ÖzetçeOlasılıksal yapay ağlar kesin sonuçlar yerine tahmin etme gücünden dolayı zamanla değişen ve kendine has özellikleri olan sinyal kalıplarının sınıflandırılmasında sıklıkla kullanılmaktadır. Bu çalışmanın amacı, kalp atımını, yani QRS kompleksin, aritmik ve aritmik olmayan elektrokardiyografi (EKG) sinyallerinde Gauss karışım modeli ve logaritmik lineerleştirme tabanında sınıflamasının gerçekleştirilmesidir. Bu işlemi gerçekleştirebilmek için, yapay sinir ağına(YSA) çevirilmiş logaritmik lineerleştirilmiş Gauss karışım ağı (LLGKA) kullanılmış ve yüksek performans için eğitim ve karşılaştırma işlemleri açıklanmıştır. Sunulan metot, gerçek kişilerden ve MIT-DB veritabanından elde edilmiş EKG sinyaller üzerinde uygulanmış, ve sırası ile %99.93 hassasiyet, %96.32 pozitif belirleyicilik ve %0.71 hata oranı ile sınıflama işlemini gerçekleştirebilmiştir. Önerilen algoritma, EKG cihazının örnekleme frekansı ve kişinin farklı frekans aralıklarındaki atımlarından etkilenmemekte ve önfiltreleme işlemlerine gerek duymamaktadır. Ayrıca aritmik olan veya olmayan EKG sinyallerin türlerinden bağımsız olarak çalıştırılabilmektedir. Sonuçlardan yola çıkarak, önerilen algoritma farklı türden kanal ve karakteristikteki EKG sinyalleri için yüksek performansta sınıflama yapabilmektedir. Abstract Probabilistic neural networks have been frequently used in classification of nonstationary and individual signal patterns due to its prediction capability rather than certain results. The purpose of this study is to perform the classification of heartbeat in arrhythmic and non-arrhythmic electrocardiogram (ECG) signal based on Gaussian mixture model and logarithmic linearization. To achieve this operation, a log-linearized Gaussian mixture network (LLGMN) was used and the training and comparison calculations attaining high performance were explained. The proposed method was applied on the EKG signals from MIT-DB database and also real subjects, and resulted the classification at the rates of 99.93% sensitivity, 96.32% positive predictive value and 0.71% error. The proposed algorithm is independent to the sampling rates of ECG device and individual frequency characteristics of the heart beats, and does not required prepossessing such as filtering. It also can be operated regardless of the type of arrhythmic or nonarrhythmic ECG signal. Based on the results, the proposed algorithm is capable of high performance classification for different types of ECG signals from various channels in various characteristics.
GirişElektrokardiyogram kalbin elektriksel aktivitesini gösteren bir indikatör olarak kullanılmaktadır. Genellikle kalp atımı kalbin atriyal bölgesinin ilk uyarım bölgesinin tetiklenmesi ile (sinoatrial düğüm) ile tespit edilebilmektedir. Ancak bu bölgenin zor tespit edilmesinden dolayı, bir kalp atımı ventriküler depolarizasyonun, yani EKG sinyalinin QRS kompleksi ile saptanmaktadır.QRS kompleks, kalpte oluşan birçok özellik ve hastalığın saptanması için kullanılmaktadır. Ayrıca diğer EKG sinyal türlerinin (P ve T dalgası, RR zaman a...
