Makine öğrenmesi algoritmaları ve dalgacık dönüşümü ile EKG sinyalinden özellik çıkarımı

Authors : Hülya KODAL SEVİNDİR, Süleyman ÇETİNKAYA, Cüneyt YAZICI

Pages : 94-109

Doi:10.25092/baunfbed.413705

View : 15 | Download : 8

Publication Date : 2018-07-17

Article Type : Research Paper

Abstract :Günümüzde biyomedikal sinyallerin analizinde dalgacık dönüşümünün kullanılması oldukça yaygın olup elde edilen sonuçlar etkileyicidir. Bu çalışmada, biyomedikal sinyallerden elektrokardiyogram (EKG) sinyallerinde QRS zirvesi belirleme hedeflenmiş ve daha iyi sonuçlar almak için öncelikle EKG sinyallerindeki zemin gezinme gürültüsünün giderilmesi ve yüksek frekanslı gürültünün temizlenmesi amacıyla dalgacık analizi kullanılmıştır. Daubechies 10 (db10) dalgacık dönüşümü uygulanan sinyalin 10. seviye yaklaşım katsayısı ve 10. seviye detay katsayısı çıkartılarak sinyaldeki zemin gezinmesi problemi giderilmistir. Yüksek frekans gürültüsünün giderilmesi için ise zemin gezinmesi problemi giderilmiş olan sinyale dalgacık gürültü temizleme uygulanmıştır. Gürültüsü temizlenen sinyalde QRS zirvelerini belirlemek için sinyalin 1. türev ve 2. türev bilgileri ele alınarak Destek Vektör Makineleri ve Naive Bayes algoritmaları kullanılmıştır. QRS zirvelerinin bulunmasında, MIT-BIH aritmi veri tabanında verilen QRS zirvelerinin konum bilgileri kullanılmıştır. QRS zirvelerini doğru belirlemede Destek Vektör Makineleri algoritması Naive Bayes algoritmasından daha yavaş sonuç vermesine rağmen %99.46 duyarlılık, %100 seçicilik ve %0.54 hata değerlerine ulaşmıştır. 
Keywords : EKG, Makine Öğrenmesi, Destek Vektör Makineleri, Naive Bayes, Gürültü Giderme, Dalgacık Dönüşümü, QRS zirve