Evrişimsel sinir ağı ve QRS imgeleri kullanarak EKG tabanlı biyometrik tanıma yöntemi

Basit Öğe Kaydı
dc.authorid0000-0002-7008-4778en_US
dc.contributor.authorGürkan, Hakan
dc.contributor.authorHanilçi, Ayça
dc.date.accessioned2021-03-20T20:30:45Z
dc.date.available2021-03-20T20:30:45Z
dc.date.issued2020
dc.departmentBTÜ, Mühendislik ve Doğa Bilimleri Fakültesi, Elektrik Elektronik Mühendisliği Bölümüen_US
dc.description.abstractMedikal uygulamalarda yaygın olarak kullanılan elektrokardiyogram (EKG) işaretleri, aldatma saldırılarına karşı güçlü kılan yaşam işareti olma özelliği sayesinde, biyometrik uygulamalar için bir biyometrik büyüklük olarak kullanılmaya başlanmıştır. Bilgisayar sistemlerinin hesaplama güçlerinin artmasına bağlı olarak kişi tanıma ve sınıflandırma doğruluğunu arttırmak amacıyla son yıllarda EKG biyometrik tanıma için birkaç evrişimsel sinir ağı (ESA) tabanlı yöntem sunulmuştur. Bu çalışmada, QRS (QRS dalgası) imgeleri ve 2 boyutlu ESA yapısı kullanılarak EKG işaretleri tabanlı bir biyometrik tanıma yöntemi önerilmiştir. Önerilen yöntemde, ilk olarak EKG işaretleri gürültü temizleme ve QRS belirleme algoritmalarından geçirilerek QRS bölütlerine ayrılmıştır. Elde edilen bu bölütler R noktalarına göre hizalandıktan sonra 256x256 büyüklüğünde QRS imgesi olarak adlandırılan 2 boyutlu EKG işaretlerine dönüştürülmüştür. Son olarak elde edilen bu QRS imgelerinin giriş olarak uygulandığı 2 boyutlu bir ESA modeli geliştirilerek biyometrik tanıma gerçekleştirilmiştir. Önerilen yöntemin başarımı diğer ESA tabanlı EKG biyometrik tanıma yöntemleri ile karşılaştırmalı olarak incelenmiştir. Önerilen yöntem 46 kişiden oluşan bir EKG veri kümesi üzerinde %98.08 doğruluk oranı ve %99.275 kişi tanıma oranı sağlamıştır.en_US
dc.description.abstractElectrocardiogram (ECG) signals, which are commonly used in medical applications, have been started to use as a biometric modality for biometric applications thanks to its liveness indicator that makes it stronger against spoofing attacks. Due to improving computational power of computer systems, several convolutional neural network (CNN) based methods have been recently proposed for ECG biometric identification in order to increase identification performance and classification accuracy. In this work, we proposed an ECG based biometric identification method using QRS (QRS wave) images and two-dimensional CNN. In the† proposed method, ECG signals were segmented by applying noise removing and QRS detection algorithms. After these segments were aligned according to their R-points, they were transformed to two-dimensional ECG signals called QRS images of size 256x256. Finally, biometric identification task was achieved by developing a CNN based ECG biometric identification method which uses the QRS images as an input. The identification performance of the proposed method was compared to other CNN based ECG biometric identification methods proposed in the literature. The experimental results show that the proposed method provides an accuracy of 98.08% and an identification rate of 99.275% for a public ECG database of 46 persons.en_US
dc.identifier.doi10.5505/pajes.2019.32966en_US
dc.identifier.endpage327en_US
dc.identifier.issn2147-5881
dc.identifier.issue2en_US
dc.identifier.startpage318en_US
dc.identifier.urihttp://doi.org/10.5505/pajes.2019.32966
dc.identifier.urihttps://app.trdizin.gov.tr/makale/TXpZeU56VTBOQT09
dc.identifier.urihttps://hdl.handle.net/20.500.12885/1451
dc.identifier.volume26en_US
dc.identifier.wosqualityN/Aen_US
dc.indekslendigikaynakWeb of Scienceen_US
dc.indekslendigikaynakTR-Dizinen_US
dc.institutionauthorGürkan, Hakan
dc.language.isotren_US
dc.relation.ispartofPamukkale Üniversitesi Mühendislik Bilimleri Dergisien_US
dc.relation.publicationcategoryMakale - Uluslararası Hakemli Dergi - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subject[No Keywords]en_US
dc.titleEvrişimsel sinir ağı ve QRS imgeleri kullanarak EKG tabanlı biyometrik tanıma yöntemien_US
dc.title.alternativeECG based biometric identification method using QRS images and convolutional neural networken_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
PAJES_26_2_318_327.pdf
Boyut:
1.11 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam Metin / Full Text
İndir

Koleksiyon

TR-Dizin İndeksli Yayınlar Koleksiyonu
Elektrik Elektronik Mühendisliği Bölümü Yayın Koleksiyonu
WoS İndeksli Yayınlar Koleksiyonu