Feature Extraction
