Elektrokardiyografi Sinyallerinde Deneysel Mod Ayrıştırma Ve Geliştirilmiş Karar Ağaçları Kullanarak Aritmi Tespiti

Günümüzde ölüme neden olan kalp hastalıkları yaygınlaşmıştır. Elektrokardiyografi bu hastalıkların teşhis aşamasında sıkça kullanılan biyomedikal bir sinyaldir. Bu çalışmada, EKG incelemesi sonucunda aritmiyi saptamada kullanılabilecek bir teknik önerilmiştir. Aritmiyi tespit için, Deneysel Mod Ayrıştırma ve de Tekil Değerlere Ayrıştırma kullanıldı. Deneysel Mod Ayrıştırma durağan, doğrusal olmayan serileri analiz için uygun bir tekniktir ve yerel düzeyindeki salınım sinyallerini kullanır. Sinyalleri, İç Mod Fonksiyonları adındaki salınım yapılarına ayrıştırır. Tekil Değerlere Ayrıştırma ise karmaşık veri setlerinin boyutlarını küçültülmede kullanılan bir cebirsel yöntemdir ve gürültü etkilerini azaltmada kullanılmıştır. Gürültünün etkisinin azaltılmasından ve uygun öznitelliklerin elde edilmesinden sonra, Sınıflandırma, Geliştirilmiş Karar Ağaçları kullanılarak yapıldı. Sınıflandırmanın performansını değerlendirmede doğruluk, duyarlılık ve özgünlük değerleri hesaplandı.

Anahtar Kelimeler:

Elektrokardiyografi (EKG), Deneysel Mod Ayrıştırma, Tekil Değerlere Ayrıştırma, Geliştirilmiş Karar Ağaçları, Aritmi

Arrhythmia Detection Using Empirical Mode Decomposition and Boosted Trees in Electrocardiography Signals

Nowadays, heart diseases that cause death have become widespread. Electrocardiography is a biomedical signal commonly used in the diagnosis of these diseases. In this study, a technique which can be used for detecting arrhythmia as a result of ECG examination is proposed. In order to detect arrhythmia, Empirical Mode Decomposition and Singular Value Decomposition were used. Empirical Mode Decomposition is an appropriate technique for analysis of the stationary, non-linear series and uses oscillation signals at the local levels. It separates the signals into oscillation structures called Intrinsic Mode Functions. Singular Value Decomposition is an algebraic method used to reduce the size of complex data sets and is used to reduce noise effects. After reducing the effect of noise and obtaining the appropriate features, the classification was made by using Boosted Trees. Accuracy, sensitivity, and specificity values were calculated to evaluate the performance of the classification.

Keywords:

Electrocardiography (ECG), Empirical Mode Decomposition, Singular Value Decomposition, Boosted Trees, Arrhythmia,

PDF

___

Blanco-Velasco, M., Weng, B., & Barner, K. E. (2008). ECG signal denoising and baseline wander correction based on the empirical mode decomposition. Computers in biology and medicine, 38(1), 1-13.
Freund, Y., & Schapire, R. E. (1997). A decision-theoretic generalization of on-line learning and an application to boosting. Journal of computer and system sciences, 55(1), 119-139.
Goldberger AL, Amaral LAN, Glass L, Hausdorff JM, Ivanov PCh, Mark RG, Mietus JE, Moody GB, Peng C-K, Stanley HE. PhysioBank, PhysioToolkit, and PhysioNet: Components of a New Research Resource for Complex Physiologic Signals. Circulation 101(23):e215-e220 [Circulation Electronic Pages; http://circ.ahajournals.org/cgi/content/full/101/23/e215]; 2000 (June 13).
Labate, D., La Foresta, F., Occhiuto, G., Morabito, F. C., Lay-Ekuakille, A., & Vergallo, P. (2013). Empirical mode decomposition vs. wavelet decomposition for the extraction of respiratory signal from single-channel ECG: A comparison. IEEE Sensors Journal, 13(7), 2666-2674.
Lagerlund, T. D., Sharbrough, F. W., & Busacker, N. E. (1997). Spatial filtering of multichannel electroencephalographic recordings through principal component analysis by singular value decomposition. Journal of clinical neurophysiology, 14(1), 73-82.
McDonald, A. J., Baumgaertner, A. J. G., Fraser, G. J., George, S. E., & Marsh, S. (2007, March). Empirical Mode Decomposition of the atmospheric wave field. In Annales Geophysicae (Vol. 25, No. 2, pp. 375-384).
Pal, S., & Mitra, M. (2012). Empirical mode decomposition based ECG enhancement and QRS detection. Computers in biology and medicine, 42(1), 83-92.
Tomak, Ö., & Kayıkçıoğlu, T. (2018). Bagged tree classification of arrhythmia using wavelets for denoising, compression, and feature extraction. Turkish Journal of Electrical Engineering & Computer Sciences, 26(3), 1555-1571.
Weng, B., Blanco-Velasco, M., & Barner, K. E. (2006, August). ECG denoising based on the empirical mode decomposition. In 2006 International Conference of the IEEE Engineering in Medicine and Biology Society (pp. 1-4). IEEE. (Lagerlund ve ark., 1997). (Tomak ve Kayıkçıoğlu, 2018)