Bu çalışmada, Elektrokardiyogram (EKG) işaretlerinde ortaya çıkan aritmilerin Karınca Koloni Optimizasyon (KKO) temelli kümeleme teknikleri ile sınıflanması gerçekleştirilmiştir. Kullanılan EKG işaretleri MIT-BIH aritmi veritabanından alınmıştır. Yapılan uygulamada zaman uzayı öznitelikleri ve frekans uzayında Ayrık Dalgacık Dönüşüm (ADD) öznitelikleri analiz edilmiştir. ADD öznitelik sayısı zaman uzayındaki öznitelik sayısıyla karşılaştırıldığında oldukça fazla olduğundan Temel Bileşen Analizi (TBA) vasıtasıyla farklı bir uzaya dönüştürülerek boyutları azaltılmış ve en yüksek enerjiye sahip öznitelikler seçilmiştir. Frekans uzayında seçilen bu öznitelikler zaman uzayında seçilen öznitelikler ile birleştirilerek sınıflayıcıya verilecek toplam giriş vektörü elde edilmiştir. Zaman uzayında, frekans uzayında ve her ikisi birlikte olacak şekilde farklı öğrenme ve test kümeleri oluşturularak sonuçları mukayese edilmiştir. KKO temelli sınıflayıcının başarımını test etmek ve doğrulamak için yapılan çalışmaya paralel olarak Kohonen ağı ve Geri Yayılımlı Yapay Sinir Ağı (GYYSA) sistemi geliştirilmiştir. Geliştirilen algoritmaların testi için MIT-BIH veritabanında 360 Hz ile LMII kanalından örneklenen 6 farklı ve önemli aritmi sınıfı kullanılmıştır. Normal sinus ritmi, erken karıncık atımları (“premature ventricular contraction”, PVC), erken kulakçık atımları (“atrial premature contraction”, APC), sağ dal blok (“right bundle branch block”, RBBB), karıncık füzyonu (“ventricular fusion”, F) ve füzyon (“fusion”, f). Zaman uzayındaki ve frekans uzayındaki özniteliklerin birlikte kullanılmasının başarımı artırdığı görülmüştür.  

Anahtar Kelimeler: Elektrokardiyogram, aritmi sınıflama, temel bileşen analizi, karınca koloni optimizasyonu.