Sismokardiyogram tabanlı hemodinamik parametre tahmini için algoritma geliştirme ve sinyal iyileştirme teknikleri

Sürekli izleme, periyodik hastane ziyaretleri arasındaki bilgi boşluğunu kapatmada kritik bir rol oynamaktadır. Son dönemdeki sensör teknolojisi ve biyomedikal sinyal işleme alanındaki ilerlemeler, fizyolojik sinyalleri sürekli olarak izleme ve çeşitli patolojileri teşhis etme kapasitesine sahip sensör sistemlerinin geliştirilmesinin önünü açmıştır. Fizyolojik sinyaller arasında, seismokardiyogram (SCG), giyilebilir sistem tasarımında yaygın olarak kullanılmaktadır. SCG, kardiyak döngü sırasında kanın pompalanması ve kalp kasılmasından kaynaklanan göğüs mikro titreşimleri sonucu oluşur. Bu tez, SCG sinyali analizi için çeşitli hemodinamik parametrelerin türetilmesine yönelik algoritmalar ve iyileştirme yöntemleri geliştirmeye odaklanmaktadır. Bu yöntemler, sinyal kalitesini iyileştirmeyi, doğru özellik çıkarımını sağlamayı ve SCG tabanlı fizyolojik değerlendirmelerin güvenilirliğini artırmayı hedeflemektedir. Bölüm 2, SCG sinyalleri ile ön-ejeksiyon süresi (PEP) ve sol ventriküler ejeksiyon süresi (LVET) gibi hemodinamik parametreler arasındaki zamansal ve spektral ilişkileri incelemektedir. Bu parametreleri tahmin etmek için regresyon modelleri sunmakta ve toraks empedansı ile SCG'den türetilen özellikler arasındaki ilişkiyi araştırmaktadır. Bölüm 3, SCG sinyalleri kullanarak uyku apnesi tespiti ve solunum hızı değerlendirmesi için iki aşamalı bir hiyerarşik model sunmaktadır. Bu model, nefes tutma (apne) epizodlarını tespit etmek için ikili sınıflandırma ve solunum desenlerini (normal, yavaş, hızlı) kategorize etmek için çoklu sınıflandırma içermektedir. Bölüm 4, egzersiz sırasında SCG sinyali kalitesini iyileştirmeyi amaçlayan çeşitli gürültü giderme algoritmalarının karşılaştırmalı bir değerlendirmesini sunmaktadır. Bu doğrultuda farklı kalp hızı tahmin yöntemlerinin performansını değerlendirmekte ve yedi farklı gürültü giderme algoritmasının SCG tabanlı kalp hızı tahmini üzerindeki etkisini karşılaştırmaktadır. Genel olarak bu bulgular, SCG'nin kişiselleştirilmiş sağlık hizmetlerini geliştirmedeki çok yönlülüğünü, giyilebilir sağlık izlemede kullanılabilirliğini ve sürekli fizyolojik değerlendirmedeki potansiyelini destekler niteliktedir.