Stenozlu koroner artere bağlı infarktüs lokalizasyonunun yapay zekâ teknikleri ile belirlenmesi

Dünya Sağlık Örgütü (WHO) verilerine göre kalp-damar hastalıkları 2012 yılında yaklaşık 17,1 milyon kişinin yaşamını yitirmesine neden olmuştur. Bu sayının 2030 yılında 22,2 milyona ulaşacağı tahmin edilmektedir. Türkiye İstatistik Kurumu'nun (TÜİK) 2016 yılına ilişkin ölüm nedeni istatistiklerine göre ülkemizde dolaşım sistemi kaynaklı 162 876 ölüm gerçekleşmiştir. Ölüm nedenleri arasında dolaşım sistemi kaynaklı hastalıklar %39,8 ile ilk sırada gelmektedir. Bu çalışma ile 12 derivasyon elektrokardiyogram (EKG) işaretleri üzerinde sayısal işaret işleme ve yapay zekâ teknikleri uygulanarak koroner arter tıkanıklarını erken dönemde tespit etmek ve miyokard infarktüsü (Mİ) riskini azaltmak amacıyla hekime yardımcı bir uzman sistemin geliştirilmesi hedeflenmektedir. Kalp kasının bir kısmının nekroze olmasını ifade eden Mİ, koroner arterlerin iç duvarlarında kolesterol ve yağ plaklarının oluşması sonucu miyokardın bir bölgesinin yeterli derecede kanla beslenememesi sonucu meydana gelir. Mİ tanısı tipik göğüs ağrısı, EKG ve plazma enzimlerindeki değişiklikler temel alınarak konulur. Kalp damarlarının daralması ve tıkanmasından sonraki ilk 40 dk. içinde oluşan doku ölümünün ilk bulguları, EKG'deki değişiklikler ile izlenebilmektedir. EKG'deki ST segmentinin çökmesi veya yükselmesi infarktüsü yansıtır. Çalışmada Mİ erken tanı ve infarktüs lokalizasyon tespiti için öncelikle farklı infarktüs şiddet ve lokalizasyonlarına sahip, farklı kalp atış hızı, genlik ve ST segment yükselme/çökmeli EKG işaretleri kaydedilmiştir. 12 kanal EKG işaretleri normalize edilmiş ve Welch Metodu ile güç spektral yoğunluk değerleri elde edilmiştir. Güç spektral yoğunluğunun ilk 15 parametresi öznitelik vektörü olarak belirlenmiştir. Öznitelik vektörü yapay sinir ağının giriş parametreleri olarak alınmıştır. 340 adet 12 kanallı EKG verisinin güç spektral yoğunluk değerleri yapay sinir ağında öğrenme için kullanılmış ve ağa tanıtılmamış olan 60 veriyle de ağ test edilmiştir. Bu 60 test verisi yapay sinir ağı tarafından %99,85 doğru sınıflandırılmıştır. Eğitimi tamamlanan yapay sinir ağı normal, ST segment yükselme ve çökmeli EKG işaretlerinden oluşturulan senaryolardan her bir infarktüs lokalizasyonu (Anterolateral, Anteroseptal, Anterobazal, Posteroinferior, Posteroseptal, Posterolateral ve Posterobazal) için 200'er adet, normal EKG verisi için 200 adet olmak üzere toplamda 1600 veri seti ile test edilmiştir. Yapılan test sonucunda 1600 veri seti %99,94 başarı ile doğru sınıflandırılmıştır.