A DEEP LEARNING-BASED HYBRID COMPUTATIONAL APPROACH TOCARDIAC ELECTROPHYSIOLOGY
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İNŞAAT MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: İngilizce
Öğrenci: ALİ FATİH KULOĞLU
Danışman: Serdar Göktepe
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Kalp elektrofizyolojisinin modellenmesinde, mecvut hesaplama gücündeki artışla ö\-nem\-li ilerlemeler sağlanmıştır. Gerçekçi elektrofizyoloji modelleri genellikle yüksek derecede karmaşık olan diferansiyel denklem sistemlerini çözmeyi gerektirmektedir. Kalp hücresinin elektrodinamik aktivitesinin karmaşık doğası, basit sayısal tekniklerin uygulanabilirliğini sınırlamakta ve daha karmaşık sayısal tekniklerin kullanımını zorunlu hale getirmektedir. Derin öğrenme, son yıllarda biyolojik sistemlerin diferansiyel denklem temelli problemlerinde başarıyla kullanılmış, doğrusal olmayan problemleri tahmin etmek için umut vaat eden bir araç olarak ortaya çıkmıştır. Bu çalışmada, kalbin elektrofizyoloji probleminin doğru ve hızlı bir şekilde çözülmesi için derin öğrenme tabanlı bir algoritma önerilmektedir. Derin öğrenme modeli, transmembran voltajını hücre ölçeğinde tahmin etmek için geliştirilmiştir. Modelin öğrenimi için, biyofiziksel ayrıntıları içeren ten Tusscher-Panfilov modeli kullanılmış ve performans ölçümleri bu modelin sonuçları üzerinden yapılmıştır. Öğretme verileri, ten Tusscher-Panfilov modelinin adi diferansiyel denklem sistemi olarak çözülmesiyle elde edilmiştir. Elde edilen model, dışarıdan gelen uyarıları ve geçmiş potansiyel değerleri, beklenen potansiyelin değerini tahmin etmek amacıyla kullanmaktadır. Bu çalışmanın önemli bir yeniliği, adi diferansiyel denklemler kullanılarak geliştirilmiş olan bir modelin, dışarıdan gelen uyarıları iletkenlik terimiyle ilişkilendirerek kısmi diferansiyel denklemleri çözebilecek bir şekilde genişletilmesidir. Bu yaklaşım, daha konvansiyonel kısmi diferansiyel denklem çözme yollarının kullanımına da olanak sağlamaktadır. Böylece, kısmi diferansiyel denklemlerinin çözülmesinde kullanılan klasik metotlar ile derin öğrenme yaklaşımının beraber çalışması sağlanmıştır. Bu hibrit yaklaşım, birden fazla problemi başarıyla çözmüş ve farklı şartlar altında değerlendirilmiştir.