Elektrokardiyogram Vurularının Gal Ağı Yardımıyla Sınıflandırılması

Abstract

Bu çalışmada, yapay sinir ağı kullanılarak EKG vurularındaki aritmiler sınıflandırılmıştır. Sınıflayıcı olarak GAL (grow and learn) ağı kullanılmıştır. Yapay sinir ağına giriş olarak verilen öznitelik vektörleri doğrudan EKG işaretinin genlik değerlerinden elde edilmiştir. Bu yöntem, öznitelik çıkartma ve dönüşüm işlemlerinin getireceği hesap yükünü ortadan kaldırmaktadır. Kalıp vektörleri yalnızca EKG işaretindeki morfolojik değişimlerden etkilenmektedir. Kalıplar, yalnızca QRS kompleksini içermektedir. Sınıflandırma aşamasında dalga formu deteksiyonu ve kalıp uydurma yöntemleri kullanılmıştır. Dokuz tip EKG vurusu incelenmiştir. Her vuru tipi için elde edilen kalıplar kullanılarak EKG vuruları minimum mesafe ölçütüne göre sınıflandırılmıştır. Sonuçlar literatürdeki çalışmalarla karşılaştırıldığında, geliştirilen algoritmanın yüksek sınıflama performansı gösterdiği ve yeterli ayırım gücüne sahip olduğu gözlenmiştir.

In this study arrhythmias in ECG beats are classified using artificial neural network. GAL (grow and learn) network is used as classifier. The feature vectors, which are input to the neural network, are directly obtained from ECG signal amplitude values. This method decreases the cost of feature extraction and transformation operations. Template vectors are affected only from the morphological changes in the ECG signal. Only the QRS complexes are included in the template vectors. Waveform detection and template matching methods are used for classification. Nine types of ECG beats are analyzed. ECG beats are classified according to the minimum distance metric using the templates obtained for each beat type. The comparison of the results with the examples given in the literature shows that the algorithm developed has high classification performance and enough separation strength.