Biyolojik işaretlerin bilgisayar destekli tanınması ve sınıflandırılması

Abstract

BİYOLOJİK İŞARETLERİN BİLGİSAYAR DESTEKLİ TANINMASI VE SINIFLANDIRILMASI Mehmet ENGİN Anahtar Kelimeler : Kardiyak Geç Potansiyelleri, Biyomedikal İşaret İşleme, Dalgacık Dönüşümü, Örüntü Tanıma, Elektrokardiyografi Özet: Bu çalışmada insan kardiyak sistemindeki geç potansiyellerin tanınması amacıyla kişisel bilgisayar destekli yeni bir sezimleme yöntemi geliştirilmiştir. MIT-BIH veri tabanından alınan tek vurumluk normal ve sol dal bloğu EKG işaretlerine, Gauss zarftı sinüsoidallerden oluşan yapay geç potansiyel etkisi ve birim değişintili, sıfır ortalamalı yapay gürültü katılmıştır. Ayrık dalgacık dönüşümü kullanılarak, ST segment! zaman-frekans düzleminde gösterimlenir. En düşük ölçekli dönüşüm sonuçlarına, karesel işlem ve Teager işlemi gibi doğrusal olmayan yöntemler uygulanmaktadır. Gürültülü arka plan EKG'ye gömülü geç potansiyel etkisi, x2 olasılık dağılımı tabanlı bir eşikleme ile tanınmaktadır. Böylelikle, zaman düzlemindeki geç potansiyel yerleşimleri kolaylıkla ortaya çıkarılmaktadırlar. Ayrıca aşırı gürültülü koşullarda R dalgasının tanınması amacıyla alternatif bir sezimleme yöntemi de geliştirilmiştir.

COMPUTER AIDED RECOGNITION AND CLASSIFICATION BIOLOGICAL SIGNALS Mehmet ENGİN Keywords : Cardiac Late Potentials, Biomedical Signal Processing, Wavelet Transformation, Pattern Recognition, Electrocardiography. Abstact: In this study, a new personal computer aided detection method is developed for recognizing of late potentials of human cardiac system. Artificial late potential effect which contains Gauss modulated sinusoids and artificial noise which has unit variance and zero average value are added to normal ECG and left branch block ECG from MIT-BIH data base. ST segment is represented in the time - frequency domain by using Wavelet transformation. Nonlinear methods as squared and Teager operation are applied to least scaled results of Wavelet transformation. Late potential effect which is embedded on noisy background ECG is recognized via %2 probability distribution based on thresholding. Therefor late potential localizations in the time domain are easily identified. An alternative detection method is developed to R wave identification under the effect over noisy condition as well.