Data mining techniques in emboli detection

Abstract

Dolasım sistemindeki kan hücrelerinden biraz daha büyükçeolan asimptomatik beyinsel emboli, transcranial Dopplerultrasound kullanılarak tespit edilebilir. Birçok durumdaasimptomatik embolik sinyaller (ES) yüksek seviyedekifelç riskine isaret eder. Klinik uygulama olarak buteknik ES deteksiyonunda güvenilir otomatik sisteminazlıgından dolayı problem olur. Hastalardan elde edilenkayıtlar saatlerce sürebilir. Spektral görüntünün analizedilmesi zaman kaybıdır ve bu gözlemcinin yorulmasınadolayısıyla hatalara neden olur. Embolus tarafındanolusturulan ES'nin kendine özgü özellikleri vardır. Businyaller, kan akısı tarafından meydana getirilensinyallerden (DS) daha büyük genlige sahiptirler vegeçici karakteristik özellik tasırlar. Bu sinyallerkısıtlı osilasyonlu sinyallerdir ve wavelet'lerebenzerler. Artifakt denen prob hareketinden veyakonusmadan olusan birçok AR sinyalinden farklı olarak EStek yönlüdür ve çogunlukla akıs spektrumunda yer alır.Literatürde beyinsel emboliyi ayırmak için bir çok metodçalısılmıstır. Bu çalısmada, önceki çalısmada yapılanembolik sinyal deteksiyonu sisteminin (Aydin, et all,2004) hassasiyeti ve dogrulugunu arttırmak için verimadenciligi teknikleri kullanılmıstır.Anahtar Kelime: emboli, deteksiyon, veri madenciligi

Asymptomatic circulating cerebral emboli, which areparticles bigger than blood cells, can be detected bytranscranial Doppler ultrasound. In certain conditionsasymptomatic embolic signals (ES) appear to be markersof increased stroke risk. A major problem with clinicalimplementation of the technique is the lack of a reliableautomated system of ES detection. Recordings in patientsmay need to be hours in duration and analyzing thespectra visually is time consuming and subject toobserver fatigue and error. ES, reflected by an embolus,has some distinctive characteristics. They have usuallylarger amplitude than the signals from normal blood flow(Doppler speckle) and show a transient characteristic.They are finite oscillating signals and resemblewavelets. Unlike many artifacts such as caused by probemovement or speech, ES are unidirectional and usuallycontained within the flow spectrum. A number of methodsto detect cerebral emboli have been studied in theliterature. In this study, data mining techniques havebeen used in order to increase sensitivity andspecificity of an embolic signal detection systempreviously described by Aydin, et all, 2004.Keywords: emboli, detection, data mining