MUHENDISLIKTE POPULER YAKLAŞIMLAR
Makine Öğrenmesi Tabanli EKG İzleme Sistemi ile Kalp Hastalıklarının Erken Teşhisi
Özet:
Makine öğrenmesi, büyük miktarda veriyi analiz edip bu verilerden anlamlı sonuçlar çıkarabilen algoritmaların bir koleksiyonudur. Bu çalışmada, Uzun Kısa Süreli Bellek (LSTM) ağları kullanılarak elektrokardiyografi (EKG) verilerinin analizi ve kalp hastalıklarının erken teşhisi hedeflenmiştir. AD8232 sensör modülünden elde edilen ham EKG verileri, sinyal işleme teknikleri ile temizlenmiş ve işlenmiştir. Elde edilen verilerden özellik çıkarımı yapılmış ve bu özellikler, LSTM modelleri ile eğitilerek zaman serisi verileri üzerinden gelecekteki olayların tahmini yapılmıştır. Bu süreçte MATLAB yazılımı kullanılarak veri işleme ve modelleme adımları gerçekleştirilmiştir. EKG sinyallerinden kalp atış hızı ve QRS kompleks genişliği gibi önemli özellikler çıkarılmıştır. Bu çıkarılan özellikler, LSTM ağları ile eğitilmiş ve modellenmiş, ardından yeni EKG verilerinin analizi ve tahmini yapılmıştır. Geliştirilen Nesnelerin interneti (IoT) tabanlı sağlık izleme sistemi, gerçek zamanlı EKG verilerini ThingSpeak bulut hizmetine ileterek MATLAB üzerinde ileri analizler yapılmasını sağlamıştır. Çalışmamız, LSTM ağlarının EKG verilerindeki zamansal bağımlılıkları ve karmaşık paternleri etkili bir şekilde öğrenebildiğini ve bu sayede kardiyovasküler hastalıklar (KVH) ile atriyal fibrilasyon (AF) gibi ritim bozukluklarının erken teşhisini sağlayarak tıbbi müdahalelerin zamanında yapılmasına olanak tanıdığını göstermektedir. Ayrıca, IoT tabanlı sağlık izleme sistemlerinin yapay zekâ ile entegrasyonunun veri iletimi ve toplama konularında önemli avantajlar sunduğunu ortaya koymaktadır. Bu sistem, düşük maliyetli ve otomatik bir izleme ve teşhis çözümü sunarak, özellikle gelişmekte olan ülkelerdeki tıbbi uzmanlık ve ekipman eksikliklerinin giderilmesine katkıda bulunabilir. EKG verilerinin uzun süreli ve verimli bir şekilde toplanmasını sağlayarak, asemptomatik ve epizodik AF gibi ritim bozukluklarının güvenilir bir şekilde tespitine olanak tanımaktadır. LSTM ağlarının adaptif öğrenme kapasitesi sayesinde farklı kalp ritim tipleri ve aritmik olayları tanımlayabilme yeteneği deneysel olarak kanıtlanmıştır. LSTM tabanlı makine öğrenmesi teknikleri, kalp hastalıklarının erken teşhisinde ve kriz anında hızlı müdahale edilmesinde önemli bir rol oynadığı belirlenmiştir.
