Dünya Sağlık Örgütü verilerine göre küresel ölümlerin bir numaralı sorumlusu olan kalp hastalıklarına karşı, teknoloji dünyasından umut verici bir haber geldi. Aksaray Üniversitesi’nde gerçekleştirilen yeni bir bilimsel araştırma, karmaşık kalp sinyallerini (EKG) saniyeler içinde analiz ederek hastalıkları neredeyse hatasız bir şekilde teşhis edebilen hibrit bir yapay zeka modeli geliştirdi. Bilim dünyasında heyecan yaratan bu gelişme, doktorların iş yükünü azaltırken hayat kurtaran erken tanı sürecinde yeni bir dönemin kapılarını aralıyor.
Derin Öğrenme ve Geleneksel Yöntemlerin Güç Birliği
Geleneksel yöntemlerde EKG kayıtlarının uzmanlar tarafından manuel incelenmesi hem zaman alıyor hem de yoruma bağlı hatalara açık olabiliyordu. Geliştirilen bu yeni araştırma ise insan gözünün kaçırabileceği mikro detayları yakalamak için “Konvolüsyonel Sinir Ağları” (CNN) adı verilen derin öğrenme mimarisini kullandı. Araştırmanın fark yaratan noktası ise sadece yapay zekaya güvenmekle kalmayıp; sinyallerin dokusunu ve yönelimini analiz eden HOG, GLCM ve LBP gibi geleneksel görüntü işleme tekniklerini de sürece dahil etmesi oldu.
“ReliefF” Algoritması ile En Saf Bilgiye Ulaşıldı
Sinyal karmaşasının içinde boğulmamak için araştırmacılar, “ReliefF” adlı özel bir algoritma kullanarak binlerce veri arasından teşhis için en kritik olan öznitelikleri seçtiler. Gereksiz verilerin ayıklanmasıyla birlikte sistem, kalbin atriyal (kulakçık), ventriküler (karıncık) ve iletim sistemi bozukluklarını birbirinden ayırt etmede eşsiz bir hıza ulaştı.
Dört Temel Grupta Kusursuza Yakın Sınıflandırma
Bilimsel çalışma kapsamında EKG sinyalleri dört ana kategoride test edildi:
Normal Ritimler
Atriyal Kaynaklı Bozukluklar
Ventriküler Kaynaklı Bozukluklar
- İletim Sistemi Bozuklukları.
Deneyler sonucunda, özellikle “İletim Sistemi Bozuklukları” sınıfında %96,3 gibi çok yüksek bir başarı elde edilirken, modelin genel ortalama doğruluk oranı %96,70 olarak kaydedildi. Bu oran, literatürdeki pek çok çalışmayı geride bırakarak yapay zekanın klinik karar destek sistemlerinde ne kadar etkili olabileceğini bir kez daha kanıtladı.
Klinik Karar Süreçlerinde Yeni Bir Yardımcı
Bu araştırma, sadece teknik bir başarı sunmakla kalmıyor; aynı zamanda hastanelerdeki acil durumların daha doğru sınıflandırılmasını sağlayacak bir altyapı vaat ediyor. Yapay zeka tabanlı bu hibrit modelin, gelecekte gerçek zamanlı uygulamalarla desteklenerek akıllı saatlerden klinik monitörlere kadar geniş bir yelpazede hayat kurtarıcı bir rol oynaması bekleniyor.
Kaynak: Temel, Ş. (2026). Kalp Hastalıkları Görüntüleri ile Özellik Çıkarma Yöntemleri Kullanılarak Derin ve Makine Öğrenme Yöntemlerinin Performans Karşılaştırması. (Yüksek Lisans Tezi). Aksaray Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Anabilim Dalı. Tez No; 1002792
