Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi

Yücel Koçyiğit; Selim Dilmaç

doi:10.17780/ksujes.435734

TR

Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi

Abstract

Elektrokardiyografik sinyallerdeki aritmileri otomatik olarak teşhis etmek ve kalp atım tipini sınıflandırma için yeni yöntemler geliştirilmektedir. Bu çalışmada, veri kümelemesi için Ateş böceği(AB) ve Bulanık C-Ortalama (BCO) algoritmalarını kullanarak K-En Yakın Komşuluk (K-EYK) yöntemiyle EKG aritmilerinin sınıflandırmasını gerçekleştirdik. Ateş böceği algoritmasının sonuçları, Bulanık C-Ortalama algoritması başarı sonuçları ile karşılaştırılmıştır. EKG verileri MITBIH veri tabanından elde edilmiştir. Ateş böceği ve Bulanık C-Ortalama algoritmalarını kullanarak, sınıflandırma doğruluk oranı sırasıyla %99,47 ve %99,54 olarak bulunmuştur.

Keywords

Ateş böceği algoritması,Bulanık C-Ortalama,Kardiyak Aritmi

References

Bezdek, J. C. (1981). Objective Function Clustering. In Pattern recognition with fuzzy objective function algorithms (pp. 43-93). Springer, Boston, MA.
Chen, S., Hua, W., Li, Z., Li, J., & Gao, X. (2017). Heartbeat classification using projected and dynamic features of ECG signal. Biomedical Signal Processing and Control, 31, 165-173.
De Albuquerque, V. H. C., Nunes, T. M., Pereira, D. R., Luz, E. J. D. S., Menotti, D., Papa, J. P., & Tavares, J. M. R. (2018). Robust automated cardiac arrhythmia detection in ECG beat signals. Neural Computing and Applications, 29(3), 679-693.
De Falco, I., Della Cioppa, A., & Tarantino, E. (2007). Facing classification problems with particle swarm optimization. Applied Soft Computing, 7(3), 652-658.
Dilmac, S., & Korurek, M. (2015). ECG heart beat classification method based on modified ABC algorithm. Applied Soft Computing, 36, 641-655.
Doğan, B., & Korürek, M. (2012). A new ECG beat clustering method based on kernelized fuzzy c-means and hybrid ant colony optimization for continuous domains. Applied Soft Computing, 12(11), 3442-3451.
Dorigo, M., & Stützle, T. (2004). Ant colony optimization. MIT Press, USA.
Elhaj, F. A., Salim, N., Harris, A. R., Swee, T. T., & Ahmed, T. (2016). Arrhythmia recognition and classification using combined linear and nonlinear features of ECG signals. Computer methods and programs in biomedicine, 127, 52-63.

Jain, A. K. (2010). Data clustering: 50 years beyond K-means. Pattern recognition letters, 31(8), 651-666.Jung, W. H., & Lee, S. G. (2017). An Arrhythmia Classification Method in Utilizing the Weighted KNN and the Fitness Rule. IRBM, 38(3), 138-148.
Karaboga, D., & Ozturk, C. (2011). A novel clustering approach: Artificial Bee Colony (ABC) algorithm. Applied soft computing, 11(1), 652-657.
Karlιk, B., Koçyiğit, Y., & Korürek, M. (2009). Differentiating types of muscle movements using a wavelet based fuzzy clustering neural network. Expert Systems, 26(1), 49-59.
Koçyiğit, Y. (2016). Heart sound signal classification using fast independent component analysis. Turkish Journal of Electrical Engineering & Computer Sciences, 24(4), 2949-2960.
Korürek, M., & Nizam, A. (2008). A new arrhythmia clustering technique based on Ant Colony Optimization. Journal of Biomedical Informatics, 41(6), 874-881.
Korürek, M., & Nizam, A. (2010). Clustering MIT–BIH arrhythmias with Ant Colony Optimization using time domain and PCA compressed wavelet coefficients. Digital Signal Processing, 20(4), 1050-1060.
Kutlu, Y., & Kuntalp, D. (2011). A multi-stage automatic arrhythmia recognition and classification system. Computers in Biology and Medicine, 41(1), 37-45.
Li, H., Yuan, D., Ma, X., Cui, D., & Cao, L. (2017). Genetic algorithm for the optimization of features and neural networks in ECG signals classification. Scientific reports, 7, 41011
Martis, R. J., Acharya, U. R., Lim, C. M., Mandana, K. M., Ray, A. K., & Chakraborty, C. (2013). Application of higher order cumulant features for cardiac health diagnosis using ECG signals. International journal of neural systems, 23(04), 1350014.
Moody, G. B., & Mark, R. (1992). MIT-BIH arrhythmia database directory. MITBIH Database Distribution, Harvard–MIT Division of Health Sciences and Technology, Massachusetts Institute of Technology, Cambridge, Massachusetts, USA. Available on the World Wide Web at:(http://www. physionet. org/physiobank/database/html/mitdbdir/mitdbdir. htm)(last date visited: Jul. 23, 2008).
Selim, S. Z., & Ismail, M. A. (1984). K-means-type algorithms: A generalized convergence theorem and characterization of local optimality. IEEE Transactions on pattern analysis and machine intelligence, (1), 81-87.
Senthilnath, J., Omkar, S. N., & Mani, V. (2011). Clustering using firefly algorithm: performance study. Swarm and Evolutionary Computation, 1(3), 164-171.
Suganya, R., & Shanthi, R. (2012). Fuzzy c-means algorithm-a review. International Journal of Scientific and Research Publications, 2(11), 1.
Yan, X., Zhu, Y., Zou, W., & Wang, L. (2012). A new approach for data clustering using hybrid artificial bee colony algorithm. Neurocomputing, 97, 241-250.
Yang, X. S. (2010). Nature-inspired metaheuristic algorithms. Luniver press.
Yeh, Y. C., Chiou, C. W., & Lin, H. J. (2012). Analyzing ECG for cardiac arrhythmia using cluster analysis. Expert Systems with Applications, 39(1), 1000-1010.
Zhang, C., Ouyang, D., & Ning, J. (2010). An artificial bee colony approach for clustering. Expert Systems with Applications, 37(7), 4761-4767.
Zhang, J., & Shen, L. (2014). An improved fuzzy c-means clustering algorithm based on shadowed sets and PSO. Computational intelligence and neuroscience, 2014, 22.

Details

Primary Language

Turkish

Subjects

Electrical Engineering

Journal Section

Research Article

Authors

Yücel Koçyiğit
0000-0003-1785-198X
Türkiye

Selim Dilmaç

Publication Date

October 23, 2018

Submission Date

June 22, 2018

Acceptance Date

September 25, 2018

Published in Issue

Year 2018 Volume: 21 Number: 3

DOI

https://doi.org/10.17780/ksujes.435734

IZ

https://izlik.org/JA55ET93NK

Cite

RIS / Bibtex

APA

Koçyiğit, Y., & Dilmaç, S. (2018). Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, 21(3), 226-234. https://doi.org/10.17780/ksujes.435734

AMA

1.Koçyiğit Y, Dilmaç S. Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi. KSU J. Eng. Sci. 2018;21(3):226-234. doi:10.17780/ksujes.435734

Chicago

Koçyiğit, Yücel, and Selim Dilmaç. 2018. “Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi”. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi 21 (3): 226-34. https://doi.org/10.17780/ksujes.435734.

EndNote

Koçyiğit Y, Dilmaç S (October 1, 2018) Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi 21 3 226–234.

IEEE

[1]Y. Koçyiğit and S. Dilmaç, “Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi”, KSU J. Eng. Sci., vol. 21, no. 3, pp. 226–234, Oct. 2018, doi: 10.17780/ksujes.435734.

ISNAD

Koçyiğit, Yücel - Dilmaç, Selim. “Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi”. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi 21/3 (October 1, 2018): 226-234. https://doi.org/10.17780/ksujes.435734.

JAMA

1.Koçyiğit Y, Dilmaç S. Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi. KSU J. Eng. Sci. 2018;21:226–234.

MLA

Koçyiğit, Yücel, and Selim Dilmaç. “Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi”. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, vol. 21, no. 3, Oct. 2018, pp. 226-34, doi:10.17780/ksujes.435734.

Vancouver

1.Yücel Koçyiğit, Selim Dilmaç. Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi. KSU J. Eng. Sci. 2018 Oct. 1;21(3):226-34. doi:10.17780/ksujes.435734