Ανίχνευση αρρυθμιών σε ΗΚΓ με χρήση τεχνικών αναγνώρισης προτύπων
Ο σκοπός της διπλωματικής εργασίας ήταν η ανάπτυξη ενός συστήματος για την ανίχνευση αρρυθμιών σε ηλεκτροκαρδιογραφήματα με χρήση τεχνικών αναγνώρισης προτύπων. Συγκεκριμένα, πραγματοποιήθηκε χρήση τεχνικών αναγνώρισης προτύπων για το διαχωρισμό δύο κλάσεων , αυτής με φυσιολογικά ηλεκτροκαρδιογρα...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Μορφή: | Thesis |
Γλώσσα: | Greek |
Έκδοση: |
2016
|
Θέματα: | |
Διαθέσιμο Online: | http://hdl.handle.net/10889/9739 |
id |
nemertes-10889-9739 |
---|---|
record_format |
dspace |
spelling |
nemertes-10889-97392022-09-05T14:02:48Z Ανίχνευση αρρυθμιών σε ΗΚΓ με χρήση τεχνικών αναγνώρισης προτύπων Ηλιοπούλου, Παναγιώτα Ματσόπουλος, Γεώργιος Ματσόπουλος, Γεώργιος Ουζούνογλου, Νικόλαος Ασβεστάς, Παντελής Iliopoulou, Panagiota Επιλογή χαρακτηριστικών Ηλεκτροκαρδιογράφημα Ταξινόμηση χαρακτηριστικών Αρρυθμία Feature selection Electrocardiogram Pattern classification Arrythmia 616.120 754 7 Ο σκοπός της διπλωματικής εργασίας ήταν η ανάπτυξη ενός συστήματος για την ανίχνευση αρρυθμιών σε ηλεκτροκαρδιογραφήματα με χρήση τεχνικών αναγνώρισης προτύπων. Συγκεκριμένα, πραγματοποιήθηκε χρήση τεχνικών αναγνώρισης προτύπων για το διαχωρισμό δύο κλάσεων , αυτής με φυσιολογικά ηλεκτροκαρδιογραφήματα και αυτής με παθολογικά ηλεκτροκαρδιογραφήματα τα οποία προέρχονταν από ασθενείς με αρρυθμία. Για το σκοπό αυτό χρησιμοποιήθηκε η εκτεταμένη και ελεύθερα διαθέσιμη βάση με ηλεκτροκαρδιογραφήματα από το δικτυακό τόπο του UCI Machine Learning Repository η οποία περιέχει 452 περιστατικά με 279 χαρακτηριστικά για κάθε περιστατικό. Η μεθοδολογία που αναπτύχθηκε εξετάζει μεθόδους επιλογής των ουσιοδέστερων χαρακτηριστικών από τα δεδομένα ώστε να μειωθεί η διάσταση του χώρου των χαρακτηριστικών, να αναγνωριστούν εκείνα τα χαρακτηριστικά με τη μεγαλύτερη διαγνωστική ικανότητα και να εκτιμηθεί η απόδοση των μεθόδων αναγνώρισης προτύπων ως προς την ορθή ταξινόμηση των περιστατικών. The scope of this thesis was the development of a framework for arrhythmia detection in electrocardiograms with the utilization of pattern recognition techniques. In detail pattern recognition methods were utilized to discriminate between two classes, where the first one contained normal electrocardiograms while the second one contained pathological electrocardiograms from patients exhibiting arrhythmias. For this purpose an extended and freely available database with electrocardiograms was used from the web site of the UCI Machine Learning Repository containing 452 cases with 279 characteristics for each case. The proposed methodology investigates methods for selecting the features with highest discrimination power from the data in order to reduce the dimensionality of the feature space, identify those characteristics with the highest diagnostic value and assess the performance of pattern recognition methods with respect to the accurate classification of the cases in the above data set. 2016-11-09T10:05:34Z 2016-11-09T10:05:34Z 2015-10 Thesis http://hdl.handle.net/10889/9739 gr 12 application/pdf |
institution |
UPatras |
collection |
Nemertes |
language |
Greek |
topic |
Επιλογή χαρακτηριστικών Ηλεκτροκαρδιογράφημα Ταξινόμηση χαρακτηριστικών Αρρυθμία Feature selection Electrocardiogram Pattern classification Arrythmia 616.120 754 7 |
spellingShingle |
Επιλογή χαρακτηριστικών Ηλεκτροκαρδιογράφημα Ταξινόμηση χαρακτηριστικών Αρρυθμία Feature selection Electrocardiogram Pattern classification Arrythmia 616.120 754 7 Ηλιοπούλου, Παναγιώτα Ανίχνευση αρρυθμιών σε ΗΚΓ με χρήση τεχνικών αναγνώρισης προτύπων |
description |
Ο σκοπός της διπλωματικής εργασίας ήταν η ανάπτυξη ενός συστήματος για την ανίχνευση αρρυθμιών σε ηλεκτροκαρδιογραφήματα με χρήση τεχνικών αναγνώρισης προτύπων.
Συγκεκριμένα, πραγματοποιήθηκε χρήση τεχνικών αναγνώρισης προτύπων για το διαχωρισμό δύο κλάσεων , αυτής με φυσιολογικά ηλεκτροκαρδιογραφήματα και αυτής με παθολογικά ηλεκτροκαρδιογραφήματα τα οποία προέρχονταν από ασθενείς με αρρυθμία.
Για το σκοπό αυτό χρησιμοποιήθηκε η εκτεταμένη και ελεύθερα διαθέσιμη βάση με ηλεκτροκαρδιογραφήματα από το δικτυακό τόπο του UCI Machine Learning Repository η οποία περιέχει 452 περιστατικά με 279 χαρακτηριστικά για κάθε περιστατικό.
Η μεθοδολογία που αναπτύχθηκε εξετάζει μεθόδους επιλογής των ουσιοδέστερων χαρακτηριστικών από τα δεδομένα ώστε να μειωθεί η διάσταση του χώρου των χαρακτηριστικών, να αναγνωριστούν εκείνα τα χαρακτηριστικά με τη μεγαλύτερη διαγνωστική ικανότητα και να εκτιμηθεί η απόδοση των μεθόδων αναγνώρισης προτύπων ως προς την ορθή ταξινόμηση των περιστατικών. |
author2 |
Ματσόπουλος, Γεώργιος |
author_facet |
Ματσόπουλος, Γεώργιος Ηλιοπούλου, Παναγιώτα |
format |
Thesis |
author |
Ηλιοπούλου, Παναγιώτα |
author_sort |
Ηλιοπούλου, Παναγιώτα |
title |
Ανίχνευση αρρυθμιών σε ΗΚΓ με χρήση τεχνικών αναγνώρισης προτύπων |
title_short |
Ανίχνευση αρρυθμιών σε ΗΚΓ με χρήση τεχνικών αναγνώρισης προτύπων |
title_full |
Ανίχνευση αρρυθμιών σε ΗΚΓ με χρήση τεχνικών αναγνώρισης προτύπων |
title_fullStr |
Ανίχνευση αρρυθμιών σε ΗΚΓ με χρήση τεχνικών αναγνώρισης προτύπων |
title_full_unstemmed |
Ανίχνευση αρρυθμιών σε ΗΚΓ με χρήση τεχνικών αναγνώρισης προτύπων |
title_sort |
ανίχνευση αρρυθμιών σε ηκγ με χρήση τεχνικών αναγνώρισης προτύπων |
publishDate |
2016 |
url |
http://hdl.handle.net/10889/9739 |
work_keys_str_mv |
AT ēliopouloupanagiōta anichneusēarrythmiōnseēkgmechrēsētechnikōnanagnōrisēsprotypōn |
_version_ |
1801184883395002368 |