Kalp hastalığına bağlı ölüm oranları dünyadaki günlük ölüm oranlarında büyük bir yer edinmektedir. Uzun yıllardır doktorlar kalp hastalıklarının teşhisi için ilk olarak hastanın kalp atış sesini dinlemekte ve bu veriye dayalı olarak hastaya ilk tanıyı koymaya çalışmaktadır. Kalp sesinden hastalık olup olmadığını anlamak tecrübe gerektirdiği için zor bir iştir. Derin öğrenme ile kalp atış sesinin sınıflandırması da zor bir iştir. Çünkü stetoskop ile alınan seslerde hem akciğer sesi hem de diğer dış ortam sesleri yanlış tanıya neden olabilmektedir. Bu çalışmada veri kümesi olarak halka açık bir kütüphane olan “Pascal Heart Sound Challenge” kullanılmıştır. Veri kümesinde üç kategori bulunmaktadır. Bunlar; “Normal”, “Murmur” ve “Extra-systole” dur. Bu çalışmada kalp atışı ses sinyalinin hangi sınıfa ait olduğunu yüksek oranda doğru tahmin etmek amaçlanmaktadır.
Death rates due to heart disease have a large place in the daily death rates in the world. For many years, doctors have first listened to the patient's heartbeat sound to diagnose heart diseases and have tried to make an initial diagnosis based on this data. Understanding whether there is a disease from the heart sound is a difficult task because it requires experience. Classifying the heartbeat sound with deep learning is also a difficult task. Because both lung sounds and other external environmental sounds in the sounds taken with a stethoscope can cause misdiagnosis. In this study, the publicly available library "Pascal Heart Sound Challenge" was used as the dataset. There are three categories in the dataset. These are; "Normal", "Murmur" and "Extra-systole". In this study, it is aimed to predict the class of the heartbeat sound signal with a high degree of accuracy.
