Derin Öğrenme ve Chroma Spektrogramlarına Dayalı EKG Sinyallerinin Sınıflandırılması

Authors : Songül Akdağ, Mehmet Bilal Er

Pages : 164-175

Doi:10.46578/humder.1540437

View : 80 | Download : 90

Publication Date : 2024-12-31

Article Type : Research Paper

Abstract :Elektrokardiyografi (EKG), kalbin elektriksel aktivitesini izleyerek ritim ve fonksiyon bozukluklarını tespit etmekte kullanılan, invazif olmayan bir tanı yöntemidir. EKG sinyalleri genellikle düşük genlikli ve karmaşık yapıda olup, bu sinyallerdeki küçük değişiklikler gözle fark edilemeyebilir. Aritmiler, her zaman ciddi olmasa da, kalp hastalığı semptomlarına ve potansiyel olarak tehlikeli durumlara yol açabilir. Yapay zeka, EKG verilerini analiz ederek bu tür kalp hastalıklarının daha hızlı ve doğru bir şekilde tespit edilmesine olanak sağlar, böylece klinik kararların desteklenmesine katkıda bulunur. Bu çalışmada, PhysioNet/CinC Challenge 2016 veri seti kullanılarak, Chroma spektrogramları oluşturulmuş ve bu veriler üzerinde altı farklı önceden eğitilmiş ağ modeli test edilmiştir. Modeller, üç farklı doğrulama yöntemi ve altı farklı sınıflandırıcı ile değerlendirilmiştir. Sonuçlar, MobileNet V2 modeli ile Q-DVM sınıflandırıcısının en iyi performansı sergilediğini göstermiştir. Modelimiz, doğruluk (%87,6), duyarlılık (%96,1), kesinlik (%88,9) ve F1 skoru (%92,4) açısından güçlü ve iyi bir performans sergilemiştir.
Keywords : Derin Öğrenme, EKG, Ses ve Sinyal işleme, Sınıflandırma, Transfer Öğrenme