Derin Öğrenme ve Chroma Spektrogramlarına Dayalı EKG Sinyallerinin Sınıflandırılması

Songül Akdağ; Mehmet Bilal Er

doi:10.46578/humder.1540437

Derin Öğrenme ve Chroma Spektrogramlarına Dayalı EKG Sinyallerinin Sınıflandırılması

Öz

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.

Anahtar Kelimeler

Destekleyen Kurum

Harran Üniversitesi Bilimsel Araştırma Projeleri Koordinatörlüğü (HÜBAK)

Proje Numarası

22219

Teşekkür

Bu çalışma 22219 no’lu proje olarak HÜBAK tarafından desteklenmiştir. Not: Bu makale, yüksek lisans tez çalışmasından elde edilen bulgulara dayanmaktadır.

Kaynakça

Vikipedi yazarları, "Elektrokardiyografi," Vikipedi, Özgür Ansiklopedi. Erişim tarihi: 29 Mayıs 2024. https://tr.wikipedia.org/wiki/Elektrokardiyografi#:~:text=Elektrokardiyografi%20(EKG)%2C%20kalp%20kas%C4%B1n%C4%B1n,kullan%C4%B1lan%20alete%20de%20elektrokardiyograf%20denir.
A. Alpman, "Elektrokardiyogram (EKG)," Ahmet Alpman. Erişim tarihi: 6 Ağustos 2024. https://ahmetalpman.com/elektrokardiyogram-ekg/.
Y. Ansari, O. Mourad, K. Qaraqe, ve E. Serpedin, "Deep learning for ECG arrhythmia detection and classification: an overview of progress for period 2017–2023," Frontiers in Physiology, 14 (2023) 1246746.
Q. Xiao, K. Lee, S. A. Mokhtar, I. Ismail, A. L. B. M. Pauzi, Q. Zhang, ve P. Y. Lim, "Deep learning-based ECG arrhythmia classification: A systematic review," Applied Sciences, 13:8 (2023) 4964.
N. Katal, S. Gupta, P. Verma, ve B. Sharma, "Deep-learning-based arrhythmia detection using ECG signals: A comparative study and performance evaluation," Diagnostics, 13: 24 (2023) 3605.
Mohebbanaaz, L. R. Kumar, ve Y. P. Sai, "A new transfer learning approach to detect cardiac arrhythmia from ECG signals," Signal, Image and Video Processing, cilt. 16: 7 (2022) 1945-1953.
P. N. Singh ve R. P. Mahapatra, "A novel deep learning approach for arrhythmia prediction on ECG classification using recurrent CNN with GWO," International Journal of Information Technology, 16:1 (2024) 577-585.
M. B. Er ve I. B. Aydilek, "Music emotion recognition by using chroma spectrogram and deep visual features," International Journal of Computational Intelligence Systems, 12:2 (2019) 1622–1634. https://doi.org/10.2991/ijcis.d.191216.001.

M. B. Er, "A novel approach for classification of speech emotions based on deep and acoustic features," IEEE Access, 8 (2020) 221640-221651. https://doi.org/10.1109/ACCESS.2020.3043201.
G. D. Clifford, C. Liu, B. Moody, H. L. Li-wei, I. Silva, Q. Li, ... ve R. G. Mark, "AF classification from a short single lead ECG recording: The PhysioNet/computing in cardiology challenge 2017," 2017 Computing in Cardiology (CinC), ss. 1-4, Eylül 2017.
Y. Liang, S. Yin, Q. Tang, Z. Zheng, M. Elgendi, ve Z. Chen, "Deep learning algorithm classifies heartbeat events based on electrocardiogram signals," Frontiers in Physiology, 11 (2020) 569050.
S. Śmigiel, K. Pałczyński, ve D. Ledziński, "ECG signal classification using deep learning techniques based on the PTB-XL dataset," Entropy, 23:9 (2021) 1121.
M. B. Er, "Heart sounds classification using convolutional neural network with 1D-local binary pattern and 1D-local ternary pattern features," Applied Acoustics, 180 (2021) 108152.
S. Sattar, R. Mumtaz, M. Qadir, S. Mumtaz, M. A. Khan, T. De Waele, ... ve A. Shahid, "Cardiac arrhythmia classification using advanced deep learning techniques on digitized ECG datasets," Sensors, 24:8 (2024) 2484.
C. Liu, D. Springer, B. Moody, I. Silva, A. Johnson, M. Samieinasab, ... ve G. D. Clifford, "Classification of heart sound recordings-the PhysioNet computing in cardiology challenge 2016," PhysioNet, 2016.
G. D. Clifford, C. Liu, B. Moody, D. Springer, I. Silva, Q. Li, ... ve R. G. Mark, "Classification of normal/abnormal heart sound recordings: The PhysioNet/Computing in Cardiology Challenge 2016," 2016 Computing in Cardiology Conference (CinC), ss. 609-612, Eylül 2016.
I. Grzegorczyk, M. Soliński, M. Łepek, A. Perka, J. Rosiński, J. Rymko, ... ve J. Gierałtowski, "PCG classification using a neural network approach," 2016 Computing in Cardiology Conference (CinC), ss. 1129-1132, Eylül 2016.
J. Rubin, R. Abreu, A. Ganguli, S. Nelaturi, I. Matei, ve K. Sricharan, "Classifying heart sound recordings using deep convolutional neural networks and mel-frequency cepstral coefficients," 2016 Computing in Cardiology Conference (CinC), 813-816, Eylül 2016.
T. Nilanon, J. Yao, J. Hao, S. Purushotham, ve Y. Liu, "Normal/abnormal heart sound recordings classification using convolutional neural network," 2016 Computing in Cardiology Conference (CinC), ss. 585-588, Eylül 2016.
F. Noman, C. M. Ting, S. H. Salleh, ve H. Ombao, "Short-segment heart sound classification using an ensemble of deep convolutional neural networks," ICASSP 2019-2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), ss. 1318-1322, Mayıs 2019.
A. Bouril, D. Aleinikava, M. S. Guillem, ve G. M. Mirsky, "Automated classification of normal and abnormal heart sounds using support vector machines," 2016 Computing in Cardiology Conference (CinC), ss. 549-552, Eylül 2016.

Ayrıntılar

Birincil Dil

Türkçe

Konular

Bilgisayar Yazılımı

Bölüm

Araştırma Makalesi

Yazarlar

Songül Akdağ ^*
0000-0003-2278-4232
Türkiye

Mehmet Bilal Er
0000-0002-2074-1776
Türkiye

Erken Görünüm Tarihi

30 Aralık 2024

Yayımlanma Tarihi

31 Aralık 2024

Gönderilme Tarihi

29 Ağustos 2024

Kabul Tarihi

8 Ekim 2024

Yayımlandığı Sayı

Yıl 2024 Cilt: 9 Sayı: 3

DOI

https://doi.org/10.46578/humder.1540437

IZ

https://izlik.org/JA87RK93LG

Kaynak Göster

RIS / Bibtex

APA

Akdağ, S., & Er, M. B. (2024). Derin Öğrenme ve Chroma Spektrogramlarına Dayalı EKG Sinyallerinin Sınıflandırılması. Harran Üniversitesi Mühendislik Dergisi, 9(3), 164-175. https://doi.org/10.46578/humder.1540437

AMA

1.Akdağ S, Er MB. Derin Öğrenme ve Chroma Spektrogramlarına Dayalı EKG Sinyallerinin Sınıflandırılması. HUMDER. 2024;9(3):164-175. doi:10.46578/humder.1540437

Chicago

Akdağ, Songül, ve Mehmet Bilal Er. 2024. “Derin Öğrenme ve Chroma Spektrogramlarına Dayalı EKG Sinyallerinin Sınıflandırılması”. Harran Üniversitesi Mühendislik Dergisi 9 (3): 164-75. https://doi.org/10.46578/humder.1540437.

EndNote

Akdağ S, Er MB (01 Aralık 2024) Derin Öğrenme ve Chroma Spektrogramlarına Dayalı EKG Sinyallerinin Sınıflandırılması. Harran Üniversitesi Mühendislik Dergisi 9 3 164–175.

IEEE

[1]S. Akdağ ve M. B. Er, “Derin Öğrenme ve Chroma Spektrogramlarına Dayalı EKG Sinyallerinin Sınıflandırılması”, HUMDER, c. 9, sy 3, ss. 164–175, Ara. 2024, doi: 10.46578/humder.1540437.

ISNAD

Akdağ, Songül - Er, Mehmet Bilal. “Derin Öğrenme ve Chroma Spektrogramlarına Dayalı EKG Sinyallerinin Sınıflandırılması”. Harran Üniversitesi Mühendislik Dergisi 9/3 (01 Aralık 2024): 164-175. https://doi.org/10.46578/humder.1540437.

JAMA

1.Akdağ S, Er MB. Derin Öğrenme ve Chroma Spektrogramlarına Dayalı EKG Sinyallerinin Sınıflandırılması. HUMDER. 2024;9:164–175.

MLA

Akdağ, Songül, ve Mehmet Bilal Er. “Derin Öğrenme ve Chroma Spektrogramlarına Dayalı EKG Sinyallerinin Sınıflandırılması”. Harran Üniversitesi Mühendislik Dergisi, c. 9, sy 3, Aralık 2024, ss. 164-75, doi:10.46578/humder.1540437.

Vancouver

1.Songül Akdağ, Mehmet Bilal Er. Derin Öğrenme ve Chroma Spektrogramlarına Dayalı EKG Sinyallerinin Sınıflandırılması. HUMDER. 01 Aralık 2024;9(3):164-75. doi:10.46578/humder.1540437