EKG aritmilerini hızlı tanıma

Abstract

ABSTRACT Ph.D. Thesis FAST RECOGNITION OF ECG ARRHYTHMIAS Yüksel ÖZBAY Selçuk University Graduate School of Natural and Applied Sciences Department of Electrical-Electronics Engineering Supervisor: Asst. Prof. Dr. Bekir Karlık 1999, 128 Pages Jury : Prof. Dr. Halit Pastacı Prof. Dr. Galip Cansever Prof. Dr. Mehmet Bayrak Asst. Prof. Dr. Bekir Karlık Asst. Prof. Dr. Bayram Korkut The diagnosis and medical treatment of heart diseases in time can prevent sudden death of the human. One of the ways to diagnose heart diseases is to use electrocardiogram (ECG) signals. ECG signals are formed of P, QRS, and T waves. The shape, the duration, and the relationship with each other of these waves are important for normal ECG. All of the irregularities which are different from the normal beat of the heart are generally called arrhythmia and some arrhythmias are very dangerous for patient. The computer-based interpreter systems are currently being developed to diagnose arrhythmias in time and various methods are applied in these systems. One of them is Artificial Neural Networks (ANN). In this study, ANN has been used as the main method to classify the arrhythmias that occure in ECG. To implement the foundations of the study; an application has been developed by Delphi 3.0 high level programming language. This application includes real time monitoring and recording of ECG signals; filtering, finding the R peaks, ANN, displaying outputs, drawing graphics, and storing patient information. Normal sinus rhythm, sinus bradycardia, ventricular tachycardia, sinus arrhythmia, atrial premature contraction, paced beat, right bundle branch block, left bundle branch block, atrial fibrillation, and atrial flutter have been chosen as arrhythmia types from MIT-BIH ECG Arrhythmia Database to train the ANN. The different structures of ANN have been trained with each of them separately and also by mixing these 10 different arrhythmias. The most appropriate ANN structure is used for each class to test patients records. The ECG records of 17 patients whose average age is 38.59 have been made in the Cardiology Department, Faculty of Medicine at Selçuk University. These records were tested with the most appropriate ANN structures of single classification cases and mixed classification case. As the result of the test, the average error of single classifications was 4.3% and the average error of mixed classification was 2.2%. The average classification accuracy of single classifications was 95.7%, while the classification accuracy of ANN for mixed data was 97.8%. These results are quite satisfy when compared with similar studies in the literature. Key Words: Arrhythmia, artificial neural networks, classify, ECG, heart diseases

ÖZET Doktora Tezi EKG ARİTMİLERİNİ HIZLI TANIMA Yüksel ÖZBAY Selçuk Üniversitesi Fen Bilimleri Enstitüsü Elektrik-Elektronik Mühendisliği Anabilimdalı Danışman: Yrd. Doç. Dr. Bekir Karlık 1999, 128 Sayfa Jüri : Prof. Dr. Halit Pastacı Prof. Dr. Galip Cansever Prof. Dr. Mehmet Bayrak Yrd. Doç. Dr. Bekir Karlık Yrd. Doç. Dr. Bayram Korkut Kalp ile ilgili sorunların zamanında teşhisi ve tedavisiyle ani insan ölümleri önlenebilmektedir. Kalp hastalıklarının teşhisinde kullanılan yollardan birisi de elektrokardiyografi (EKG) çekimidir. EKG işareti P, QRS ve T dalgalarından oluşmaktadır. Bu dalgaların biçimleri, süreleri ve birbirleriyle ilişkileri normal EKG için önemlidir. Kalbin normal atım düzeni dışındaki bütün düzensizlikler genelde aritmi olarak adlandırılmakta ve bazı aritmiler hasta için çok tehlikelidir. Aritmilerin zamanında teşhis edilmesi için bilgisayar tabanlı yorumlayıcı sistemler geliştirilmektedir. Böyle sistemlerde değişik yöntemler kullanılmakta olup bunlardan birisi de Yapay Sinir Ağlarıdır (YSA). EKG de oluşan aritmileri tanıma amacıyla yapılan bu çalışmada yöntem olarak YSA kullanıldı. Çalışmadaki bulguların gerçekleştirimi için Delphi 3.0 üst düzey programlama dilinde bir uygulama geliştirildi. Bu uygulama; EKG sinyallerinin gerçek zamanlı izlenmesi ve kaydedilmesi, filtreleme, R tepelerinin bulunması, YSA, sonuçların gösterimi, grafiklerin çizdirilmesi ve hasta bilgilerinin depolanmasını içermektedir. YSA nın eğitilmesi için MIT- BIH ECG Arrhythmia Database den aritmi çeşidi olarak normal sinüs ritmi, sinüs bradikardisi, ventriküler taşikardi, sinüs aritmisi, atrial prematüre kasılma, yapay vuru, sağ dal bloku, sol dal bloku, atrial fibrilasyonu ve atrial flutter seçildi. Bu aritmiler önce ayrı ayrı tek sınıflamalarda ve sonra bütün aritmiler karıştırılarak karışık sınıflamada farklı yapıların kullanıldığı YSA da eğitildi. Her bir sınıf için en uygun YSA yapısı hasta kayıtlarını test etmede kullanıldı. Selçuk Üniversitesi, Tıp Fakültesi, Kardiyoloji Anabilimdalında yaş ortalaması 38.59 yaş olan 17 hastadan EKG kayıtları yapıldı. Bu kayıtlar tek sınıflamalardaki ve karışık sınıflamadaki en uygun YSA yapılarında test edildi. Test sonucunda tek sınıflamaların ortalama hatası %4.3, karışık sınıflamanın ortalama hatası ise %2.2 bulundu. Tek sınıflamaların ortalama sınıflama başarısı %95.7, karışık sınıflamanın sınıflama başarısı ise %97.8 olup benzer çalışmalara göre oldukça iyidir. Anahtar Kelimeler: Aritmi, EKG, kalp hastalıkları, sınıflama, yapay sinir ağları