YAPAY ZEKA TABANLI KALP ARITMISI TESPIT SISTEMI GELIŞTIRILDI
Yaşar Üniversitesi Elektrik Elektronik Mühendisliği Yüksek Lisans Mezunu Öykü Eravcı, "Evrişimsel Otomatik Kodlayıcı Tabanlı Kalp Aritmisi Tespit Sistemi" tezinde yapay zekanın derin öğrenme yöntemlerinden yararlanarak kalp ritim bozukluklarını tespit edecek ve sınıflandıracak bir sistem geliştirdi.
ERKEN TEŞHIS VE TEDAVI
Dünya genelindeki ölümlerin önde gelen sebeplerinden biri olan kalp hastalıklarında erken teşhis ve tedavi büyük önem taşıyor. Öykü Eravcı, projesiyle kalp ritim bozukluklarının tespit ve sınıflandırılmasında kullanılan geleneksel yöntemlerin ötesine geçmeyi hedefledi. Biyomedikal sinyallerin analizinde sıklıkla kullanılan dalgacıklar ve evrişimsel otomatik kodlayıcılar kullanılarak geliştirilen model, özellikle Atriyal Fibrasyon gibi yaygın ve tehlikeli kalp ritim bozukluklarını tespit edip sınıflandırıyor. Eravcı, geliştirdiği model ile uzaktan hasta takibi, erken teşhis ve gerçek zamanlı hasta verisi analizi gibi uygulamalarda sağlık sektörüne önemli katkılar sağlayacağını belirtti.
SISTEM TESTLERI VE BAŞARI ORANI
Sistem ile yapılan testlerde, halka açık veri tabanlarından alınmış 5 farklı kalp aritmisi, yapay zeka yöntemiyle yüksek başarı ile sınıflandırıldı. En sık görülen kalp aritmisi olan Atriyal Fibrilasyonun yüzde 99’un üzerinde doğrulukla tespit edildiği görüldü.
OTOMATIK VE YÜKSEK DOĞRULUK ORANI
Eravcı, birçok çeşidi olan kalp rahatsızlıklarında erken teşhis ve tedavinin önemine vurgu yaparak, "Özellikle kalp ritim bozuklukları, bireylerin yaşam kalitesini ciddi şekilde etkileyebilen ve doğru müdahale edilmediğinde ölümcül sonuçlara yol açabilen problemler olarak öne çıkıyor. Çalışmamın temel amacı, derin öğrenme yöntemlerinden yararlanarak kalp aritmilerinin otomatik ve yüksek doğruluk oranlarıyla tespit edilmesini sağlayacak bir sistem geliştirmekti" dedi.
TESPIT VE SINIFLANDIRMA
Eravcı, sistemin çalışma şeklini şu şekilde anlattı: "Bu çalışmada iki ana yaklaşım ele alındı; birinci yöntem anomali tespiti, ikincisi ise özellik çıkarımı ile sınıflandırma. Anomali tespitinde model, yalnızca normal verilerle eğitildi ve normal verilerle karşılaştırıldığında atriyal fibrilasyon gibi anormal durumları yüksek yeniden yapılandırma hataları ile tanımlayabildi. Özellik çıkarımı ve sınıflandırmada ise model, aritmi ve normal verilerle eğitildi ve elde edilen sıkıştırılmış özellikler, bir sınıflandırıcı kullanılarak aritmi türlerinin ayrımında kullanıldı. Test sonuçları, modelin atriyal fibrilasyonu normal sinüs ritminden başarıyla ayırt edebildiğini ve diğer aritmi türlerini de normal sinüs ritminden doğru bir şekilde ayırabildiğini gösterdi."
GIYILEBILIR KALP TAKIP SISTEMLERINDE YAPAY ZEKA KULLANIMININ ÖNÜ AÇILDI
Tez Danışmanı Yaşar Üniversitesi Yapay Zeka Mühendisliği Ana Bilim Dalı Başkanı Dr. Öğr. Üyesi Nalan Özkurt, "Kalp hastalıkları, insanların konforlu yaşamını engeller ve tedavi edilmezse felç gibi ciddi sonuçlara hatta ölüme dahi sebep olabilir. Bu çalışmamızda derin öğrenme ve ileri sinyal işleme teknikleri ile kalp hastalıklarının tespiti yapıldı. Böyle bir çalışma, gelecekte giyilebilir kalp aritmi takip sistemlerinde yapay zekanın kullanımının önünü açtı" dedi.