Bayes Kestirim Yöntemlerinin Elektrokardiyografik Görüntülemeye Uygulanması: Önsel Model Seçimi Ve Gürültü Etkilerinin Azaltılması

Date

2021-10-15

Author

Serinağaoğlu Doğrusöz, Yeşim

Metadata

Show full item record

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Item Usage Stats

26
views

27
downloads

Cite This

Kalp hastalıkların teşhisinde ilk başvurulan yöntem olan klasik 12 kanallı elektrokardiyografi (EKG) aritmilerin tespiti için yaygın olarak kullanılsa da, kalbin elektriksel potansiyellerinin detaylı dağılımlarını, kalpteki elektriksel iletim bozukluklarını ve aritmilerin kaynaklarını belirlemekte yetersiz kalmaktadır. İleri düzey tetkikler ise çoğunlukla invaziv olduğu için uygulamaları hastaya en hafifinden rahatsızlık vermekte, bazen de istenmeyen komplikasyonlara yol açabilmektedir. Son yıllarda, noninvaziv elektrokardiyografik görüntüleme (EKGG) yöntemi, klinikte yenilikçi bir yöntem olarak ilgi çekmeye başlamıştır. Bu yöntemde, çok kanallı EKG sistemleriyle kaydedilen vücut yüzeyi potansiyellerinden (VYP) ve gövdenin geometrik yapısıyla dokuların iletkenlik değerlerini kullanarak elde edilen matematiksel bir modelden faydalanarak kalpteki elektriksel potansiyeller hesaplanmaktadır. Özellikle normal iletim sistemine aykırı olarak elektriksel aktivitenin kalpteki bir odaktan kaynaklandığı prematüre ventriküler kasılım (PVC) adı verilen aritmi tipi, ileri seviyelerde fibrilasyona ve ölümlere yol açabildiği için EKGG?nin üzerinde durduğu bir aritmi tipi olmuştur. Noninvaziv EKGG, bu odakların yerini ve kalp potansiyellerinin dağılımını ablasyon öncesi hekime sağlayarak, ablasyon planlaması yapabilme, böylece prosedürün süresini kısaltma potansiyeline sahiptir. Ancak EKGG?nin klinikte kabul gören bir yöntem haline gelebilmesi için modeldeki belirsizliklere karşı dayanıklı yenilikçi kestirim yöntemlerinin geliştirilmesine ve bu yöntemlerin kapsamlı verilerle test edilmesine ihtiyaç duyulmaktadır. Bu projede Utah ve Bordeaux Üniversitelerinden temin ettiğimiz kapsamlı PVC ve sinüs ritim hayvan verileri kullanılmıştır. Daha önce simülasyon verilerine uygulanmış ve doğru önsel istatistiksel modellerle yüksek başarı elde edilmiş Kalman filtre Bayes MAP yöntemleri uygulanarak, kalp yüzeyindeki elektriksel aktivitenin görüntülenmesi ve PVC odaklarının klinik olarak kabul edilebilir doğrulukta tespit edilebilmesi amaçlanmıştır. Ancak bu yöntemlerin başarısı için doğru modellerin ve önsel pdf?lerin kullanılması kritik önem taşır. Literatürde bu yönde çalışmalar olmakla birlikte, test verisini bilmeden önsel pdf?lerin nasıl seçileceği, model parametrelerindeki belirsizliklerin çözüme nasıl dahil edileceği, ve sonuçların doğruluğunun nasıl değerlendirileceği henüz cevaplanamamış araştırma sorularıdır. Bu proje kapsamında, bu soruları cevaplamak yolunda özgün araştırmalar yapılmıştır. Epikart potansiyellerinin önsel pdf?lerini yüksek doğrulukla elde edebilmek için çok kapsamlı bir simülasyon veri tabanı oluşturulmuştur. Bu simülasyon veri setiyle oluşturulan önsel modellerin ölçülmüş eğitim setleriyle benzer hatta bazı durumlarda daha iyi EKGG başarımı sunduğu görülmüştür. Farklı senaryolarla elde edilmiş eğitim setleriyle Bayes MAP ve Kalman filtre performansları değerlendirilmiş, en iyi çözümü verebilecek yöntem ve eğitim seti tespit edilmeye çalışılmıştır. Eğitim setlerinin ve başarıma katkılarının evidence ile birlikte kapsamlı şekilde değerlendirilmesi literatürde ilk kez yapılmıştır. Evidence en büyükleme yönteminin doğru eğitim setini önermede fayda sağlayabildiği değerlendirilmiştir. Ancak tek başına güvenilir bir değerlendirme yöntemi olarak kabul edilebilmesi için daha fazla incelemeye gerek duyulmaktadır. Geometrik hataların Bayes MAP yönteminde çözüm sürecine dahil edilerek EKGG başarımının artırılması literatürde ilk kez bu çalışmada kapsamlı bir veri seti kullanılarak yapılmıştır. Geometrik hatalar kalp geometrisinde kaydırma, ölçekleme ve rotasyon olarak tanımlanmıştır. Geometrik hatanın istatistiksel modelinin basit bir şekilde de olsa çözümlere dahil edilmesinin, tamamen yok sayılmasına göre çok daha iyi sonuçlar verdiği gösterilmiştir. Burada kullandığımız iki farklı geometric hata modeli en çok iyileştirmeyi kaydırma hataları için sağlamıştır.

Subject Keywords

Elektrokardiyografi, Ters Problem, Kalman Filtre, Bayes MAP, Önsel model, Geometrik hata, Electrocardiography, Inverse problem, Kalman filter, Bayesian MAP, Prior model, Geometric error

URI

https://search.trdizin.gov.tr/tr/yayin/detay/1222271/bayes-kestirim-yontemlerinin-elektrokardiyografik-goruntulemeye-uygulanmasi-onsel-model-secimi-ve-gurultu-etkilerinin-azaltilmasi
https://hdl.handle.net/11511/113816

Collections

Department of Electrical and Electronics Engineering, Project and Design