Makine Öğrenmesi Yöntemleriyle EKG Sinyallerinde Solunum Tespiti

Abstract

Bu tez çalışmasında, "Makine Öğrenmesi Yöntemleriyle EKG Sinyallerinde Solunum Tespiti" başlığı altında, uyku bozukluklarının klinik tanısında yalnızca tek kanallı elektrokardiyogram (EKG) sinyalleri kullanılarak Obstrüktif Uyku Apnesi (OSA) tespit edilmesi amaçlanmıştır. Çalışmada kullanılan tek kanallı EKG sinyallerin ön işleme sürecinde, gürültü ve artefaktların giderilmesi amacıyla bant geçiren filtre ve Savitzky-Golay filtresi uygulanmıştır. Ardından, Pan-Tompkins algoritması kullanılarak R-tepeleri otomatik olarak tespit edilmiş ve R-R aralık zaman serisi elde edilmiştir. Elde edilen R-tepeleri ve ön işlenmiş EKG sinyalleri kullanılarak EKG Türevli Solunum (EDR) sinyalleri üç farklı formda (QRS Alan Varyasyonu, QRS Eğimi ve R-Tepe Genliği) türetilmiştir. Daha sonra, R-R aralıkları ve EDR sinyalleri kübik spline enterpolasyonu ile 4 Hz örnekleme frekansında yeniden örneklenmiştir. Hem yeniden örneklenen sinyallerden hem ön işlenmiş EKG'den çeşitli öznitelikler çıkarılmıştır. Bununla birlikte, Sürekli Dalgacık Dönüşümü (CWT) yöntemi ile Kardiyopulmoner Eşleşme (CPC) hesaplanmıştır. Bu bağlamda, CPC matrisinden CWT tabanlı CPC öznitelikleri çıkarılmıştır. Son aşamada, farklı formlarda elde edilen öznitelikler kullanılarak rastgele ormanlar makine öğrenmesi algoritması ile sınıflandırma işlemi gerçekleştirilmiştir. Öznitelik seçimi mRMR yöntemi kullanarak farklı durumlarda performans değerlendirmeleri yapılmıştır. Bu model, uyku dakikalarında apne durumu olup olmadığını belirlemek amacıyla kullanılmıştır. En yüksek başarı, tüm özniteliklerin birlikte kullanıldığı ve topK = 15 seçiminin uygulandığı durumda elde edilmiştir. Bu durumda, modelin doğruluk değeri %88,99, duyarlılığı 0,88 ve özgüllüğü 0,897 olarak ölçülmüştür.