Normalize edilmiş kalp hızı değişkenliği analizi ile paroksismal atriyal fibrilasyon tespiti

Paroksismal Atriyal Fibrilasyon (PAF), en yaygın kalp ritmi bozukluğu türlerinden biri olan Atriyal Fibrilasyon'un başlangıç aşamasıdır. PAF doğrudan ölümcül olmasa bile, ölümcül diğer rahatsızlıkları tetiklemekte ve inme riskini artırmaktadır. Üstelik hasta PAF atağı geçirdiği sırada, kendisinin ve başkalarının hayatını etkileyen bir aktivite içinde olabilir. Bu nedenle, hem PAF'ın mümkün olduğunca erken teşhis edilerek tedaviye başlanması hem de PAF atağı geçirmeden önce hastanın güvenli bir konuma geçmesi önemlidir. Bu çalışmada, her iki görev için geleneksel makine öğrenmesi yöntemleri ve derin öğrenme yöntemleri çalışılmıştır. Bu tez çalışmasında, açık erişimli olup 49 sağlıklı bireye, yakın zamanda atak geçirmeyen 24 PAF hastasına ve yakın zamanda atak geçirecek olan 25 PAF hastasına ait 30 dakikalık EKG verileri kullanılmıştır. Bu EKG verilerinden elde edilen Kalp Hızı Değişkenliği (KHD) verilerinin yanısıra kalp hızı normalizasyonu uygulanan KHD (NKHD) verileri elde edilmiştir. KHD ve NKHD verileri için yaygın kullanılan zaman alanı, frekans alanı, dalgacık dönüşümü ve doğrusal olmayan öznitelikler hesaplanmıştır. Bu özniteliklere farklı öznitelik normalizasyonu yöntemleri uygulanmıştır. Bu şekilde oluşturulan altı farklı öznitelik setine genetik algoritma ile öznitelik seçim işlemi uygulanmıştır. Çıkarılan ve seçilen öznitelikler k yakın komşu, çok katmanlı algılayıcı, radyal tabanlı çekirdek fonksiyonuna sahip destek vektör makinesi ve evrişimli sinir ağı temelli derin öğrenme sınıflandırıcı algoritmalarının girişlerine uygulanmıştır. Sonuç olarak, z-skor normalizasyonu uygulanmış NKHD özniteliklerinin derin öğrenme algoritması ile hem PAF teşhisinde hem PAF atağı erken tespitinde %100 sınıflandırıcı başarımına ulaşılmıştır. Üstelik literatürde derin öğrenme ham veri üzerinde uygulanıyor olsa da, KHD analizi gibi kendine özgü öznitelik çıkarma yöntemi bulunan problemlerde, öncelikle öznitelik çıkarmanın faydalı olacağı görülmüştür.