Kalp hastalıklarında erken teşhis büyük önem taşıyor. Bu kapsamda önemli bir çalışma gerçekleştirildi. Yaşar Üniversitesi Elektrik Elektronik Mühendisliği Yüksek Lisans Mezunu Öykü Eravcı projesiyle, kalp ritim bozukluklarının tespit ve sınıflandırılmasında kullanılan geleneksel yöntemlerin ötesine geçmeyi amaçladı. Modelde, biyomedikal sinyallerin analizinde sıklıkla kullanılan dalgacıkların ve evrişimsel otomatik kodlayıcılar kullanıldı. Model, özellikle Atriyal Fibrasyon gibi yaygın ve tehlikeli bir kalp ritim bozukluğu hastalığını tespit edip sınıflandırabiliyor. Eravcı, dalgacık tabanlı evrişimsel otomatik kodlayıcı (WBCAE) modeliyle yenilikçi bir yaklaşım sundu.
Eravcı, geliştirdiği model ile uzaktan hasta izleme, erken teşhis ve gerçek zamanlı hasta verisi analizi gibi uygulamalarda sağlık sektörüne önemli katkılar sağlanacağını ifade etti. Öte yandan sistem ile yapılan testlerde; halka açık veri tabanlarından alınmış 5 farklı kalp aritmisi, yapay zeka yöntemiyle yüksek başarı ile sınıflandırılırken en sık görülen kalp aritmisi olan Atriyal Fibrilasyonun da önerilen yöntemle yüzde 99 üzerinde doğrulukla tespit edildiği görüldü.
Eravcı, birçok çeşidi olan kalp rahatsızlıklarında erken teşhis ve tedavinin öneminden yola çıkarak projesine başladığının altını çizdi. Özellikle kalp ritim bozukluklarının, bireylerin yaşam kalitesini ciddi şekilde etkileyebilen ve doğru müdahale edilmediğinde ölümcül sonuçlara yol açabilen problemler olarak öne çıktığına değinen Eravcı, "Çalışmamın temel amacı, derin öğrenme yöntemlerinden yararlanarak kalp aritmilerinin otomatik ve yüksek doğruluk oranlarıyla tespit edilmesini sağlayacak bir sistem geliştirmekti" dedi.
İKİ YAKLAŞIM ELE ALINDI
Sistemin çalışma şekli hakkında bilgi veren ve bu çalışmada iki ana yaklaşımın ele alındığını kaydeden Eravcı, "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 yoluyla tanımlayabildi. Özellik çıkarımı ve sınıflandırmada ise model, aritmi ve normal verilerle model geliştirdi ve elde edilen sıkıştırılmış özellikler, bir sınıflandırıcı kullanılarak aritmi türlerinin ayrımında kullanıldı" dedi.
Modelin başarısını göstermek için geniş kapsamlı deneyler gerçekleştirdiğini değinen Eravcı, "Model hem anomali tespiti hem de aritmi sınıflandırması alanında üstün performans sergilemiştir. Test sonuçları, modelin atriyal fibrilasyonu normal sinüs ritminden başarıyla ayırt edebildiğini ve benzer şekilde, diğer aritmi türlerini de normal sinüs ritminden doğru bir şekilde ayırabildiğini gösterdi. Bununla birlikte model, atriyal fibrilasyon gibi düzensiz kalp ritimlerini yalnızca yeniden yapılandırma hatalarını temel alarak tespit edebildi. Bu, özellikle sınırlı veri setleriyle çalışan sistemler için etkili bir yöntem olarak öne çıkıyor” dedi
"ÖLÜME DAHİ SEBEP OLABİLİR"
Tez Danışmanı Yaşar Üniversitesi Yapay Zeka Mühendisliği Ana Bilim Dalı Başkanı Dr. Öğr. Üyesi Nalan Özkurt ise, "Kalp hastalıkları, insanların konforlu yaşam sağlamasını 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" ifadelerini kullandı.
