Segmantasyon yapmadan patolojik kalp sesi kayıtlarının tespiti için bir örüntü sınıflandırma algoritması

Abstract

Bu çalışmada, altı adet veri bankasından alınan kalp sesi kayıtlarına segmentasyon uygulamadan k-En Küçük Komşuluk (kNN), Destek Vektör Makinesi (DVM) ve sınıflandırıcı metotları topluluğu kullanarak sınıflandırmaya yarayan bir algoritma geliştirilmesi amaçlanmıştır. Altı aşamadan oluşan algoritmanın ilk aşaması olan Önişlem aşamasında sinyaller sivri uçlarından arındırılmış ve ardından normalize edilmiştir. İkinci aşama olan Özellik çıkarma–1 aşamasında, sinyalin çeşitli zaman ve frekans özellikleri çıkarılarak üçüncü aşamadaki veri bankası sınıflandırıcının eğitilmesinde ve test edilmesinde kullanılmıştır. Üçüncü aşama olan veri bankası sınıflandırması aşamasında, her veri bankası oluşturulurken kullanılan cihazların, kayıt yeri ve ortamının farklılığının negatif etkilerini azaltmak ve her veri bankası için farklı özellikler ile sınıflandırıcılar kullanmak amacıyla kalp sesi kayıtları veri bankalarına göre sınıflandırılmıştır. Dördüncü aşama olan Özellik Çıkarma-2 aşamasında veri bankalarına göre sınıflandırılan sinyallerin yine çeşitli zaman ve zaman-frekans özellikleri çıkarılmıştır. Beşinci aşamada her veri bankası için 3 farklı sınıflandırıcı (kNN, DVM ve sınıflandırıcı topluluğu) kullanılarak kayıtlar sınıflandırılmıştır. Algoritmanın son aşaması olan Oylama aşamasında, nihai sınıflandırma başarımını arttırmak amacıyla her kayıt için 3 farklı sınıflandırıcının çıkışları belli kurallara göre oylanarak kaydın sınıfı (patolojik veya normal) belirlenmiştir. Beşli çapraz doğrulama kullanılarak eğitilen ve test (tanı testi) edilen algoritmanın performansı ölçülürken doğruluk, duyarlılık, özgüllük, pozitif ve negatif yorum gücü ile ROC grafiğinin altında kalan alan gibi parametreler kullanılmıştır. En iyi performans sonuçları doğruluk: %94.28, duyarlılık: %87.97, özgüllük: %87.97, pozitif yorum gücü: %84.78, negatif yorum gücü: %96.86 ve ROC eğrisi altında kalan alan: 0.919 şeklinde elde edildi. Elde edilen bu değerler daha önceki çalışmalar ile kıyaslandığında algoritmanın oldukça başarılı olduğu ve kalbin patolojik durumuna ilişkin uzman hekime ön tanı imkânı sunabileceği söylenebilir.