Ekg Sinyalinin Aritmi Tespiti için Gürültüden Arındırılması

Abstract

Bu çalışma, elektrokardiyogram (EKG) sinyalleri üzerinden kalp rahatsızlıklarını tespit etmede karşılaşılan önemli zorluklardan biri olan gürültü azaltımını iyileştirerek çözüm bulmaya odaklanmaktadır. EKG sinyalleri, doğru analiz için gerekli önemli özellikleri gizleyebilecek taban sapması (baseline wander), elektrik hattı paraziti ve kas artefaktları gibi çeşitli gürültü kaynaklarına karşı hassastır. Bu araştırmada, MATLAB kullanılarak etkili bir filtreleme süreci uygulanması hedeflenmiş olup, daha pürüzsüz bir EKG sinyali elde edilmesi ve bunun da ileri teşhis uygulamalarında faydalı olması amaçlanmıştır. Çalışmada kullanılan veriler, analiz için uygun olan çeşitli EKG sinyalleri sağlayan PhysioNet ATM veri tabanından alınmıştır. Bu amaç doğrultusunda, bir dizi filtreleme yöntemi uygulanmıştır: Sonlu Darbe Tepkili (FIR) düşük geçiren filtre, Chebyshev filtreleri (Tip I ve Tip II) ve dalgacık tabanlı yöntem. FIR düşük geçiren filtre, yüksek frekanslı gürültüyü engellemek ve yalnızca sinyalin ana bileşenlerini korumak için tasarlanmıştır. Öte yandan, dalgacık filtreleme, önemli sinyal özelliklerine zarar vermeden geçici (transient) gürültüleri azaltmak için durağan olmayan bir yöntem sunar, Sinyal gürültüsü filtrelendikten sonra, aritmi tespitinde kullanılmak üzere R zirve (R peak) tespiti gerçekleştirilmiştir. Orijinal veriler ile taban sapması giderilmiş (BLW denoised) verilerin karşılaştırılması, aritmilerin ve diğer kalp hastalıklarının ,tanımlanması için gerekli veri işleme sürecini görselleştirmeye olanak tanımaktadır. MATLAB ortamında R zirveleri, 'findpeaks' fonksiyonu kullanılarak tespit edilmiştir, Sonuç olarak, her bir filtreleme yöntemi gürültüyü azaltma konusunda katkı sağlasa da, dalgacık eşikleme (wavelet thresholding), özellikle durağan olmayan gürültülerde bile sadık sinyal bilgilerini koruma açısından daha iyi sonuçlar vermektedir. EKG sinyallerindeki yeni özelliklerin kesin olmayan karakterizasyonu ve nicelendirilmesi rapor edilmiştir; elde edilen sonuçlar, egzersiz stres testi sırasında teşhis yorumlarını iyileştirme potansiyeline sahip gelişmiş filtreleme tekniklerinin daha fazla doğrulanması gerektiğine işaret etmektedir. Bu çalışmanın bulgularının, klinik ve araştırma ortamlarında daha sağlam EKG ön işleme yöntemlerinin geliştirilmesine katkı sağlaması beklenmektedir. Belirtilen tüm yöntemlerle iyileştirilmiş sinyal-gürültü oranı (SNR) elde edilmesi sayesinde, sonuçlar EKG analizinde yüksek doğruluk göstererek tıbbi teşhislerde daha güvenilir sonuçlar elde edilmesine olanak tanımaktadır.

This study specifically focuses on one of the major challenges for detecting accurate cardiac conditions through electrocardiogram (ECG) signals by improving noise reduction. ECG signals are susceptible to different types of noise sources including baseline wander, power-line interference and muscle artifacts that may mask important features needed for accurate analysis. In this research, the objective is to use filtering process on MATLAB for an effective filter such that it should give a smooth ECG signal which can be helpful for further diagnostic applications. Data used in this study were sourced from the PhysioNet ATM database, providing a diverse range of ECG signals suitable for analysis. This was addressed by the application of several filtering methods: a Finite Impulse Response (FIR) low-pass filter, Chebyshev filters regular Type I and II), as well as wavelet-based method. The FIR low-pass filter was created to block out high frequency noise along with preserving only main components of signal, On the other hand, wavelet filtering contributed to a non-stationary method of transient noise reduction that did not damage key signal characteristics, After processing for filtering the signal noise, R peak detection was performed in order to evaluate for arrhythmia detection of ECG, And comparing original data with BLW denoised give visual on the process of the data required for identifying arrhythmias and other heart diseases, and R peaks from ECG signals detected in the MATLAB using findpeaks function. In Conclusion although every filtering method adds something to reduce the noise,wavelet thresholding provides better results in terms of keeping faithful signal information even on non-stationary noises, Conclusions Imprecise characterization and quantification in novel ECG features are reported; the results support an interest to further validate advanced filtering techniques for its potential benefits of improving diagnostic interpretation during exercise stress-testing. This study's insights are expected to support the development of more robust ECG preprocessing methods in clinical and research settings by providing the enhanced SNR by all the mentioned methods the result demonstrate great accuracy of ECG analysis, leading to more dependable diagnosis results in medical failed.