Sporcular için invaziv olmayan sürekli kan basıncı tahmini

Bu tezde farklı makine öğrenmesi modelleri kullanarak sporculara yönelik matşetsiz ve invaziv olmayan kan basıncı (KB) tahmini üzerine bir yöntem geliştirilmiştir. Geleneksel KB ölçüm yöntemleri İnvaziv ve invaziv olmayan olmak üzere ikiye ayrılmaktadır. Son yıllarda her iki yöntemin dezavantajlarını gidermek amacıyla vücut üzerinden kolay bir şekilde ölçülebilen elektrokardiyogram(ECG) ve fotoplatismogram(PPG) gibi biyosinyaller kullanarak dolaylı olarak KB ölçümü yapan sistemler büyük bir ilgi görmüştür. Bu çalışmada, ECG sinyalinden kalp atım hızı(HR),P-R süresi, R-R süresi, P genliği, R genliği ve T genliği özellikleri, PPG sinyalinden nabız aralığı(PPI), sistolik pik genliği(SPV), nabız dalga bitişi (PWE) ve Dikrotik çentiğin genliği (b) ile sistolik zirvenin genliği (a) arasındaki orandır. b/a oranı özellikleri ve her iki sinyali kullanarak hesaplanan nabız geçiş zamanı(PTT) özelliği hesaplanmıştır. Makine öğrenmesi modellerinin eğitimi ve test süreci için, hem hazır veri setleri hem de bu çalışma kapsamında geliştirilen özel donanım aracılığıyla toplanan özgün veriler kullanılmıştır. Tasarlanan sistem, gerçek zamanlı sinyal kaydı yapabilmekte olup, ölçümler koşu bandı üzerinde egzersiz yapan deneklerden alınmıştır. Bu yönüyle sistem, sporculara özel olarak değerlendirilmiş ve fiziksel aktivite sırasındaki KB değişimlerini yansıtabilecek nitelikte veri sağlamıştır. Elde edilen özellikler yardımıyla KB tahmini için farklı makine öğrenmesi modelleri denenmiştir. Test edilen makine öğrenmesi modelleri arasında diastolik KB için 2.3+0.7 sistolik KB için 5+1.3 MAE değeriyle en başarılı LASSO regresyon modeli görülmiştir. Çalışmada kullanılan ECG ve PPG sinyalleri, makine öğrenmesi modellerini eğitmek amacıyla belirli ön işleme adımlarına tabi tutulmuştur. Bu adımlar arasında sinyal filtreleme, özellik seçimi ve normalizasyon yer almaktadır. Test edilen makine öğrenmesi modellerinin performanslarını değerlendirmek üzere farklı veri setler kullanılmış ve modellerin doğruluğu değerlendirilmiştir. Bu çalışmada, literatürde dolaylı KB ölçümü için ECG ve PPG sinyallerini kullanan diğer çalışmalara kıyasla, daha az sayıda özellik kullanılarak yüksek doğruluğa sahip bir algoritma geliştirilmiştir. Sonuç olarak, geliştirilen sistem, non-invaziv ve sürekli kan basıncı tahmini için umut vadeden bir yaklaşım sunmaktadır. Anahtar Kelimeler: Kan Basıncı, ECG, PPG, Makine Öğrenmesi