Akademik Veri Yönetim Sistemi
Tıp Teknolojileri Ulusal Kongresi, TIPTEKNO'11, Antalya, Türkiye, 13 - 16 Ekim 2011, ss.1-4
Bu çalışmada EKG işaretlerinin sınıflandırılmasında yapay sinir ağları kullanılmıştır. Giriş vektörünün boyutunu azaltmak için elektrokardiyogram işareti öncelikle Hermite fonksiyonları cinsinden ifade edilerek bir katsayı vektörü elde edilmiş, ardından mRMR yöntemi ile katsayı vektörü içerisinden etkili öznitelik grubu seçilmiştir. Sınıflandırıcı başarısını arttırmak için zaman düzleminde bazı öznitelikler türetilmiş ve öznitelik vektörüne eklenmiştir. Son olarak mRMR yöntemi uygulanarak elde edilen farklı uzunluktaki (5, 10, 15 ve 20) öznitelik vektörleri kullanılarak hesaplanan sınıflandırıcı sonuçları ile Hermite fonksiyonlarına göre belirlenen farklı uzunluktaki (5, 10, 15 ve 20) öznitelik vektörleri için bulunan sınıflandırıcı sonuçları kıyaslanmıştır.
In this study, Artifical Neural Network were used for classification of ECG signals. To reduce the input vector size, a coefficient vector was obtained by expanding the input signal into Hermite functions, after that by using mRMR method effective feature group was selected within coefficient vector. To increase the performance, a few features were derived in time domain and added to feature vector. Finally a performance comparison has been given for evaluation of the classifier according to two types of feature vector (with mRMR and without mRMR) for different lengths (5, 10, 15, and 20).