LABVIEW KULLANILARAK BİYOELEKTRİKSEL İŞARETLERİN ZAMAN FREKANS ANALİZİ

Abstract

Günümüzde sayısal işaret işleme tekniklerinin biyoelektriksel işaretlere uygulanmasıyla, teşhis ve tanı işlemlerinde insana bağlı karar alma süreçleri önemli ölçüde azalmıştır. İşaretlerin içerdiği bilgileri anlamak için farklı yöntemler araştırılmaya başlanmıştır. Sayısal işaret işleme tekniklerinin bu alanda öneminin anlaşılmasıyla bu konuda yapılan çalışmalar hız kazanmıştır. Bu tez çalışmasının amacı, işaret işleme tekniğini, elektronik sistemlerin uygulama alanlarından biri olan biyomedikal alanında kullanım kolaylığı sağlayacak şekilde uygulamaya geçirmektir. Biyoelektriksel işaret işleme uygulamaları için genellikle MATLAB gibi metin tabanlı programlar kullanılmaktadır. Metin tabanlı dillerdeki en önemli dezavantaj kod ezberleme gerektirmesidir. Bu tez çalışmasında, grafik tabanlı kodlama yöntemine dayalı bir dil olan LabVIEW kullanılarak işaret işleme uygulamaları için yeni ve alternatif bir yöntem araştırılmıştır. Grafik kodlama yöntemiyle metin tabanlı dillerdeki dezavantajlar en aza indirilmeye çalışılmıştır. Bu tez çalışmasında benzetim ortamı olarak LabVIEW kullanılmıştır. Biyoelektriksel işaretlerden Elektroansefalogram (EEG) ve Elektrokardiyogram (EKG) işaretleri alınarak üç farklı uygulama gerçekleştirilmiştir. İlk uygulamada on tane EKG işaretinden kalp atım sayısı tespit edilmeye çalışılmıştır. Dalgacık dönüşümü aracılığıyla QRS tespiti yapan bir ara yüz oluşturulmuştur. EKG işaretinin işlenmesi üzerine yapılan çalışmalardan farklı olarak, bu tez çalışmasında dört farklı veri tabanlarına ait veri setleri kullanılmıştır. İkinci uygulamada EKG işaretinin içerisinde bulunan RR aralıklarından parametre çıkarımı yapan bir ara yüz oluşturulmuştur. MIT-BIH veri tabanından sağlıklı ve konjestif kalp yetmezliği hastalığına (KKY) sahip otuz bireye ait RR aralıkları alınarak, Kalp Hızı Değişkenliğine (KHD) ait zaman ve frekans parametreleri çıkartılmıştır. Çıkartılan parametreler boyut indirgeme algoritmalarından biri olan Temel Bileşen Analizine (TBA) uygulanmıştır. TBA'dan elde edilen veriler k-ortalama sınıflandırıcısına uygulanarak oluşturulan programın ve çıkartılan parametrelerin doğruluk oranları belirlenmeye çalışılmıştır. Son uygulama da ise farklı duyguların EEG üzerinde gözlenebilmesi üzerine bir çalışma yapılmıştır. Çalışma için DEAP veri tabanından dört bireye ait EEG işaretleri alınmıştır. Veri tabanından alınan EEG kayıtları, deneklerde dört farklı duyguyu uyandıracak şekilde izletilen videolar esnasında kaydedilmiştir. Alınan EEG işaretlerine dalgacık dönüşümü uygulanmıştır. Farklı duygu oluşturmak için izletilen videoların EEG üzerinde meydana getirdiği değişimler Güç Spektrum Yoğunluğu oluşturularak incelenmiştir.Today, the decision-making process depends on people has decreased dramatically with the coming of digital signal processing techniques in biomedical field. To understand the information contained in the signal, different methods have been investigated. The studies have accelerated with understanding the importance of digital signal processing techniques in this field. The aim of this thesis is to implement signal processing techniques in the biomedical field which is one of the applications of electronic systems so as to provide ease of use. In bioelectrical signal processing applications often text-based programs such as MATLAB are used. The major disadvantage in these text-based languages is requiring code memorization. In this thesis, a new and alternative method for signal processing using LabVIEW that is a graphical language based method was investigated. Thanks to the graphic encoding method, disadvantages of the text based language that is tried to be minimized. In this study, LabVIEW is used as a simulation environment. Bioelectric signals Electroencephalography (EEG) and Electrocardiogram (ECG) were performed in three different applications. In the first study, number of heart beats attempts to find from the ECG signal. In this study, as differently, different data sets have been used. A system for detecting QRS from ECG signal via wavelet transform has been developed. In second application, an interface have been created for extract parameters from RR intervals which inside in ECG signal. Signals from MIT-BIH Congestive Heart Failure RR Interval and Normal Sinus Rhythms RR Interval of thirty participants were used to obtain parameters for time and frequency domains. Obtained parameters were applied to principal component analysis. Then the obtained normalized data were applied to k-mean classification algorithm so accuracy rate of extraction parameters were determined. In latter study, EEG signals from the database DEAP of four individuals were examined. EEG recordings of the subjects were recorded during watched videos to evoke four different emotions. The wavelet transform is applied to the recorded EEG signals. The changes on EEG caused by the watched video to create different feelings were examined. Power Spectrum Density (PSD) was created to examine four different frequency ranges in the EEG.