Investigating Effects of Wavelet Entropy Detailed Measures in Heart Rate Variability Analysis

Abstract

ÖzetçeBu çalışmada, kalp hızı değişkenliği (KHD) verisinin dalgacık dönüşümünden hesaplanan entropi ölçüsü olan dalgacık entropisinin konjestif kalp yetmezliği olan hastaların kontrol grubundan ayırt edilmesi uygulaması yapılmıştır. Dalgacık entropileri 29 adet konjestif kalp yetmezliği rahatsızlığı bulunan hastadan ve kontrol grubunda yer alan 54 kişiden elde edilmiştir. Bu ölçüme ilave olarak, tüm veriler üzerinden standart olarak kabul edilen KHD ölçümleri de hesaplanmıştır. Daha sonra, elde edilen ölçümlerin iki grubu ayırt etmedeki güçleri k-Yakın Komşuluk Sınıflandırıcısı için evrimsel algoritmalar kullanılarak incelenmiş ve bu ölçümlerden hangilerinin sınıflandırıcı performansını arttırdığı tespit edilmiştir. En uygun KHD ölçümlerinin kullanılması ile sınıflandırıcı genel başarımı %97.59 olarak elde edilmiştir. AbstractIn this study, wavelet entropy, which is calculated from the wavelet transform coefficients obtained from heart rate variability data, is used to distinguish the control group from the patients with congestive heart failure. Wavelet entropies are obtained from 29 patients with congestive heart failure and 54 subjects in the control group. In addition, standard heart rate variability (HRV) indices are also calculated for the whole dataset. Then, the performance of these indices in classifying these two groups is evaluated using k-Nearest Neighbor classifier and genetic algorithm. As a result, the subset of the HRV indices that increase the performance of the classifier is obtained. Using the optimal subset of HRV measures gives discrimination accuracy of 97.59%.