ECG arrythmia classification using Deep Neural Network

Kalp elektrik sinyallerini değerlendirmek için EKG, sağlık kurumlarında kullanılan en çekici ve düşük maliyetli tanı tekniğidir. Aritmi, anormal kardiyak impulslar için tıbbi bir terimdir. Kardiyak aritmi tehlikelidir ve çoğu durumda ölümcüldür. Aritmiler çeşitli şekillerde gelir ve bir EKG testi bunu tespit eder. Elektrokardiyogram analizi, farklı kalp aritmilerinin sınıflandırılması için tıp alanında büyük bilimsel değer kazanmıştır. Hastalar, aritmi kategorizasyonunu test etmek için uyarlanabilecek otomatik sistemlerden yararlanır ve doktorlar da bunlardan yararlanır. Tıp uzmanlarının teşhis hataları, başlıca ölüm nedenlerinden biridir. İnsanlar artık teknolojik gelişmeler sayesinde hasta prognozunu ve rapor analizinden hastalık çıkarımını otomatikleştirebilir. Hastalık tespiti için uzman sistemlerin oluşturulmasında veri madenciliği ve yapay zeka yaklaşımları son derece değerlidir. CNN ve LSTM, çeşitli hastalık tanımlama sistemleri için kullanılan çok yararlı bir algoritmadır, bu nedenle EKG sinyalinin tespiti için CNN ve LSTM'yi kullanacağız. Maksimum doğruluğu sağlayan önerilen CNN modelimiz 13 katmandan oluşuyor ve LSTM modeli sadece beş katmandan oluşuyor, ancak farklı örneklerde test ettiğimiz veriler üzerinde eğitilecek 512 filtre ile. Her EKG sinyali, basit bir yaklaşım kullanılarak bölümlere ayrılmadan önce taban çizgisini ortadan kaldırmak için önceden işlenir. Önerilen yaklaşım, MIT-BIH kıyaslama veritabanını kullanan simülasyon deneylerinde EKG sınıflandırması için gelişmiş hassasiyet elde etti. Sonuçlar, daha önceki en son teknoloji yaklaşımlarla karşılaştırıldığında, modelimiz daha iyi sonuçlar veriyor. Anahtar Kelimeler: Makine Öğrenimi (ML), Derin Öğrenme, Evrişimli Sinir Ağları (CNN), Uzun Kısa Süreli Bellek (LSTM), Derin Sinir Ağları, EKG Sinyalleri, Bilgisayar Destekli Tanı Sistemleri.