Cardiac arrhytmia analysis of ECG using higher order spectra

Abstract

Gelişmiş ülkelerde her yıl binlerce insan kalp krizi sonucu hayatını kaybetmektedir. EKG kalbi etkileyen birçok hastalık ile ilgili en önemli bilgileri içeren bir biyosinyaldir. Kalp hızı değişkenliği (KHD) analizi kalbin ritmini etkileyen normal düzenleyici dürtülere karşı tepkisini inceleyen önemli bir araçtır. Ritm bozukluklarının tanı ve kontrolünde kalp işaretlerini inceleyen bilgisayar tabanlı yöntemler oldukça güvenilir ve verimli araçlar olarak karşımıza çıkmaktadır.Doğrusal olmayan dinamik sistemler teorisinde karmaşık sistemlerin analizi için birçok yeni yöntem bulunmaktadır. Birçok biyosinyal gibi EKG işareti de doğrusal değildir ve yüksek dereceli izge analizi (YDİA) yöntemlerinin doğrusal olmayan sistemlerin analizinde çok iyi bir yöntem olduğu ve gürültüye karşı dayanıklılığının da yüksek olduğu bilinmektedir. Bu nedenle, bu tezde normal, sağ dal bloğu, kalp pilli, sol dal bloğu ve atriyal prematüre atım KHD işaretlerinin karmaşık dinamiklerinin açıklanabilmesi için doğrusal olmayan sistem teorisi araçlarından YDİA yöntemleriyle analizi üzerine çalışılmıştır. Bu sınıfların ikiz izge ve ikiz eşfaz çizimlerindeki genel karakteristikleri görsel karşılaştırma için sunulmuştur. R-R aralıklarının belirlenmesi için Pan-Tompkins algoritması kullanılmış, bu özniteliklerin yüksek dereceli istatistiksel parametreleri olan çarpıklık, basıklık ve varyansları hesaplanmıştır. Bu öznitelikler yapay sinir ağı ile sınıflandırılmış ve %94.9 ortalama doğruluk oranı elde edilmiştir. İkiz eşfaz eğrilerinin kesitlerinin en büyük on tepesinin genlik ve frekanslarından elde edilen özniteliklerin yapay sinir ağlarıyla sınıflandırılmasının ardından ise %92 ortalama doğruluk elde edilmiştir. Son olarak ikiz eşfaz tepeleri özniteliklerine temel bileşen analizi yapılarak veri boyutu azaltılmış ve k-en yakın komşuluk algoritması ile sınıflandırılmıştır. Bu sınıflandırıcı %98.3 doğrulukla yapay sinir ağlarına göre daha iyi bir başarım sağlamıştır.

In developed countries every year hundred thousands of people die as a result of cardiac attack. The ECG is a biosignal which contains the most important information of diseases affecting the heart. Heart rate variability (HRV) analysis is an important instrument used to detect the ability of the heart to respond to normal regulatory impulses that affect its rhythm. Computer based algorithm for analysis of cardiac states is very reliable and efficient tool in diagnostics and management of arrhythmias.The theory of nonlinear dynamic system provides some new methods to handle complex system. Like many biosignals, ECG signals are nonlinear in nature, Higher order spectral analysis (HOS) is known to be a very good tool for the analysis of nonlinear systems and produce a good noise immunity. Thus in this thesis, HOS analysis of HRV signals of normal heart rate, right bundle branch block, paced beat, left bundle branch block and atrial premature beats have been studied in order to reveal the complex dynamics of electrocardiography (ECG) signals using the tools of nonlinear systems theory. Some of the general characteristics for each of these classes in the bispectrum and bicoherence plot for visual observation have been presented. For the extraction of the R-R intervals, well known Pan-Tompkins algorithm has been used and three higher order statistical parameters of skewness, kurtosis and variance from these intervals have been computed. These features with statistical parameters fed into artificial neural network classifier (ANN) and obtained an average accuracy of 94.9%. The highest ten peaks of the cross-section of bicoherence amplitude with their corresponding frequencies were then extracted as another set of features and fed to ANN and obtained an average accuracy of 92%. Finally, principal component analysis (PCA) has been applied to bicoherence peaks and the reduced features are fed to k nearest neighbors (KNN) search algorithm for classification. An average accuracy of 98.3% which gives a better result compared to the one using ANN with more features has been obtained.