Reduction of false arrhythmia alarms on patient monitoring systems in intensive care units by using fuzzy logic algorithms
Yoğun bakım ünitelerindeki hasta başı monitörlerinde yanlış aritmi alarmlarının bulanık mantık algoritmaları kullanılarak azaltılması
- Tez No: 489557
- Danışmanlar: DOÇ. DR. YEŞİM SERİNAĞAOĞLU DOĞRUSÖZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 154
Özet
Günümüz hastane ünitelerinde gelismis medikal cihazlar, görüntüleme, tanı ve tedavi açısından önem arz etmektedir. Bunlardan Hasta Bası Monitörleri (HBM) gelismis sinyal isleme algoritmaları ve sensörleriyle erken tanı imkanı saglayarak ve alarm vererek özellikle yogun bakım ünitelerinin ihtiyaçlarını karsılamaktadırlar. Bu sayede hastalardaki kritik ve olagandısı reaksiyonlara anında müdahale edilebilmektedir. Fakat bu cihazlarda algılayıcı uçlarda temassızlık, hastanın fiziksel hareketi, veya cihazdaki algoritmanın hatası sonucu yanlıs alarmlar ortaya çıkabilmekte acil bir durum olmadıgı halde cihaz alarm verebilmektedir. Yapılan bir arastırmaya göre hasta bası monitörlerinin verdigi alarmların %43'ünün yanlıs alarm oldugu, hatta bu oranın bazı durumlarda %90'lara kadar çıkabildigi saptanmıstır. Bu da hastane kaynaklarının bosa harcanmasına, hastane personelinin tepki süresinin uzamasına ve alarmların sıradan olarak algılanmasına yol açmaktadır. Yukarda bahsedilen insan veya cihaz kaynaklı hataların azaltılması için elektrokardiyografi (EKG) verisi dısında ek verilerin de degerlendirilip, sonuçların füzyon edilmesi ile daha hassas sonuçlar elde edilebilmektedir. Bu çalısmada EKG verisinin, fotopletismografi (PPG) ve arteryel kan basıncı (ABP) verilerinin analizi ile hasta bası monitörlerindeki bes temel aritmi (asistoli, bradikardi, tasikardi, ventriküler tasikardi, ventriküler fibrilasyon) için yanlıs alarmların azaltılması amaçlanmaktadır. Bu dogrultuda dört farklı algoritma gelistirilmis ve bu algoritmalar Physionet Challenge 2015 veri seti üzerinde egitilip test edilmistir. Yapılan arastırmalar sonunda veri setinden sadece EKG verisi kullanılarak %83.3 hassaslık ve %77.4 özgüllük elde edilmistir. EKG ve PPG verileri birlikte kullanıldıgında hassaslık %6.7 artırılırken buna karsılık özgüllükte %7.9 düsüs gözlemlenmistir. EKG, PPG ve ABP verileri ile birlikte kullanıldıgında hassaslık %8 artırılırken buna karsılık özgüllükte %4 düsüs gözlemlenmistir. Bu çalısma kapsamında gelistirmis oldugumuz metotlardan elde edilen sonuçlar, kardiyalogların aritmi saptama isterleri içerisinde kalmakta olup aynı data bankasını kullanan literatürdeki diger yöntemlere göre özellikle bradikardi ve ventriküler tasikardi alarmlarında daha iyi performans göstermektedir.
Özet (Çeviri)
Generally in hospitals, monitoring devices in the intensive care units (ICU) have high rates of false arrhythmia alarms independent of their brands and prices. These falsely issued alarms have financial and physiological effects such as redundant usage of hospital resources and hassling patients' rest, reducing sensitivity of the hospital staff to potential emergency cases, which is named as“false alarm fatigue”. According to Deshmane et al. (2009), 43% of arrhythmia alarms in ICUs are false. Moreover, This rate reaches 90% in some of the arrhythmia types. In our study, we considered that the alarms are triggered by five life threatening conditions, which are asystole (ASY), bradycardia (EBR), tachycardia (ETC), ventricular tachycardia (VTA), ventricular flutter/fibrillation (VFB). These alarms are usually triggered by analysis of ECG and pulsatile waveforms recorded by patient monitoring equipments, which have standard alarm triggering criteria such as instantaneous thresholds on the predictor values. Most of the ICU false alarms are caused by single channel artifacts. In this study, we aim to fuse ECG features with information from other independent signals and get more robust alarm algorithms for ICUs. Pulsatile waveforms, which are highly correlated signals, can be used to corroborate the alarm category and to suppress significant number of false ECG alarms in ICUs. Photoplethysmogram (PPG), arterial blood pressure (ABP) or both PPG, and ABP can be used for this purpose. These waveforms are the least noisy pressure signals available in certain ICUs, and rarely contain ECG-related artifacts. We implemented four different algorithms that use information from ECG, PPG and ABP waveforms. We trained and tested these algorithms on Physionet Challenge 2015 database, which consists of 5 main arrhythmia types and total of 750 recordings. These algorithms have main analysis steps as: pre-processing (bandpass filters to remove baseline artifacts, scaling to normalize the amplitude of waveforms), beat detection, alarm decision (for the generic algorithm). Our results show that if we use only ECG data of the whole dataset, we can obtain 88.3% sensitivity and 77.4% specificity with negligible difference in results between two simultaneous ECG channels. When we use ECG with ABP and PPG combinations, our sensitivity was increased by 8% but specificity decreased by 4%. When we use ECG with PPG combinations, our sensitivity was increased by 6.7% but specificity decreased by 7.9%. These improved methods obtained in this work are around the tolerances accepted by expert physicians, and slightly outperform the results of EBR and VFB cases by the other known algorithms evaluated with the same database.
Benzer Tezler
- Intelligent arrhythmia classification based on support machines
Destek vektör makineleri kullanılarak aritmi sınıflandırması
ASLI UYAR ÖZKAYA
Yüksek Lisans
İngilizce
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FİKRET GÜRGEN
- Kistik fibrozis tanılı hastalarda glukoz metabolizmasının değerlendirilmesi
Evaluation of glucose metabolism in patients with cystic fibrosis
ONUR GÖZMEN
Tıpta Uzmanlık
Türkçe
2019
Endokrinoloji ve Metabolizma HastalıklarıHacettepe ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. DENİZ DOĞRU ERSÖZ
- İlköğretim okullarında uygulanan madde kullanımını önleme programlarının bilgi ve beceri düzeylerine etkisinin değerlendirilmesi
Assessment of knowledge and skills levels of school-based substance use prevention program applied to the elementary school
EDA ERMAĞAN
Yüksek Lisans
Türkçe
2010
Adli Tıpİstanbul ÜniversitesiSosyal Bilimler Ana Bilim Dalı
YRD. DOÇ. DR. NEYLAN ZİYALAR
- Sismik sensör ağı kullanılarak insan düşmesinin tespit edilmesi
Indoor fall detection using a network of seismic sensors
HALİL İBRAHİM SÜMER
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SEVGİ ZÜBEYDE GÜRBÜZ
- Integrative machine learning approaches for enhanced cardiovascular disease prediction: A comparative analysis of XGBoost and ANFIS algorithms
Kardiyovasküler hastalık tahmininin geliştirilmesi için entegratif makine öğrenmesi yaklaşımları: XGBoost ve ANFIS algoritmalarının karşılaştırmalı analizi
DIYAR FADHIL MUHYI MUHYI
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DOÇ. DR. OĞUZ ATA