Ekg Morfoloji̇si̇ne Dayali Özelli̇kleri̇ Kullanan Etki̇li̇ Bi̇r Ari̇tmi̇k Kalp Atişi Sini

Klinik açıdan ECG kayıtlarının analiz edilmesi çoğu zaman oldukça zaman alıcı olmaktadır. Bu nedenle, hızlı analiz yapmak ve ECG sinyallerindeki aritmi gibi anormallikleri tespit etmek önem arz etmektedir. Bu nedenle bilgisayar destekli teşhis sistemleri geliştirilmektedir. Geliştirilen sistemler vasıtasıyla ECG kaydında bulunan anormallikler kolaylıkla tespit edilebilmektedir. Böylece, geliştirilen sistemler kalp hastalıklarının teşhis ve tedavi yöntemlerinin belirlenmesinde klinisyenlere karar verme aşamasında faydalı olmaktadır. Bu çalışmada, ECG sinyalindeki baseline wander’ı kaldıran bir IIR tabanlı elliptic digital filtre kullanılmıştır. ECG sinyalinin morfolojik tabanlı öznitelikleri çıkartılmıştır. Daha sonra, SelectKBest yöntemi ve f_ classif skor fonksiyonu kullanılarak bu özniteliklerden en belirleyici olanları seçilmiştir. AAMI standardına göre etiketlenmiş beş temel aritmi, bu öznitelik veri setleri kullanılarak makine öğrenimi yöntemleriyle sınıflandırılmıştır. Aritmi teşhisi için Logistic Regression (LR), Linear Discriminant Analysis (LDA), Support Vector Machine (SVM) ve Multi Layer Perceptron (MLP) makine öğrenmesi yöntemleri sınıflandırıcı olarak kullanılmıştır. Bu sınıflayıcılarla elde edilen başarım sonuçları incelenmiş ve beş temel aritmiyi tatmin edici derecede yüksek olarak tahmin eden LR yöntemi sınıflayıcı olarak önerilmiştir. LR yöntemine ait başarım sonuçları Accuracy 99.766%, Sensitivity 99.416%, Specificity 99.854% and F1-Score 99.416% olarak elde edilmiştir. Bu çalışmada, beş temel aritmiyi tatmin edici derecede yüksek olarak tahmin eden bilgisayar destekli teşhis sistemlerinde faydalı bir şekilde kullanılabilecek bir aritmi teşhis yöntemi önerilmiştir. Bu çalışmada, makine öğrenmesi yöntemlerinin ve özellik seçimi yönteminin gereksinim duyduğu yazılım ve donanım ihtiyacı için Google Cloud Computing alt yapısını kullanan Google Colaboratory’den faydalanılmıştır.