Makine öğrenme ve derin öğrenme algoritmaları ile elektrokardiyogram sinyalindeki iskemik değişikliklerin tespiti

Amaç: İskemik kalp hastalığı (İKH) dünya genelinde mortalitenin ana sebeplerinden birisidir. İKH'nın sol dal bloğu (SDB) başta olmak üzere diğer kardiyak hastalıklar ile benzer elektrokardiyografik (EKG) bulguları olması ilk müdahale ve izlemi güçleştiren en önemli sorunlardan biridir. Dolayısıyla bu çalışma kapsamında yapay zeka yöntemlerini kullanarak EKG sinyalini analiz etmek suretiyle sağlıklı, İKH ve SDB olan bireyleri ayırt edebilen klinik tanıya yardımcı bir modelin geliştirilmesi amaçlanmıştır. Yöntem: Farklı veri setleri kullanılarak EKG sinyalinden sağlıklı, İKH ve SBD'ye ait özniteliklerin belirlenmesi için farklı özellik çıkarım yöntemleri uygulandı. Bu öznitelikler morfolojik, doğrusal olmayan, frekans tabanlı, ham EKG sinyali ve EKG ile elde edilen skalogram şeklinde gruplandı. Bunun ardından öznitelikler makine öğrenmesi ve derin öğrenme algoritmalarına girdi olarak sunularak bir yapay zeka modeli geliştirildi. Bulgular: Sonuçlar doğrusal olmayan ve frekans tabanlı özelliklerin morfolojik özelliklere kıyasla tanı koymada grupları daha iyi yansıttığını gösterdi. Bu öznitelikler ile eğitilen ve test edilen makine öğrenmesi algoritmaları arasında en yüksek başarı oranı destek vektör makineleri yöntemi ile elde edildi (%84). Derin öğrenme algoritmaları ham EKG sinyali ile oluşturan görsellerde tüm makine öğrenmesi algoritmalarına göre daha başarılı oldu. En yüksek başarı oranı V5, V6 prekordiyal derivasyonları ile eğitilen modelde elde edildi (%89). Bununla birlikte skalogramlar ile eğitilen derin öğrenme algoritmalarının genel olarak en yüksek başarı oranına ulaştığı gözlendi (%94). Sonuç: Çalışmada derin öğrenme algoritmaları ve EKG sinyalinden elde edilen skalogramlar ile sağlıklı, İKH ve SDB ayrımında oldukça yüksek bir başarı oranına ulaşan, dolayısıyla tanıya yardımcı olma potansiyeline sahip bir yapay zeka modeli geliştirildi.