Tek boyutlu hibrit evrişimsel sinir ağları ve uzun kısa süreli bellek mimarileri kullanarak EKG sinyallerinin sınıflandırılması

Alt sağlık sorununun etkin bir şekilde izlenmesine yönelik talep hızla artmaktadır. Kalp hastalıkları günümüzde önde gelen ölüm sebeplerindir. Bu sebepten ötürü son zamanlarda kalp atışlarının sınıflandırmasına yönelik çalışmalar büyük ilgi görmüştür. Elektrokardiyografi, kardiyak aritmiyi tanımlamanın, tespit etmenin ve teşhis etmenin kolay ve etkili bir yoludur. Elektrokardiyografik (EKG) sinyallerden kalp rahatsızlıklarına dair bilgi elde etmek zordur. Anormal EKG sinyallerini tespit etmek için doğru bir model, hastalığın erken teşhisini ve hastalara doğru tedavi sunulmasını sağlar. Bu çalışmada doğru, hızlı ve otomatik vuruşlu EKG sınıflandırması için konvolüsyonel sinir ağı (CNN) ve uzun kısa süreli bellek (LSTM) yöntemlerini birleştiren 1B derin öğrenme modelini kullanacağız. Amacımız ilgili EKG verikümelerine bu modeli uygulayarak modelimizin doğruluğunu tespit edip yüksek doğruluk oranına sahip sınıflandırmayı elde etmek. Anahtar Kelimeler: Derin Öğrenme, Elektrokardiyografi, Aritmi Tespiti, Konvolüsyonel Sinir Ağları(CNN), 1 Boyutlu Evrişimsel Sinir Ağları(1D CNN), Uzun Kısa Süreli Bellek(LSTM)