Neural networks for heart disease classification basing on electrocardiogram records

Kardiyak aritmilerin kesin ve zamanında tespiti, hasta sonuçlarını önemli ölçüde etkilediğinden sağlık çalışanları için çok önemlidir. Bu çalışma, derin öğrenmeye ve önerilen modele özel bir vurgu yaparak elektrokardiyogram (EKG) sinyal sınıflandırmasının geliştirilmesine odaklanmaktadır. Klinik uygulamada yaygın olarak kullanılan elektrokardiyogram (EKG) verilerinin içerdiği karmaşık modeller, geleneksel sınıflandırma yöntemlerine zorluk teşkil etmektedir. Tekniğin etkinliği, dikkate değer sonuçlar üretme yeteneğiyle kanıtlanmıştır. Sınıflandırıcı, ön işleme tabi tutulan kapsamlı bir elektrokardiyogram (EKG) veri seti kullanılarak eğitilmiş ve doğrulanmıştır. Performans ölçümleri (doğruluk, kesinlik, geri çağırma), sistemin kardiyak aritmileri tespit etme konusundaki olağanüstü yeteneğinin altını çiziyor. Modelin bağımsız bir veri seti üzerinde doğrulanması, modelin genelleme kapasitesini ortaya koyar, yüksek düzeyde doğruluğu korur ve aritmiye ilişkin değerli bilgiler sağlar. Bulgular kapsamlı bir sınıflandırma raporu, karışıklık matrisleri ve ROC analizi ile desteklenmektedir. Bu çalışma, modeli açıklayıcı bir örnek olarak kullanarak, kardiyak aritmilerin tespitini dönüştürmede derin öğrenmenin potansiyelini sergiliyor. Bu çalışmanın sonuçları, EKG sınıflandırma tekniklerinin geliştirilmesine, dolayısıyla kardiyoloji alanında tanıların ve hasta tedavisinin doğruluğunun ve güvenilirliğinin artmasına katkıda bulunmaktadır.