PPG sinyallerinden yapay zekâ ile gerçek zamanlı kalp ritim analizi

Bu çalışmanın amacı, fotopletismografi (PPG) sensörü aracılığıyla elde edilen kalp ritim verilerinin gerçek‑zamanlı olarak toplanması, ön işlenmesi ve yapay zekâ tabanlı yöntemlerle analiz edilerek ritim sınıflandırması yapmaktır. Bu bağlamda, sensörden Raspberry Pi 3 mikro‑bilgisayara iletilen ham PPG sinyalleri Python diliyle temizlenmiş; sinyal‑ön‑işleme adımları (band‑pass filtre, temel eğilim düzeltme, hareket artefaktı azaltma) uygulanmıştır. Çalışma teori ve uygulama olmak üzere iki bölümden oluşmaktadır. Teori bölümünde literatür taraması yapılarak PPG sensör teknolojisi, veri madenciliği, metin madenciliğine benzer biçimde zaman‑serisi madenciliği ve duygu analizi yerine sinyal tabanlı duygu‑benzeri ritim analizi kavramları tartışılmıştır. Uygulama kapsamında üç dakikalık oturumlarla 60 000'in üzerinde PPG örneği toplanmış; bunlardan rastgele seçilen, her biri 250 örnek içeren 1 250 pencere "Normal Sinüs", "Taşikardi" ve "Artefakt" olarak etiketlenmiştir. Etiketli veri, LightGBM tabanlı bir sınıflandırıcı ve LSTM ağı ile test edilmiş; her iki model de %90 civarında doğruluk sağlamış, ancak artefakt sınıfında LSTM'nin F1 skoru daha yüksek bulunmuştur. Elde edilen bulgular, gerçek zamanlı PPG sistemlerinde hızlı ve hafif modellerin bile klinik açıdan kabul edilebilir performans sunabileceğini göstermektedir. Sonuç olarak, sensör‑Pi altyapısı ile sağlanan verilerin, yapay zekâ teknikleri yardımıyla anlık ritim izleme ve uyarı sistemlerinde kullanılabileceği kanıtlanmıştır. Bu tez, giyilebilir sağlık teknolojileri ve kardiyoloji bilişimi alanlarında yapılacak gelecekteki araştırmalar için sağlam bir referans niteliğindedir.