Karınca koloni optimizasyonuna dayalı yeni bir aritmi sınıflama tekniği

Abstract

Bu çalışmada, Elektrokardiyogram (EKG) işaretlerinde ortaya çıkan aritmilerin Karınca Koloni Optimizasyon (KKO) temelli bölütleme teknikleri ile sınıflanması gerçekleştirilmiştir. Kullanılan EKG işaretleri MIT-BIH aritmi veritabanından alınmıştır. Yapılan uygulamada zaman uzayı öznitelikleri ve frekans uzayında Ayrık dalgacık dönüşüm (ADD) öznitelikleri analiz edilmiştir. ADD öznitelik sayısı zaman uzayındaki öznitelikle sayısıyla karşılaştırıldığında çok daha fazla olduğundan Temel Bileşen Analizi (TBA) vasıtasıyla farklı bir uzaya dönüştürülerek boyutları azaltılmış ve en yüksek enerjiye sahip öznitelikler seçilmiştir. Frekans uzayında seçilen bu öznitelikler zaman uzayındaki öznitelikler ile birleştirilerek sınıflayıcıya verilecek toplam giriş vektörü elde edilmiştir. Zaman uzayındaki öznitelikler, frekans uzayındaki öznitelikler ve her iki uzaydaki öznitelikler birlikte olacak şekilde farklı öğrenme ve test kümeleri oluşturularak sonuçlar mukayese edilmiştir. KKO temelli sınıflayıcının başarımını test etmek ve doğrulamak için yapılan çalışmaya paralel olarak öz örgütleme haritası özelliğine sahip Kohonen ağı ve geri yayılımlı yapay sinir ağ sistemleri geliştirilmiştir. Geliştirilen algoritmaların testi için MIT-BIH veritabanında 360 Hz ile LMII kanalından örneklenen 6 farklı ve önemli aritmi sınıfı kullanılmıştır. Normal sinus aritmi, erken karıncık atımları (?premature ventricular contraction?, PVC), erken kulakçık atımları (?atrial premature contraction?, APC), sağ dal blok (?right bundle branch block?, RBBB), karıncık füzyonu (?ventricular fusion?, F) ve füzyon (?fusion?, f). Sonuçlar incelendiğinde önerilen yöntemin zaman uzayındaki ve frekans uzayındaki özniteliklerin birlikte kullanılması durumunda sınıflama başarımı artırdığı görülmüştür.