Yıl 2018, Cilt 21, Sayı 3, Sayfalar 226 - 234 2018-10-23

Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi

Yücel KOÇYİĞİT [1] , Selim DİLMAÇ [2]

16 15

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. 

Ateş böceği algoritması, Bulanık C-Ortalama, Kardiyak Aritmi
  • 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.
Birincil Dil tr
Konular Mühendislik, Elektrik ve Elektronik
Dergi Bölümü Araştırma Makalesi
Yazarlar

Orcid: 0000-0003-1785-198X
Yazar: Yücel KOÇYİĞİT
Kurum: MANİSA CELÂL BAYAR ÜNİVERSİTESİ
Ülke: Turkey


Yazar: Selim DİLMAÇ

Bibtex @araştırma makalesi { ksujes435734, journal = {Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi}, issn = {}, eissn = {1309-1751}, address = {Kahramanmaraş Sütçü İmam Üniversitesi}, year = {2018}, volume = {21}, pages = {226 - 234}, doi = {10.17780/ksujes.435734}, title = {Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi}, key = {cite}, author = {KOÇYİĞİT, Yücel and DİLMAÇ, Selim} }
APA KOÇYİĞİT, Y , DİLMAÇ, S . (2018). Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, 21 (3), 226-234. DOI: 10.17780/ksujes.435734
MLA KOÇYİĞİT, Y , DİLMAÇ, S . "Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi". Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi 21 (2018): 226-234 <http://jes.ksu.edu.tr/issue/39876/435734>
Chicago KOÇYİĞİT, Y , DİLMAÇ, S . "Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi". Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi 21 (2018): 226-234
RIS TY - JOUR T1 - Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi AU - Yücel KOÇYİĞİT , Selim DİLMAÇ Y1 - 2018 PY - 2018 N1 - doi: 10.17780/ksujes.435734 DO - 10.17780/ksujes.435734 T2 - Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi JF - Journal JO - JOR SP - 226 EP - 234 VL - 21 IS - 3 SN - -1309-1751 M3 - doi: 10.17780/ksujes.435734 UR - http://dx.doi.org/10.17780/ksujes.435734 Y2 - 2018 ER -
EndNote %0 Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi %A Yücel KOÇYİĞİT , Selim DİLMAÇ %T Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi %D 2018 %J Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi %P -1309-1751 %V 21 %N 3 %R doi: 10.17780/ksujes.435734 %U 10.17780/ksujes.435734
ISNAD KOÇYİĞİT, Yücel , DİLMAÇ, Selim . "Ateş Böceği Algoritmasını Kullanarak Kardiyak Aritmi Teşhisi". Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi 21 / 3 (Ekim 2018): 226-234. http://dx.doi.org/10.17780/ksujes.435734