1,720,992 research outputs found
Education Purposed Human - Machine Interaction and Physiotherapy Application of It
No full textİnsan - Makine Etkileşimi (İME), insanların, bilgisayarlar, makineler, robotlar ve diğer teknolojik ortamlar ile nasıl etkileşime girdiğini anlamaya çalışan genelleyici bir bilimsel konu başlığı olarak tanımlanabilir. İME çalışmaları sayesinde bu tip ortamların insanlık için daha etkin hale getirilmesi amaçlanmaktadır. Bu tez çalışmasında, İME yoluyla insana bir görevin öğretilmesi için hem robot hem de hologram etmenin (agent) kullanıldığı uygulamalar geliştirilmiştir. Bu uygulamalar sayesinde, literatürde ilk defa iki etmen, öğretme alanındaki başarı oranları, avantajları ve dezavantajları yönünden katılımcılar ile denenerek karşılaştırılmıştır. Bu uygulamalardan edinilen tecrübe ve geliştirilen yöntem kullanılarak, hologram ile insana görev öğretme fizik tedavi alanına taşınmış; literatürde ilk defa boyun ağrısının tedavisi için gerekli olan egzersiz hareketlerini hastalara öğretecek ve uygulanırken de onları denetleyip yönlendirecek holografik bir tedavi uygulaması geliştirilmiştir. Tez çalışmasında gerçekleştirilen ilk uygulamada, insana bir görevin öğretilmesini amaçlayan deneysel çalışmalar gerçekleştirilmiştir. Önce robot etmen için niyet yönlendirme temelli deneysel çalışma ortamı hazırlanmış sonra bunun bir benzeri de HoloLens cihazı üzerinde Artırılmış Gerçeklik (AG) ortamı olarak tasarlanmıştır. Her iki etmen ile gerçekleştirilen deneylerde 50 kişiden elde edilen sonuçlar literatürdeki eğitim amaçlı çalışmalarda kullanılan metriklere göre değerlendirilmiştir. Elde edilen sonuçlara göre insana bir görevi öğretmede robot etmenin %48, hologram etmenin ise %24 oranında başarılı olduğu görülmüştür. Böylece robot öğreticinin daha başarılı olduğu sonucuna varılmıştır. Gerçekleştirilen bu uygulama ile bir İME çalışmasında ilk defa Sonlu Durum Makineleri (SDM) yöntemi ile hologramın kontrol edildiği bir algoritma tasarlanmıştır. Bunun yanında kullanıcıların hareketleri, İçerikten Bağımsız Dilbilgisi (İBD) ve Aşağı Sürüklemeli Otomat (ASO) yöntemleri ile modellenerek hologramların daha karmaşık görevleri öğretmede kullanılabilmesi sağlanmıştır. İnsana bir görevin bir etmen aracılığıyla öğretilmesi konusunda tez çalışması kapsamında gerçekleştirilen ikinci uygulama, boyun ağrısı tedavisi için gereken fizik tedavi hareketlerinin hologram yardımıyla öğretilmesidir. Bu uygulama ile literatürde tedaviye sadık kalmayan veya tedaviyi yanlış uygulayan hastalar için çözüm olabilecek bir sistem geliştirilmiştir. Gerçekleştirilen sistem ile hastaların hareketleri doğru açıyla, doğru tekrar sayısıyla ve doğru sürede yapıp yapmadıkları HoloLens üzerindeki sensörlerden ve etrafa yerleştirilen işaretçilerden faydalanılarak denetlenmiştir. Buna ilaveten holografik videolar, yönlendirici hologramlar ve sesler ile insanlara egzersiz hareketleri öğretilmiştir. Bu sistemin faydasını ölçmek için 15'i kontrol grubu 15'i test grubu olmak üzere toplam 30 katılımcı ile testler yapılmıştır. Cihazı kullanmayan kontrol grubunda süre, tekrar ve açı hata oranları sırasıyla %36.4, %8 ve %27.3 iken, test grubunda hata oranları sırasıyla %0, %0 ve %9.1 şeklinde gerçekleşmiştir. Ayrıca deneyler sırasında toplanan görüntü ve video kayıtları ile daha sonraki çalışmalar için veri seti hazırlanmıştır. Bu tezdeki çalışmalarla, İME ile insanların yönlendirilmesi sağlanmış ve bunun sonucunda da ihtiyacı olan insanlara teknolojik cihazlar ile fayda sağlayabilecek sistemler geliştirilmiştir.Human - Machine Interaction (HMI) could be defined as a general scientific topic that deals with understanding how people interact with computers, machines, robots and other technological environments. With HMI studies, it is aimed to make these environments into more effective ones for humanity. In this thesis study, both robot and holographic agent applications are developed to teach a task to human through HMI. Thanks to these applications, for the first time in the literature, these two agents were compared in terms of their success rates, advantages and disadvantages with a teaching aspect. Using the experience and the methods developed from these applications, teaching human with the hologram concept has been moved to the field of physical therapy. For the first time in the literature, a holographic treatment application has been developed which teaches patients the exercise movements needed for the treatment of neck pain and supervises them while they are practicing. In the first application of the thesis, experimental studies aiming to teach a task to humans were realized. First, an experimental environment based on intention reshaping was prepared for a robot agent and then a similar one was designed as Augmented Reality (AR) environment on a HoloLens device. The results obtained from the experiments, which were carried out with both agents and 50 individuals, were evaluated according to the metrics derived from educational studies in the literature. According to the results obtained, it was seen that robot agent was 48% and hologram agent was 24% successful in teaching a task to the human. Thus, it was concluded that the robot teacher is more successful. With this application, an algorithm that controls the hologram with Finite State Machines (FSM) method was developed for the first time in a HMI study. In addition to this, users' movements were modeled with Context - Free Grammar (CFG) and Push Down Automaton (PDA) methods so that holograms would be used to teach more complex tasks. The second application, which was carried out within the scope of this thesis, is teaching the physical therapy movements that are necessary for the treatment of neck pain with holograms. With this application, a system has been developed to be a solution for the problem of patients who are not loyal to the treatment or who applied the treatment incorrectly in the literature. With this system, patients' movements are checked if they were done with correct angle, number of repetitions and time period by using sensors on HoloLens and markers placed around. In addition, exercise movements are taught to patients with holographic videos, directive holograms and sounds. In order to measure the efficiency of this system, experiments were realized with 30 individuals; 15 of them were selected to the control group and 15 of them were selected to the test group. While, time period, number of repeat and angle error rates were 36.4%, 8% and 27.3% in the control group, the error rates in the test group were 0%, 0% and 9.1%, respectively. Also, images and video recordings collected during the experiments were built as a data set for future studies. With the studies in this thesis, people were guided with HMI and as a result of this, it was contributed to provide benefit to the people in need with technological devices
A New Deep Learning Approach for Pancreas Segmentation on Abdomen Ct Images: Pascal U-Net
No full textGünümüzde derin öğrenme modellerinin medikal görüntü işlemede kullanımı hız kazanmıştır. Özellikle kesit görüntülerinden organ segmentasyonu üzerine gerçekleştirilen çalışmalarda derin öğrenme yöntemleri sıklıkla tercih edilmektedir. Abdomen bölgesinde yer alan pankreas, her insanda şekil, konum ve büyüklük bakımından farklı olduğundan segmentasyonu oldukça zorlayıcıdır. Bu problemin çözümünde literatürde genellikle derin öğrenme modellerinden biri olan U-Net modeli tercih edilmektedir. Bu tez çalışmasında, pankreas segmentasyonu için Pascal üçgenindeki sayı dizilimine uygun bir mimariye sahip ve U-Net modelini temel alan yeni bir derin öğrenme modeli önerilmiştir. Önerilen bu model Pascal U-Net modeli olarak isimlendirilmiştir ve modelin başarımı iki farklı veri seti üzerinde değerlendirilmiştir. İlk olarak halka açık ve literatürde sıklıkla kullanılan bir veri seti olan The Cancer Imaging Archive Pankreas-BT veri setinden yararlanılmıştır. Ayrıca ikinci veri seti olarak Selçuk Üniversitesi Tıp Fakültesi Hastanesi Radyoloji Bölümü'nden alınan abdomen BT görüntüleri kullanılmıştır. Veri setlerindeki kayıtlardan her hasta için bir kesit görüntüsü seçilmiş ve önişleme yöntemleri uygulanarak derin öğrenme ağları için veri setleri oluşturulmuştur. Pascal U-Net modeli ile her iki veri seti üzerinde elde edilen pankreas segmentasyon sonuçlarının karşılaştırılması için, aynı veri setleri üzerinde U-Net modeli ile de segmentasyon işlemi gerçekleştirilmiştir. 2, 4 ve 6 katlı çapraz doğrulama ve 1'den 10'a kadar farklı yığın sayılarında çalıştırılan derin öğrenme modelleri sonucunda elde edilen segmentasyon haritaları, 7 farklı performans metriği kullanılarak değerlendirilmiştir. Her bir yığın sayısı ve farklı kat çapraz doğrulama ile gerçekleştirilen pankreas segmentasyonu sonuçları, 10 kez çalıştırma sonuçlarının ortalamasıdır. Hem U-Net hem de Pascal U-Net segmentasyon sonuçları 7 farklı metrik ve görsel değerlendirmeler temel alınarak analiz edilmiştir. Sonuçlar incelendiğinde; her iki veri setinde de Pascal U-Net modeli, geleneksel U-Net mimarisine karşı Dice Benzerlik Katsayısı metriği bakımından yaklaşık %1'lik bir değer ile üstünlük göstermiştir.Nowadays, the use of deep learning models in medical image processing has gained momentum. Especially in studies on organ segmentation from slice images, deep learning methods are frequently preferred. Since the pancreas, located in the abdominal region, differs in shape, location and size in each person, its segmentation is quite challenging. To solve this problem, the U-Net model, which is one of the deep learning models, is generally preferred in the literature. In this thesis, a new deep learning model based on the U-Net model with an architecture suitable for the number sequence in Pascal's triangle has been proposed for pancreatic segmentation. This proposed model is named Pascal U-Net model and the performance of the model is evaluated on two different data sets. First, The Cancer Imaging Archive Pancreas-CT dataset, which is a publicly available and frequently used dataset in the literature, was used. In addition, abdominal CT images taken from the Department of Radiology at Selcuk University Medical Faculty Hospital were used as the second data set. A slice image was selected for each patient from the records in the datasets and datasets for deep learning networks were created by applying preprocessing methods. In order to compare the pancreatic segmentation results obtained on both data sets with Pascal U-Net model, segmentation process was also performed on the same data sets with the U-Net model. Segmentation maps obtained as a result of 2, 4 and 6 fold cross validation and deep learning models run on different batch sizes from 1 to 10, were evaluated using 7 different performance metrics. Pancreas segmentation results performed with each batch size and different fold cross validation are the average of 10 run results. Both U-Net and Pascal U-Net segmentation results were analyzed based on 7 different metrics and visual evaluations. When the results are examined; in both data sets, Pascal U-Net model outperformed traditional U-Net architecture with a value of approximately 1% in terms of Dice Similarity Coefficient metric
Biomedical pattern classification with rotation forest
No full textÖrüntü sınıflandırma, biyomedikalde, tanı ve teşhis aşamalarında bilim insanlarına yardımcı olmaktadır. Literatürde bu amaçla birçok sınıflandırıcı sistem tasarımı gerçekleştirilmiştir. Bu metotlardan biri de yapay sinir ağları (YSA)' dır. Ayrıca, çeşitli optimizasyon teknikleri, YSA yapısındaki ağırlık-bias değerlerinin ayarlanması ve performansın artırılması için güncelleme bölümüne entegre edilmektedir. Tez çalışmasının ilk aşamasında, YSA' daki ağırlık-bias değerlerinin güncellenmesi için, YSA güncelleme bölümü Parçacık Sürü Optimizasyonu (PSO) temelli oluşturulmuştur. Bu sayede sınıflandırma doğruluğu artırılmıştır. İkinci aşamada, içerisinde birden fazla hibrit PSO-YSA sınıflandırıcı birimi bulunduran Rotasyonel Orman (RO (hibrit PSO-YSA)) yapısının tasarımı gerçekleştirilmiştir. Böylece tek bir temel sınıflandırıcı (YSA) veya bu temel sınıflandırıcıdan daha iyi performansa sahip olan hibrit bir temel sınıflandırıcı (hibrit PSO-YSA) kullanmak yerine, RO (hibrit PSO-YSA) sınıflandırıcı topluluğunu kullanmanın daha uygun olacağı tespit edilmiştir. Bunun yanısıra hibrit yapı içerisindeki ağırlık ve bias değelerinin konum-hız sınırlamalarında, limit aralıklarının eşit alınmaması veya serbest bırakılmaması gerektiği, her bir durum için (ağırlık konum, ağırlık hız, bias konum ve bias hız limitleri) optimum sınırların tespit edilmesi gerektiği görülmüştür. Böylece, literatürdeki hibrit PSO-YSA yapılarından farklı optimize edilmiş bir ağ yapısı sunulmuştur. Tez çalışmasında sunulan yapılar (hibrit PSO-YSA ve RO (hibrit PSO-YSA)) göğüs kanseri verileri üzerinde test edilmiştir. Sonuçlar literatürde elde edilen sonuçlarla karşılaştırılarak değerlendirneler sunulmuştur.Pattern classification helps to scientists on diagnosis and diagnostic in biomedical. For this purpose, there are lots of studies about classifier design in literature. One of these methods is the Neural Networks (NN). On the other hand, various optimization algoritms are integrated to update part of NN in order to tune the weight-bias values and in order to improve the performance of system. At the first part of thesis, update part of NN has been formed based on Particle Swarm Optimization (PSO) for adjusting the weight-bias values of NN and. Thus, classification accuracy of NN has been increased by PSO. At the second part of thesis, RF (hybrid PSO-NN), which contains multiple classification units (hybrid PSO-NN structures), has been designed. So it has been seen that usage of RF (hybrid PSO-NN) ensemble classifier is more convenient than the usage of NN and hybrid PSO-NN. Moreover, it has been seen that velocity and position boundaires of weight and bias in hybrid structure mustn't be chosen equal or mustn't be set free in space. But these boundaries (weight position, weight velocity, bias position and bias velocity boundaries) must be examined individually for finding their optimal intervals. So a new optimized network which is different from hybrid PSO-NN structures in literature has been presented. Shortly, it has been seen that interval limitations of hybrid structure must be adjusted individually in order to achieve higher classification performance. The structures presented in thesis study (hybrid PSO-NN and RF (hybrid PSO-NN)) have been tested on breast cancer dataset. The evaluation has been presented by comparing the results with others obtained in literature
Diabetic Retinopathy Detection With Deep Learning
No full textDiabetes is a chronic disease that occurs when glucose in the blood remains constantly high due to insulin not being produced or used properly and a deterioration in the insulin mechanism of the pancreas. Prolonging this dysregulation of glucose levels causes serious damage to blood vessels. Diabetics are likely to experience kidney problems, eye damage, bleeding gums, and nerve damage. Eye damage that occurs in diabetic patients is called Diabetic Retinopathy. This study aims to detect Diabetic Retinopathy (DR) and grade it. Two different datasets obtained from the Kaggle platform were used for the study. The first dataset consists of images of varying sizes and has imbalanced class distributions. The second dataset is a dataset in which class distributions are made more balanced through manual data augmentation and resizing of the first dataset. In addition, in the study, two different new data sets were obtained by applying one-channel and three-channel discrete wavelet transforms separately from images in the first dataset Six different deep learning architectures were evaluated for Diabetic Retinopathy detection, and optimum hyperparameters were detected. As a result of the studies carried out, the highest accuracy values were achieved with YOLOv8n deep learning architecture. In the first data set, 86.79% accuracy was achieved with the YOLOv8n architecture, when the batch size and the learning rate were 16 and 10-3 and the optimization algorithm was Adam. Additionally, the other evaluation metrics for this model were calculated as follows: 46% precision, 68% sensitivity, 51% F1 score, and 64.20% Kappa.Diyabet, pankreasın insülin mekanizmasındaki bozulmaya bağlı olarak insülinin üretilememesi ya da doğru kullanılamaması sonucu kandaki glikozun sürekli yüksek kalması nedeniyle oluşan kronik bir rahatsızlıktır. Glikoz seviyesindeki bu düzensizliğin uzaması, kan damarlarının ciddi şekilde zarar görmesine neden olur. Diyabet hastalarının böbrek sorunları, göz hasarı, diş eti kanamaları ve sinir hasarları yaşama olasılığı yüksektir. Diyabet hastalarında ortaya çıkan göz hasarı Diyabetik Retinopati olarak isimlendirilir. Bu çalışmada, Diyabetik Retinopati (DR) hastalığının tespiti ve derecelendirilmesi amaçlanmıştır. Çalışma için Kaggle platformundan temin edilen iki farklı veri seti kullanılmıştır. İlk veri seti, farklı boyutlardaki görüntülerden oluşmaktadır ve dengesiz sınıf dağılımlarına sahiptir. İkinci veri seti, ilk veri setinde manuel veri artırma ve yeniden boyutlandırma işlemleri yapılarak sınıf dağılımlarının daha dengeli hale getirildiği bir veri setidir. Ayrıca çalışmada, ilk veri setindeki görüntülerden ayrı ayrı 1 boyutlu ve 3 boyutlu ayrık dalgacık dönüşümü uygulanarak iki farklı yeni veri seti elde edilmiştir. Diyabetik Retinopati tespiti için altı farklı derin öğrenme mimarisi değerlendirilmiş ve optimum hiper parametre tespiti gerçekleştirilmiştir. Gerçekleştirilen çalışmalar sonucunda, en yüksek doğruluk değerlerine YOLOv8n derin öğrenme mimarisi ile ulaşılmıştır. İlk veri setinde YOLOv8n mimarisi ile yığın boyutu 16, öğrenme oranı 10⁻³ ve optimizasyon fonksiyonu Adam olarak seçildiğinde %86.79 doğruluk elde edilmiştir. Ayrıca, bu model ile elde edilen diğer değerlendirme metrikleri sırasıyla %46 kesinlik, %68 duyarlılık, %51 F1 skoru ve %64.20 Kappa olarak belirlenmiştir
Characterization of Adrenal Lesions by Using Mr Images
No full textSürrenal lezyonlar böbreküstü bezlerinde oluşan ve kötü huylu olabilen bir lezyon çeşididir. Böbreküstü bezleri karaciğer, omurilik, pankreas ve dalak arasında yer almaktadır. Bundan dolayı, böbreküstü bezleri üzerinde oluşan lezyonların, çevresindeki organlara yapışık olma ihtimali de bulunmaktadır. Bu ihtimal, sürrenal lezyonların segmentasyonunda ve sınıflandırılmasında bir problem olarak ortaya çıkmaktadır. Düşük kontrast, lezyonun şekil, büyüklük ve gri seviye çeşitliliği, segmentasyonu zorlaştıran etkenlerdendir. Ayrıca, farklı tür lezyonların birbirine yakın gri seviyeye sahip olmaları, aynı tür lezyonların şekil ve gri seviye açısından farklı olmaları da sınıflandırma başarısını düşüren problemlerden bazılarıdır. Gerçekleştirilen tez çalışmasında, Manyetik Rezonans (MR) görüntülerinden sürrenal lezyon segmentasyonu ve sınıflandırması için bahsedilen problemleri ortadan kaldırabilen bir Bilgisayar Destekli Teşhis (BDT) sistemi tasarlanmıştır. Önerilen BDT sistemi iki ana aşamadan oluşmaktadır. İlk aşamada sürrenal lezyon segmentasyonu, ikinci aşamada ise sürrenal lezyon sınıflandırması yapılmıştır. Tez çalışması, Selçuk Üniversitesi Tıp Fakültesi Radyoloji Anabilim Dalı'ndan alınan 114 MR görüntüsü ile gerçekleştirilmiştir. Sürrenal lezyon segmentasyonu için önerilen sistem ile lezyonların sahip olduğu bazı problemler ortadan kaldırılmış ve %82,09 Dice Katsayısı, %71,24 Jaccard Oranı, %99,84 Doğruluk değerlerine ulaşılmıştır. Önerilen BDT sisteminin ikinci aşamasında; sürrenal lezyonların iyi huylu ve kötü huylu olarak sınıflandırılmasında, Destek Vektör Makineleri ile %98,4 doğruluk ve %99,13 F-skor değeri elde edilmiştir. İkinci aşamada ek olarak; sürrenal lezyonların tür karakterizasyonunda, Yapay Sinir Ağları ile %93,19 doğruluk ve %54,94 F-skor değeri elde edilmiştir. Ayrıca, tez çalışmasında kullanılan görüntülerde gürültü analizi yapılmış ve sınıflandırmaya olan etkileri incelenmiştir.Adrenal tumors occur on adrenal glands and can be malign. Adrenal glands are placed between liver, spinal cord, pancreas, and spleen. Therefore, tumors that occur on adrenal glands can be adherent to neighbor organs. This is a problem in segmentation and classification of adrenal tumors. Low contrast, shape, size, and grey-level varieties of the tumors are some of the factors, which complicate the segmentation. Also, the problems such as different tumors have similar grey-level and the same tumors are different according to their shapes and grey-levels situations reduces the classification performance. This study propose a Computer Aided Diagnosis (CAD) system, which can eliminate the mentioned problems, to segment and classify adrenal tumors on Magnetic Resonance (MR) images. The proposed CAD system consists of two main stages. The first stage is adrenal tumor segmentation, and the second stage is adrenal tumor classification. This study was performed on 114 MR images that were taken from Radiology Department of Medicine Faculty at Selcuk University. Some of the problems of tumors were removed during segmentation and Dice Coefficient, Jaccard Rate and Accuracy metrics were obtained as 82.09%, 71.24%, %99.84, respectively. In the second stage of CAD system; during the adrenal tumor classification as benign or malign, accuracy and F-score metrics were obtained as 98.4% and 99.13% by Support Vector Machines classifier. In addition, during the adrenal tumor type characterization, accuracy and F-score metrics were obtained as 93.19% and 54.94% by Artificial Neural Networks classifier. In addition, the noise analysis were implemented on the images used and effects of noises in the images to classification process were analyzed in this study
Going Beyond Counting First Authors in Author Co-citation Analysis
Get PDFThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
Variations on the Author
Get PDF“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
Appropriate Similarity Measures for Author Cocitation Analysis
Get PDFWe provide a number of new insights into the methodological discussion about author cocitation analysis. We first argue that the use of the Pearson correlation for measuring the similarity between authors’ cocitation profiles is not very satisfactory. We then discuss what kind of similarity measures may be used as an alternative to the Pearson correlation. We consider three similarity measures in particular. One is the well-known cosine. The other two similarity measures have not been used before in the bibliometric literature. Finally, we show by means of an example that our findings have a high practical relevance.information science;Pearson correlation;cosine;similarity measure;author cocitation analysis
A tele-cardiology system design using feature extraction techniques and artificial neural networks
No full textŞehir merkezlerinden uzakta olan bölgelerde ve kırsal alanlarda yaşayan kişilere sağlık hizmetinin götürülmesinde problemlerle karşılaşılmaktadır. Bu açıdan bakıldığında teletıp kaliteyi artıracak ve coğrafi yerleşimine bakılmaksızın sağlık hizmetini her türlü bölgeye ulaştıracak bir potansiyel sağlar. Teletıp sistemleri içerisinde kardiyoloji en fazla gereksinim duyulan uygulama olmuştur. Bir çok vakada, pratisyen hekimin uzman hekimlerle çabuk konsültasyon yapabilmesi hastanın durumu açısından kritik önem taşır. Eğer sağlık ocağına gelen hastanın klinik bulguları, hastada kalp krizi şüphesi doğuruyorsa, pratisyen hekim araştırma hastanesinde çalışan bir kardiyoloji uzmanından telekardiyoloji ile yardım almaya ihtiyaç duyacaktır. Tez çalışmasında pratisyen hekime yorum kolaylığı sağlayan ve uzman hekim ile konsültasyon yapmasına imkan veren bir telekardiyoloji sistemi önerilmiştir. Gerçekleştirilen telekardiyoloji sistemi üç aşamadan oluşmaktadır. İlk aşama sinyal kaydının yapılması ve ön işlemenin gerçekleştirilmesidir. Sağlık ocağına gelen ve kalp rahatsızlığı şüphesi uyandıran bir hastanın elektrokardiyograf cihazı ile EKG' si çekilerek, sınıflandırma için önişleme gerçekleştirilmektedir. İkinci aşama EKG sinyaline bir tanı konulmasını içermektedir. EKG sinyallerinin tanınması ve sınıflandırılması için dalgacık dönüşümü, temel bileşen analizi, tip-2 bulanık c-ortalamalar kümeleme algoritması ve yapay sinir ağları kullanılarak üç farklı sınıflandırma sistemi oluşturulmuştur. Sınıflandırma sistemlerinin eğitimi ve testi için MIT-BIH EKG aritmi veri tabanından alınan veriler kullanılmıştır. Eğitim ve test verileri 12 EKG sinyal sınıfını içermektedir. Gerçekleştirilen sınıflandırma sistemleri ile test verileri üzerinde %99 sınıflandırma doğruluğu elde edilmiştir. Ayrıca Selçuk Üniversitesi Tıp Fakültesi Kardiyoloji Yoğun Bakımı Ünitesi' nde yatan hastalardan alınan verilerle de önerilen sınıflandırma sistemleri test edilmiştir. Üçüncü aşama sinyalin ve tanının araştırma hastanesine gönderilmesidir. Bu aşama web sayfası ve ftp yolu ile iki farklı şekilde gerçekleştirilmektedir. Hazırlanan www.telekardiyoloji.com web sitesi ile araştırma hastanesi ve sağlık ocağının karşılıklı görüş alışverişinde bulunmaları sağlanmaktadır. Ayrıca haberleşme file transfer protocol (ftp) yolu ile de sağlanmaktadır. Bununla beraber hazırlanan arayüzler ile pratisyen hekime ve uzman doktora sinyali değerlendirme olanağı sunulmuştur.Some problems are met in carrying health service to human lived in far regions from city center and rural fields. When look from this angle, telemedical provide a potantiel which transport health service to every kind of region whatever geographical settlement. Cardiology is most require application in telemedicine systems. In many occurrence, doing consultation quickly between practitioner and expert doctor carry weight for patient? s state. If clinic findings of patient came to village clinic misgive heart attack, practitioner need to take assistance from cardiology doctor worked in research hospital with telecardiology. In thesis study, a telecardiology system which provide interpretation easiness to practitioner and enable to consultant with expert doctor was proposed. Realized telecardiology system was formed three phase. First phase was to record signal and to realize preprocessing. The ECG of a patient which came to village clinic and his clinic findings misgave heart attack was measured with electrocardiography device and preprocessing was done on ECG signal. Second phase was contained a diagnosis to ECG signal. Three different classification systems were constituted wavelet transform, principal component analysis, type-2 fuzzy c-means clustering algorithm and artificial neural networks for detection and classification of ECG signal. Data taken from MIT-BIH ECG arrhythmia database was used for training and testing of classification system. Training and testing data was included 12 ECG signal classes. Classification accuracy on test data was obtained as 99% with improved classification system. Furthermore, proposed classification systems were tested with data taken from patiens in Selcuk University Faculty of Medicine Intensive Care Unit. Third stage was to transport signal and diagnosis to research hospital. This stage was executed on two different style with ftp and web page. Prepared www.telekardiyoloji.com web cite provided consultation between research hospital and village clinic. However communication was provided with file transfer protocol (ftp). Additionally, opportunity of signal? s evalution was presented to practitioner and expert doctor with prepared interfaces
- …
