Evrişimsel sinir ağı ve QRS imgeleri kullanarak EKG tabanlı biyometrik tanıma yöntemi
Hakan Gurkan, Ayca HanilciBursa Teknik Üniversitesi, Mühendislik ve Doğa Bilimleri Fakültesi, Elektrik Elektronik Mühendisliği Bölümü, BursaMedikal uygulamalarda yaygın olarak kullanılan elektrokardiyogram (EKG) işaretleri, aldatma saldırılarına karşı güçlü kılan yaşam işareti olma özelliği sayesinde, biyometrik uygulamalar için bir biyometrik büyüklük olarak kullanılmaya başlanmıştır. Bilgisayar sistemlerinin hesaplama güçlerinin artmasına bağlı olarak kişi tanıma ve sınıflandırma doğruluğunu arttırmak amacıyla son yıllarda EKG biyometrik tanıma için birkaç evrişimsel sinir ağı (ESA) tabanlı yöntem sunulmuştur. Bu çalışmada, QRS (QRS dalgası) imgeleri ve 2 boyutlu ESA yapısı kullanılarak EKG işaretleri tabanlı bir biyometrik tanıma yöntemi önerilmiştir. Önerilen yöntemde, ilk olarak EKG işaretleri gürültü temizleme ve QRS belirleme algoritmalarından geçirilerek QRS bölütlerine ayrılmıştır. Elde edilen bu bölütler R noktalarına göre hizalandıktan sonra 256x256 büyüklüğünde QRS imgesi olarak adlandırılan 2 boyutlu EKG işaretlerine dönüştürülmüştür. Son olarak elde edilen bu QRS imgelerinin giriş olarak uygulandığı 2 boyutlu bir ESA modeli geliştirilerek biyometrik tanıma gerçekleştirilmiştir. Önerilen yöntemin başarımı diğer ESA tabanlı EKG biyometrik tanıma yöntemleri ile karşılaştırmalı olarak incelenmiştir. Önerilen yöntem 46 kişiden oluşan bir EKG veri kümesi üzerinde %98.08 doğruluk oranı ve %99.275 kişi tanıma oranı sağlamıştır.
Anahtar Kelimeler: Elektrokardiyogram (EKG), Biyometrik, Evrişimsel Sinir Ağı (ESA), QRS imgeleriECG based biometric identification method using QRS images and convolutional neural network
Hakan Gurkan, Ayca HanilciDepartment of Electrical Electronics Engineering, Bursa Technical University, Bursa, TurkeyElectrocardiogram (ECG) signals, which are commonly used in medical applications, have been started to use as a biometric modality for biometric applications thanks to its liveness indicator that makes it stronger against spoofing attacks. Due to improving computational power of computer systems, several convolutional neural network (CNN) based methods have been recently proposed for ECG biometric identification in order to increase identification performance and classification accuracy. In this work, we proposed an ECG based biometric identification method using QRS (QRS wave) images and two-dimensional CNN. In the proposed method, ECG signals were segmented by applying noise removing and QRS detection algorithms. After these segments were aligned according to their R-points, they were transformed to two-dimensional ECG signals called QRS images of size 256x256. Finally, biometric identification task was achieved by developing a CNN based ECG biometric identification method which uses the QRS images as an input. The identification performance of the proposed method was compared to other CNN based ECG biometric identification methods proposed in the literature. The experimental results show that the proposed method provides an accuracy of 98.08% and an identification rate of 99.275% for a public ECG database of 46 persons.
Keywords: Electrocardiogram (ECG), Biometrics, Convolutional Neural Network (CNN), QRS imagesSorumlu Yazar: Hakan Gurkan, Türkiye
| ARAÇLAR |
 Tam Metin PDF Yazdır Alıntıyı İndir RIS EndNote BibTex Medlars Procite Reference Manager E-Postala Paylaş Yazara e-posta gönder
Benzer makaleler Google Scholar |