DOPPLER İŞARETLERİNİN DALGACIK DÖNÜŞÜMÜ VE FRAKTAL BOYUT KULLANARAK YAPAY SİNİR AĞLARI İLE SINIFLANDIRILMASI

Abstract

Son zamanlarda dolaşım sisteminde çeşitli fonksiyon bozukluklarına, damar tıkanıklığı, damar daralması ve genişlemesine oldukça sık rastlanmaktadır. Bu tür problemler sonucunda ciddi rahatsızlıklar ortaya çıkmakta ve kan akışı problemleri ölüm sebebi olabilmektedir. Bu tür ölümcül vakaları ortadan kaldırmak amacıyla, rahatsız olduğu düşünülen vücut bölgesinin analiz edilmesine dayanan Doppler Ultrason Tekniği kullanılmakta ve hastaya herhangi bir cerrahi müdahalede bulunulmamaktadır.Bu tez çalışmasında, doppler kalp işaretlerinin sınıflandırılması için örüntü tanıma temelli yeni bir uygulama yaklaşımı önerilmiştir. Önerilen yöntemde özellik çıkarma sürecinde dalgacık dönüşümü ve fraktal boyut hesaplaması, sınıflama sürecinde ise geri yayılım yapay sinir ağı kullanılmıştır. Sınıflama sonuçlarında %85 doğru sınıflama başarımı elde edilmiştir. Elde edilen bu sonuçlar [7] referansındaki entropi hesaplama içerikli çalışma sonuçları ile karşılaştırılmıştır. Buna göre; entropi hesaplama tekniğinin fraktal boyut hesaplama tekniğinden daha güvenilir sonuçlar ürettiği görülmüştür.Anahtar Kelimeler: Biyomedikal işaret işleme, Doppler ultrason, Dalgacık dönüşümü, Fraktal boyut, Yapay sinir ağları.

Recently, functional corruptions in circulation system, embolism, venoconstriction and vasolidation have been coincided very often. As a result of these problems, severe ilnesses have occured and bloodstream problems can cause to death. To prevent these illness of fatal cases, The Ultrasonic Doppler Technique, based on analysing the body area where is considered to be diseased, is used without any surgical operation to patient.In this study, a new practical approach, based on feature extraction to classify Doppler Heart Signs, has been suggested. In this approach, wavelet transform and fractal dimension calculating is used in feauture extraction process and backpropagation artificial neural network is used in classification process. At the end of study, 85% accurate classification success has been obtained. Obtained results have been compared with the results of entropy calculation refers to reference [7]. Accordingly, it is proved that entropy calculation technique produces more reliable results than fractal dimension calculating technique.Key words: Biomedical Signal Processing, Doppler Ultrasound, Wavelet Transform, Fractal Dimension, Artificial Neural Network.