Chf detection using only ECG and topographic analyses

1. Kongestif Kalp Yetmezliğinin
İkinci-Derece Fark Harita Grafiği ile
Topografik Analizi ve Teşhisi
Apdullah YAYIK
Yakup KUTLU
Mustafa Kemal Üniversitesi
Sinyal İşleme ve İletişim Uygulamaları 2014

2. Kongestif Kalp Yetmezliği (KKY)
Kongestif Kalp Yetmezliği (KKY)
Kalbin vücudun ihtiyaçlarını karşılayabilecek kadar
kan pompalayamamasıdır.

3. KKY Teşhisi
 KKY şüphesi bulunan hastalarda
 Ekokardiyografi,
 Anjiyografi,
 Göğüs röntgen filmi,
 BNP (Beyin(B-tip) Natriuretik Peptid),
 NT-proBNP (BNP’nin öncü hormonunun (proBNP) N-Terminal
fragmanı),
 MR görüntüleme
 Elektrokardiyografi,
gibi ek testlerden bir veya birkaçı uygulanmakta ve sonrasında teşhis
konulabilmektedir.

4. KKY Teşhisi
 KKY hastalığının uygun bir şekilde tedavi edilmesi,
hastalığın erken teşhis edilmesiyle mümkün olduğundan
elektrokardiyogram (EKG) kayıtlarından KKY
hastalığının otomatik olarak belirlenmesi klinik açıdan
oldukça önemlidir.

5. Kullanılan Veri Tabanı
 www.physionet.org iki veritabanı kullanılmıştır.
KKY Hastası verileri : Yaşları 22 ile 71 arasında değişen 15
adet hastadan alınmış kayıtlardır.
 Sağlıklı Kişi Verileri : Yasları 20 ile 50 arasında değişen 18 hasta
olmayan gönüllüden alınmış kayıtlardır.

6. Ön İşlem
 Her hastadan 10 sn’ lik kayıtlar halinde bölümlenmiştir
 10’ar saniyelik pencereler (2500 örnekli pencerelere
oluşturmaktadır),
 her kayıttan150 farklı pencere alınarak incelenmiştir.
 veri kümesinde
 KKY hastalarından 2250
 Normal EKG kayıtlardan 2700
 Toplam 4950 adet 10’ar saniyelik pencereden oluşturulmuştur.
 Normalizasyon işlemi yapılır.
 Normalizasyon işlemi, bir örnek mutlak en büyük değere bölünerek
yapılmaktadır.

7. A Platform for Local Interactions between
Robots in Large Formations
Özniteliklerin Çıkarılması
 İkinci-Dereceden fark (IDF) grafiği
 X(t) EKG sinyali olduğunu kabul edersek,
 [X(t+1)-X(t)] ve [X(t+2)-X(t+1)] ikili noktalarının Kartezyen koordinat
grafiğinde oluşturduğu harita grafiğidir.
 Diğer bir değişle EKG sinyalindeki ardışık noktaların farklarının
birbirlerine göre saçılımlarından oluşmaktadır.
 Böylece ardışık farkların değerlerinin istatiksel durumu
gözlenebilmektedir.
 Çalışmalarda İDFG analizi yapılırken farklı yarıçaplı daireler
bölgelere bölünerek incelemeler yapılarak öznitelikler çıkarılmıştır

8. -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1 4
32
3-3-3-1 6-5-1-0 1-1-1-0 6-5-3-0
4
6
5
3
0
Basit öznitelik çıkartma örneği

9. KKY ve Normal kayıtlar için IDF
grafiği örnekleri

10. Öz Düzenleyici Haritalar
 Rekabete dayalı eğiticisiz öğrenme algoritmasını temel
alan bir yapay sinir ağı modelidir.
 ÖDH ağları ile diğer sinir ağları modelleri arasındaki en
önemli fark, eğitimden sonra ağın verdiği yanıtların 2
boyutlu harita üzerinde topoğrafik olarak
düzenlenmesidir.

11. Öz Düzenleyici Harita Yapısı
||)()(||min||)()(|| twtxtwtx ii
i
ci

)()( iwxw cii
 
xi n boyutlu giriş örüntü vektörü,
wij ise xj girişi ile i. işlem elemanı arasındaki ağırlıktır.
Ωc(i) komşuluk fonksiyonuyla (gaussian)
η öğrenme oranı
c indisi kazanan nöronudur

12. Öz düzenleyici Ağ yapısının U-matris
gösterimi
a) b) c)
 İki boyutlu öz düzenleyici ağ yapısındaki bir birine yakın nöronlar
arasındaki uzaklıklar hesaplanır
 Bu uzaklık değeri gerçek nöronlar arasında ekstra bir nöron olarak
yerleştirilerek U-matris elde edilir
 U-matristeki küçük değerler benzerlikleri, yüksek genlikli değerleri ise
kümelerin birbirinden farklılığını göstermektedir.

13. Öz Düzenleyici Haritalar
U-matris gösterimi (a) İki boyutlu gri renk tonlu gösterimi, (b) Gerçek etiketli kümelerinin iki
boyutlu gri renk tonlu gösterimi, (c) Üç boyutlu gösterimi
Oluşturulan veri seti ÖDH ağının eğitiminde kullanılmıştır.
ÖDH yapısında toplam 2500 (50x50) nöronlu altıgen
topoloji kullanılmıştır. Daha sonra eğitilmiş ÖDH ağına
karşılık gelen U-matrisler hesaplanmıştır.

14. iki boyutlu U-matrisi gösterimi
SOM 25-Jan-2013
U-matrix
0.0706
6.25
12.4

15. Gerçek etiketli kümelerinin iki
boyutlu gri renk tonlu gösterimi
Sinyal İşleme ve İletişim Uygulamaları
SOM 25-Jan-2013
U-matrix
0.0706
6.25
12.4

16. U-matris’in üç boyutlu gösterimi
Sinyal İşleme ve İletişim Uygulamaları
0
20
40
60
80
100
0
20
40
60
80
100
0
5
10
15

17. Sınıflandırıcı
 Bu çalışmada
 incelenen özniteliklerin ÖDH grafiği ile sonuçların tutarlılığını
değerlendirmek için
 Radyal Tabanlı Fonksiyon (RTF) ağı sınıflandırıcı olarak tercih
edilmiştir.

18. Başarım Kriterleri
 Başarım kriteri olarak
 Duyarlılık (DUY),
 Belirlilik (BEL),
 Seçicilik (SEÇ)
 Genel Basarım
olarak belirlenmiştir.

19. Sonuçlar

20.  Sonuç olarak
 Ham EKG verisi üzerinden RTF ağı sınıflandırıcının %99
genel başarım ile sınıflandırma yapabildiği tespit
edilmiştir.
 Literatürde gerçekleştirilen çalışmaların başarımlarıyla
karşılaştırılmasını yapmak oldukça zordur.
 Literatürde bu konuyla ilgili çalışmalar mevcuttur.
 %80-100 arasında Genel Basarıma sahip çalışmalar mevcuttur.
Sonuç ve Tartışma

21. Sorular?
Ayrıntılı bilgi için,
apdullahyayik@gmail.com