Problems arising from cardiological disorders are increasing in the world and in our country. Diagnosis of heart diseases is especially important. At this stage, developments in the field of engineering are effective. Thanks to the designed devices and softwares, assistant applications are made especially for physicians in biomedical field. Applications created in this way provide physicians facilities in diagnosis procedures. It also create extra time to determine treatment plans.In this study is aimed to automatically detect Atrial Fibrillation (AF), which is a type of bridging arrhythmia that is foremost of cardiologic disease. In the literature, many different methods such as Discrete or Continuous Wavelet Transform, Hadamard Transform, Wavelet Entropy are used for automatic AF detection.Phsiyobank ATM database is used for this study. Here, a total of 62 12-hour RR Interval (RRI) length series were obtained from Holter ECG signals of individuals with 31 pieces of Atrial Fibrillation Rhythm (AFR) and 31 piesces of Normal Sinus Rhythm (NSR). RRI arrays appear to be the most important determining factor for AF signals. This data is re-sampled by converting it to time axis. At this stage, signal processing techniques are used. Subsequently, the Discrete Wavelet Transform method was applied to the signals. On this page, the distinguishing characteristics of the signals have been determined. wavelet energies of RRI sequences with Wavelet Transform are then looked at. These properties are converted into graphics with Boxplot and the results are examined. To obtain statistical data after these operations, the wavelet energies of the RRA sequences are classified by the Support Vector Machine method and the AFR is decomposed from the NSR. When the results were examined, it was seen that AFR and NSR were separated by 99.60 % success rate.

Kardiyolojik rahatsızlıklardan kaynaklı sorunlar dünyada ve ülkemizde giderek artmaktadır. Özellikle kalp kaynaklı hastalıklara tanı konması ve teşhis edilmesi önemli bir konumdadır. Bu aşamada mühendislik alanındaki gelişmeler etkili olmaktadır. Tasarlanan cihazlar ve yazılımlar sayesinde özellikle biyomedikal alanında hekimlere yardımcı uygulamalar yapılmaktadır. Bu sayede oluşturulan uygulamalar hekimlere tanı ve teşhis işlemlerinde kolaylık sağlamaktadır. Ayrıca tedavi planlarının belirlenmesi için bu gelişmeler zaman kazandırmaktadır.Bu çalışmada kardiyolojik rahatsızlıkların başında gelen aritmi hastalığının bir çeşidi olan Atrial Fibrilasyon'un (AF) otomatik olarak tespitinin yapılması amaçlanmıştır. Literatüre bakıldığında AF'nin otomatik tespiti için Ayrık ya da Sürekli Dalgacık Dönüşümü, Hadamarad Dönüşümü, Dalgacık Entropisi gibi birçok farklı metot kullanılmıştır. Bu çalışma için Phsiyobank ATM veritabanı kullanılmıştır. Buradan 31 adet Atrial Fibrilasyon Ritmi'ne (AFR) ve 31 adet Normal Sinüs Ritmi'ne (NSR) sahip bireylerden alınan Holter EKG işaretlerinden toplamada 62 adet 12'şer saat RR Aralığı (RRA) uzunluk serileri alınmıştır. RRA dizileri AF işaretleri için en önemli belirleyici unsur olarak karşımıza çıkmaktadır. Alınan bu veriler zaman eksenine çevrilerek yeniden örneklenmiştir. Bu aşamada sinyal işleme teknikleri kullanılmıştır. Daha sonrasında ise sinyallere Ayrık Dalgacık Dönüşümü Metodu uygulanmıştır. Bu sayede sinyallerin ayırt edici özellikleri belirlenmiştir. Sonrasında Dalgacık Dönüşümü uygulanmış, RRA dizilerinin dalgacık enerjilerine bakılmıştır. Bu özellikler Boxplot ile grafik haline dönüştürülmüştür ve sonuçlar incelenmiştir. Bu işlemlerden sonra istatistiksel verileri elde etmek için RRA serilerinin dalgacık enerjileri Destek Vektör Makinası Metodu ile sınıflandırılmış ve AFR'nin NSR'den ayrıştırılması sağlanmıştır. Sonuçlar incelendiğinde AFR ile NSR'nin % 99,60 başarı oranında ayrıştığı görülmüştür.