Aritmi Sınıflandırmada Kullanılan Yapay Sinir Ağlarının Karmaşıklığının Azaltılması


Asyalı H. M. , ÖZDEMİR A. T. , Aksebzeci B. H. , DANIŞMAN K.

Biyomedikal Mühendisliği Ulusal Toplantısı BİYOMUT, Ankara, Türkiye, 29 - 31 May 2008, ss.1-4

  • Basıldığı Şehir: Ankara
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayısı: ss.1-4

Özet

Aritmi insan kalbindeki ritim bozukluğunu ifade etmektedir. Elektrokardiyogram kayıtlarından aritmilerin belirlenmesi, kalp rahatsızlıkların teşhis ve tedavinin sonuçlarının takibi açısından önemlidir. Yapay Sinir Ağları (YSA) aritmi sınıflandırmada kullanılan çok yaygın bir yöntemdir. Bu konuda yapılmış birçok çalışma bulunmaktadır. Bu çalışmalarda genellikle onlarca hatta bazen yüzlerce giriş nöronundan ve çok sayıda ara katmandan oluşan YSA modelleri önerilmektedir. Neticede işlemsel karmaşıklığı yüksek bu YSA modelleri ancak çevrimdışı olarak, pahalı işlemciler üzerinde çalıştırılabilir. Böyle modellerin, yoğun bakım ve acil üniteleri gibi anında karar verme gerektiren gerçek zamanlı (çevrimiçi) uygulamalarda kullanılması ise zordur. Bu çalışmada sınıflandırma hata oranını %2-3 gibi kabul edilebilir bir seviyede tutarak, YSA karmaşıklığını azaltmayı hedefledik. Giriş sayısını azaltmak için temel bileşen analizi kullandık. MIT BIH veritabanından elde edilen veriler üzerinde yaptığımız çalışmalar sonucunda, 5 girişli 4 neronlu tek ara katman kullanan bir YSA yapısının yeterli olduğunu belirledik. Bu optimal yapı, alan programlanabilir kapı dizileri üzerinde kolayca gerçekleştirilebilecektir. Bu da gerçek zamanlı, düşük güç tüketimli ve mobil aritmi detektörlerinin donanım gerçeklemeleri için kolaylık sağlayacaktır.