Telemedikal elektrokardiyografi sinyallerin yapay sinir ağları ile değerlendirilmesi

Abstract

Bazı yerlerde sağlık hizmetleri çok kısıtlı ve ya ulaşılamazdır. Bilim ve teknoloji geliştiğinden dolayı sağlık hizmetlerine hızlı ulaşıldı ve hayatımızı daha kolaylaştırdı.Elektrokardiyografi, kalp ritminin elektriksel özelliklerini kayıt etmektedir ve bu alet kalp aritmilerini belirlemede önemli rolu var. Kalp hastalıklarının ölüm oranı yüksek olmasından dolayı EKG'nin kalp ritmilerinin erken tanı ve kesin teşhisi hastalıkların tedavisinde çok önemlidir.Bu çalışmada MIT-BIH EKG aritmi veri tabanından alınan tele-medikal EKG sinyallerinin sınıflandırılması gerçekleştirilmiştir. Bu çalışma üç aşamadan oluşmaktadır. İlk aşamada EKG sinyal işlemi gerçekleştirilmiştir. Bu aşamada EKG sinyallerinin süzgeçlenmesi ve QRS dedeksiyonu gerçekleştirilmiştir. İkinci aşama, EKG sinyallerinin öznitelik çıkarma işlemidir. EKG sinyallerinin öznitelik çıkarması için bağımsız bileşen analizi, temel bileşen analizi ve dalgacık dönüşümü kullanılmıştır. Üçüncü aşama ise sınıflandırma aşamasıdır. Sınıflandırmada üç farklı sınıflandırma sistemi oluşturulmuştur. Bu sistemler; bağımsız bileşen analizi-yapay sinir ağları, temel bileşen analizi-yapay sinir ağları ve dalgacık dönüşümü-yapay sinir ağlarıdır.Sınıflandırmada 4 EKG sinyal sınıfı incelenmektedir. Bu sınıflar; Normal sinüs (N), Sol dal bloğu (LBBB), Sağ dal bloğu (RBBB) ve Atrial couplet (A.coup) kullanılmıştır. Gerçekleştirilen sınıflandırma sistemleri ile elde edilen sonuçlar; temel bileşen analizi % 99.2857, bağımsız bileşen analizi % 95.7143 ve dalgacık dönüşümü ise % 98.9286 elde edilmiştir.Anahtar kelimeler: EKG, Bağımsız bileşen analizi, Temel bileşen analizi, Dalgacık dönüşümü ve Yapay sinir ağları.

Health services in some places are very limited or not reachable. Advancement in science and technology has made services much more reachable and ultimately our life much easier.The electrocardiogram (ECG) is the recording of the electrical property of the heartbeats, and has become one of the most important tools in the diagnosis of heart diseases. Due to the high mortality rate of heart diseases, early detection and precise discrimination of ECG arrhythmia is very important for the treatment of patients.In this work, tele-medical ECG signals which were taken from MIT-BIH ECG arrhythmia database are classified. This study consists of three phases. The first phase is pre-processing of ECG signals. In this phase, ECG signals are filtered and QRS detection is realized. The second phase is feature extraction process. In feature extraction process; Principal Component Analysis (PCA), Independent Component Analysis (ICA) and Wavelet Transform (WT) are used. The third phase is classification process. Three different classification systems are consisted in this phase. These are: PCA-Artificial Neural Network (ANN), ICA-ANN and WT-ANN.Results showed that ECG beat types: normal beat (NORM), left bundle branch block beat (LBBB), right bundle branch block beat (RBBB), artial coupled beat (ACB) are detected and classified. The experiments classification accuracies are 99.2857 % for principal component analysis (PCA), 95.7143% for Independent Component Analysis (ICA), and 98.9286 % for Wavelet Transform.Keywords: Electrocardiogram (ECG); Independent Component Analysis; Principal Component Analysis; Wavelet Transfo¬¬rm; Artificial Neural Network.