Comparative Performance Analysis of Time-Frequency Domain Images and Raw Signal Data for Classification of ECG Signals
Yazarlar (1)
Prof. Dr. Turgut ÖZSEVEN Tokat Gaziosmanpaşa Üniversitesi, Türkiye
| Makale Türü |
Özgün Makale
(Diğer hakemli uluslarası dergilerde yayınlanan tam makale)
|
||
| Dergi Adı | Düzce Üniversitesi Bilim ve Teknoloji Dergisi | ||
| Dergi ISSN | 2148-2446 | ||
| Dergi Tarandığı Indeksler | TR DİZİN | ||
| Makale Dili | İngilizce | Basım Tarihi | 04-2024 |
| Kabul Tarihi | 22-05-2023 | Yayınlanma Tarihi | 29-04-2024 |
| Cilt / Sayı / Sayfa | 12 / 2 / 745–761 | DOI | 10.29130/dubited.1236072 |
| Makale Linki | http://dx.doi.org/10.29130/dubited.1236072 | ||
| UAK Araştırma Alanları |
Makine Öğrenmesi
|
||
| Özet |
| EKG sinyalleri kardiyovasküler hastalıkların klinik tanısı için kullanılan en yaygın araçlardan birisidir. Cilt yüzeyindeki elektriksel değişimlerin ölçülmesi ile EKG sinyalleri elde edilmektedir. EKG sinyallerinin uzmanın değerlendirmesi sonucu kalpte oluşan aritmiler teşhis edilmektedir. Bu teşhis uzmanın deneyimine bağlı olup subjektif bir değerlendirmedir. Bilgisayar destekli tanı sistemlerinin yaygınlaşması ile uzmanın deneyimine bağımlı değerlendirmeler objektifleşmekte ve hekime tanı için destek sağlanmaktadır. Bilgisayar destekli EKG sınıflandırma için EKG sinyallerinden atımlardan tespit edilmekte ve bu atımların yapısı incelenerek aritmiler tespit edilmektedir. Son yıllarda derin öğrenme modellerindeki yüksek başarı EKG sinyallerinin de sınıflandırılması için kullanılmaya başlanmıştır. Sınıflandırma sürecinde kullanılacak veri sinyalin morfolojik özellikleri veya görüntüsü yardımıyla gerçekleştirilmektedir. Bu çalışmanın temel amacı, EKG sinyallerinin sınıflandırılması için sayısal ve görsel kalp ritmi verilerinin sınıflandırma performanslarının karşılaştırılmasıdır. Bu amaçla, EKG sinyallerinin sınıflandırılması için 1D-CNN ve 2D-CNN mimarileri kullanılmıştır. 1D-CNN modelinin girdileri olarak kalp ritmi sinyalinin sayısal değerleri ve bu sayısal değerlerden elde edilen öznitelikler kullanılmıştır. 2D-CNN modelinin girdisi kalp ritmi sinyallinin görsel olarak temsilini içeren ham sinyal görüntüsü, spektrogram, skalogram, mel-spektrogram, GFCC ve CQT görüntüleridir. Elde edilen sonuçlar, EKG sinyallerinin sayısal temsilinin sınıflandırma için başarısız olduğunu, hand-crafted özniteliklerin %85.2 doğruluk sağladığını göstermiştir. Sinyalin görsel temsili ile elde edilen sonuçlar tüm görüntüler için %99 üzerinde sınıflandırma doğruluğu sağlamıştır. Bunlar içerisindeki en yüksek başarı ise sinyalin ham halinin görselleştirilmesi ile %99.9 olarak elde edilmiştir. Elde edilen bu bulgular doğrultusunda, EKG sinyallerinin sınıflandırılması için en uygun yöntemin 2D-CNN mimarisi ve kalp ritmi sinyalinin görsel temsili olduğunu göstermiştir. |
| Anahtar Kelimeler |
| EKG | derin öğrenme | kalp ritmi | sınıflandırma |
BM Sürdürülebilir Kalkınma Amaçları
| Atıf Sayıları | |
| Google Scholar | 1 |
| TR Dizin | 1 |