Classification of heart diseases with convolutional neural networks

Loading...
Thumbnail Image

Date

2021

Journal Title

Journal ISSN

Volume Title

Publisher

Kadir Has Üniversitesi

Open Access Color

OpenAIRE Downloads

OpenAIRE Views

Research Projects

Organizational Units

Journal Issue

Abstract

Günümüzde kalp hastalıklarının sayısı ve sıklığı artmaktadır. Bu alanda iyileştirmeler yapılabilmesi için yüksek miktarda harcama yapılmaktadır. Kalbin elektriksel iletimindeki atımlar özel cihazlarla kaydedilebilir ve EKG (Elektrokardiyogram) oluşturulabilir. EKG'den üretilen veriler, Taylor Series algoritması ile faz uzaylarına dönüştürülebilir. Kalp hastalığının tespiti için 44 farklı kişiden alınan verilerle MLII sinyallerinden EKG ve faz uzayları oluşturuldu. Bu kayıtların kalp durumunu belirlemek için hem EKG görüntüleri hem de faz uzayı görüntüleri kullanıldı. Kayıtların kalp durumu görüntülere ve sonuçlara Convolutional Neural Networks (CNNs) yöntemi uygulandı ve SVM (Support Vector Machine) algoritması ile karşılaştırılarak başarı oranı ölçüldü. Ayrıca aynı kayıtlar üzerinden eğitim ve test seti değiştirilerek farklı modellerin başarı oranları karşılaştırıldı. EKG ile faz uzayı görüntülerine CNN algoritmasının verdiği sonuçlardaki farklılık tespit edildi. Nowadays, the number and frequency of heart diseases is increasing. High amounts of expenses are incurred in order to make improvements in this area. The beats in the electrical conduction of the heart can be recorded by special devices and ECG (Electrocardiogram) can be created. Data generated from ECG can be transformed into phase spaces with Taylor Series algorithm. In order to determine the detection of heart disease, ECG and phase spaces were created from MLII signals based on 44 different records. Both ECG images and phase space images were used to determine the heart conditions of these recordings. The heart status of the recordings was measured by applying Convolutional Neural Networks (CNNs) method to the images and results compared with the SVM (Support Vector Machine) algorithm. In addition, the success rates of different models were compared by changing the training and test set over the same records. The success rate between ECG and phase space was also determined.

Description

Keywords

Turkish CoHE Thesis Center URL

Fields of Science

Citation

WoS Q

Scopus Q

Source

Volume

Issue

Start Page

1

End Page

86

Collections