Browsing by Author "Sarvan, Çağla"

Now showing 1 - 2 of 2

EKG tabanlı giyilebilir aktivite takip cihazının tasarımı ve uygulanması
(2018) Sarvan, Çağla; Özkurt, Nalan
Bu çalışmada MIT-BIH veri tabanından elde edilen normal, sağ dal bloğu, sol dal bloğu ve pace ritimlerine ait kalp vuruları verisi kullanılarak ayrıştırıcılığı yüksek özniteliklerin bulunması ve kalp sinyallerinin gerçek zamanlı alınmasıyla, aktivite takibi yapabilen, giyilebilir bir cihaz tasarımı hedeflenmiştir. Kesikli dalgacık dönüşümü (KDD) öznitelikleri ile aritmi sınıflandırma çalışması üç kısımda incelenebilir. İlk çalışmada dört aritmi tipi sinir ağları ile tek bir dalgacıktan elde edilen 16 istatistiksel öznitelikle ve iki farklı dalgacıktan elde edilen 32 öznitelikle sınıflandırılmıştır. Sınıflandırmada en başarılı bulunan iki dalgacıktan elde edilen 32 adetlik özniteliğin tek dalgacığa göre daha yüksek başarım oranı sağladığı gözlemlenmiştir. Daha sonra, incelenen aritmi vurularının sınıflandırılmasında farklı tip dalgacıkların farklı seviyede seçilen detay katsayılarının kombinasyonu ile yüksek başarım oranı sağlayan özniteliklerin seçilimi için genetik algoritma yönteminden faydalanılmıştır. Önerilen KDD yöntemi ile farklı tip dalgacıklardan bir öznitelik havuzu oluşturulmuştur. Sınıflandırma algoritmasında yüksek doğruluk oranı veren 16 adetlik öznitelik seti genetik algoritma yöntemi ile seçilmiştir. Uygunluk fonksiyonunda sinir ağının doğruluk oranı uygunluk fonksiyonu olarak kullanılmıştır ve bu değer maksimize edilmeye çalışılmıştır. Kalp sinyali aritmi tiplerinin karakteristiğini yansıtan uygun özniteliklerin tespit edilebilmesi için önerilen diğer bir yöntem çok amaçlı yaklaşımla GA kullanılmasıdır. Bu yöntemde oluşturulan öznitelik havuzundan seçilim birden fazla kriterin tek bir değere indirgenmesiyle yapılmıştır. Uygunluk fonksiyonu değerlendirmesinde sinir ağı sınıflandırmasının doğruluk oranı, ortalama karekök hata oranı ve seçilen öznitelik sayısı kullanılmıştır. Yüksek doğruluk oranını az hata ile sağlayan en düşük sayıda öznitelik seti aranarak bir yerine üç adet kriter çok amaçlı yaklaşımla GA kullanılarak değerlendirilmiştir. Farklı yöntemler ile tespit edilen öznitelik setlerinin testi için bir simülasyon programı oluşturulmuştur. Simülasyon programında iki adet dalgacığın birleşiminden elde edilen 32 adetlik öznitelik seti, GA tarafından seçilen 16 adetlik öznitelik seti ve çok amaçlı yaklaşımla GA kullanılarak tespit edilen 48 adetlik öznitelik setinin çok katmanlı algılayıcı (MLP) eğitim çıktısı kullanılmıştır. Geliştirilen grafik arayüzü ile seçilen öznitelik setini kullanarak MLP aritmi tipini belirler. Gerçek zamanlı kalp sinyallerinin elde edilmesi için kompakt bir devre tasarımı yapılmıştır. Kalp sinyalleri ile birlikte eş zamanlı hareket bilgisinin alınması için ivmeölçer kullanılmış olup sinyaller bir mikrodenetleyici üzerinden arayüz programına bluetooth modülüyle kablosuz olarak aktarılmıştır. Sinyaller tasarlanan arayüz programında gerçek zamanlı olarak çizdirilmiştir. Tasarlanan devre kartı 3D yazıcı ile basılan kompakt bir kutu içerisine yerleştirip giyilebilir bir EKG cihazı haline getirilmiştir. Böylelikle aktivite sırasında oluşan kalp ritimleri gerçek zamanlı olarak gözlemlenip kayıt altına alınabilmiştir.
Citation - WoS: 3
Citation - Scopus: 3
Multi-objective advisory system for arrhytmia classification
(Elsevier Ltd, 2021) Çağla Sarvan; Nalan Ǒzkurt; Sarvan, Çağla; Özkurt, Nalan
The study proposes the best electrocardiography (ECG) arrhythmia classification features suited to application needs by using multi-objective approach. The wavelet transform (WT) is successful for ECG classification. Also the combination of features obtained from different coefficients of different wavelets provides higher performance rate than individual wavelet. However most of the feature selection algorithm focuses attention on one objective such as accuracy or to the number of features for a real time system. In this study different solutions were proposed that will increase the classification performance on three different objectives such as positive predictive value (PPV) accuracy and number of selected features. The wavelet type and level that best reflect the 4 different ECG arrhythmia types were searched by using Multi-Objective Evoltionary Algorithm (MOEA). Multilayer perceptron (MLP) was preferred as a fitness function. The non-dominant sequencing genetic algorithm II (NSGA-II) was used and the algorithm ran many times with different seed values. The preferred solutions meeting the preference criteria were examined in detail. The highest accuracy and PPV rate obtained was 9782% and 94.94% respectively with 24 features. Moreover it has been observed that some of the features obtained from an individual wavelet type have a low contribution to the classification performance and some of them can outweigh. To illustrate that the combination of features obtained from different level coefficients of different wavelet types provides more successful discrimination in ECG arrhythmias and to provide feature sets according to the requested metric values are the some of the main contributions of this study. © 2021 Elsevier B.V. All rights reserved.