EKG sinyalleriyle kimlik doğrulama ve aritmi tespiti için otokodlayıcı temelli güvenli bir sistem tasarımı

Elektrokardiyografi (EKG), kalbin elektriksel aktivitesini ölçmek için kullanılan bir yöntemdir ve bu aktivite bireyler arasında farklılık göstermektedir. Her bireyin kalp yapısının ve elektriksel özelliklerinin kendine özgü olması, EKG sinyallerini yalnızca tıbbi teşhis amacıyla değil, aynı zamanda biyometrik kimlik doğrulama sistemlerinde de kullanılabilir hâle getirmektedir. Bu çalışmada, EKG sinyallerinin derin öğrenme teknikleriyle analiz edilerek hem kalp hastalıklarının erken teşhisine hem de kimlik doğrulama süreçlerine yönelik güvenilir ve yenilikçi çözümler geliştirilmesi amaçlanmıştır. Çalışmada, MIT-BIH Aritmi Veri Seti kullanılarak EKG sinyalleri üzerinde derin sinir ağı mimarileri aracılığıyla aritmi tespiti ve kimlik doğrulama işlemleri gerçekleştirilmiştir. Özellik çıkarımı sürecinde Spindle otoencoder mimarisi ile modifiye edilmiş bir otoencoder mimarisi uygulanmıştır. Veri güvenliğini sağlamak ve kişisel mahremiyeti korumak amacıyla EKG sinyalleri önce sıkıştırılmış, ardından şifrelenerek işlenmiştir. Bu veriler, derin öğrenme tabanlı modeller üzerinde eğitilerek hem aritmi tespiti hem de kimlik doğrulama görevlerinde kullanılmıştır. Elde edilen bulgular hem kalp hastalıklarının teşhisinde hem de kimlik doğrulama uygulamalarında yüksek doğruluk oranlarına ulaşıldığını göstermektedir. Gerçekleştirilen deneyler sonucunda, kimlik doğrulama görevinde kullanılan iki farklı yöntemle sırasıyla %98,46 ve %98,60 doğruluk oranlarına ulaşılmıştır. Aritmi tespiti görevinde ise %99,7 ve %98,77 doğruluk elde edilmiştir. Bu sonuçlar, EKG sinyallerinin hem tıbbi tanı hem de biyometrik doğrulama açısından yüksek potansiyele sahip bir biyosinyal türü olduğunu ortaya koymaktadır.