ورود
مقالات فارسیISIکنفرانسهاژورنالها

طبقه‌بندی صداهای طبیعی و غیرطبیعی ضبط‌شده قلب با استفاده از آنالیز زمان- فرکانس سیگنال‌های ‌PCG

محل انتشار: فصلنامه مهندسی برق دانشگاه تبریز، دوره: 50، شماره: 2
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 353

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/1124023

شناسه ملی سند علمی:

JR_TJEE-50-2_013

تاریخ نمایه سازی: 4 آذر 1399

چکیده مقاله:

سیگنال صوتی تولیدشده ناشی از فعالیت‌های مکانیکی قلب، اطلاعات مفیدی در رابطه با عملکرد دریچه‌های قلبی فراهم می‌کند. اما به دلیل محدودیت شنوایی انسان، ماهیت گذرا و غیر ایستان سیگنال صدای قلب و انرژی پایین‌تر صداهای پاتولوژیک نسبت به صداهای طبیعی، یافتن نشانه‌های بیماری و تصمیم‌گیری برمبنای صداهای شنیده‌شده از طریق گوشی پزشکی کار دشواری بوده و نیاز به تمرین و تکرار زیادی دارد. به دلیل محتوای تشخیصی بالای سوفل‌ها در هر دو حوزه زمان و فرکانس، استخراج ویژگی‌های زمان- فرکانس مناسب‌ترین روش برای پردازش این صداهای غیرطبیعی به شمار می‌روند. در این تحقیق به‌منظور طبقه‌بندی صداهای قلبی، ویژگی‌های حوزه زمان- فرکانس از سیگنال‌های صدای قلب استخراج شده است. در مرحله طبقه‌بندی، از ترکیب دو طبقه‌بند AdaBoost و شبکه عصبی کانولوشن استفاده شده و درنهایت عملکرد روش پیشنهادی با استفاده از روش leave-one-out روش پیشنهادی مورد ارزیابی قرارگرفته است. این‌روش بر روی پایگاه داده چالش 2016 فیزیونت پیاده‌سازی شده است. نتایج حاصل نشان‌دهنده عملکرد بهتر راهکار پیشنهادی در مقایسه با بهترین روش موجود در چالش 2016 فیزیونت و دست‌یابی به حساسیت %93.27 و اختصاصیت 81.96% در طبقه‌بندی صداهای قلبی است درحالی‌که بهترین روش در چالش 2016 فیزیونت به حساسیت% 93.48 و اختصاصیت %80.36 دست یافته است.

کلیدواژه ها:

نویسندگان

هانیه حاضری

دانشکده مهندسی برق و کامپیوتر - دانشگاه رازی

قاسم عازمی

دانشکده مهندسی برق و کامپیوتر - دانشگاه رازی

پگاه زرجام

دانشکده مهندسی برق و کامپیوتر - دانشگاه رازی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • [1]           K. Rezaee and J. Haddadnia, “Design and performance evaluation ...
  • [2]           F. Javed, P. Venkatachalam, and A. F. MH, “A ...
  • [3]           G. D. Cliffordet al., “Classification of normal/abnormal heart sound ...
  • [4]           D. B. Springer, L. Tarassenko, and G. D. Clifford, ...
  • [5]           M. Nabih-Ali, E.-S. A. El-Dahshan, and A. S. Yahia, ...
  • [6]           J. Xu, L. Durand, and P. Pibarot, “Nonlinear transient ...
  • [7]           J. Xu, L.-G. Durand, and P. Pibarot, “Extraction of ...
  • [8]           T. Leung, P. White, W. Collis, A. Salmon, and ...
  • [9]           L. Huiying, L. Sakari, and H. Iiro, “A heart ...
  • [10]         H. Liang and I. Nartimo, “A feature extraction algorithm ...
  • [11]         T. Nilanon, J. Yao, J. Hao, S. Purushotham, and ...
  • [12]         M. Zabihi, A. Bahrami Rad, S. Kiranyaz, M. Gabbouj, ...
  • [13]         J. Rubin, R. Abreu, A. Ganguli, S. Nelaturi, L. ...
  • [14]         H. Shino, H. Yoshida, K. Yana, K. Harada, J. ...
  • [15]         S. Jabbari and H. Ghassemian, “Modeling of heart systolic ...
  • [16]         C. Potes, S. Parvaneh, A. Rahman, and B. Conroy, ...
  • [17]         M. N. Homsi et al., “Automatic heart sound recording ...
  • [18]         D. BARSCHDORFF, S. ESTER, and E. MOST, “Phonocardiogram analysis ...
  • [19]         I. Grzegorczyk et al., “PCG classification using a neural ...
  • [20]         M. A. Goda and P. Hajas, “Morphological determination of ...
  • [21]         B. Boashash, G. Azemi, and N. A. Khan, “Principles ...
  • [22]         J. J. G. Ortiz, C. P. Phoo, and J. ...
  • [23]         N. Verbiest, C. Cornelis, and R. Jensen, “Fuzzy rough ...
  • [24]         J. M. Keller, M. R. Gray, and J. A. ...
  • [25]         W.-C. Kao and C.-C. Wei, “Automatic phonocardiograph signal analysis ...
  • [26]         B. Boashash, G. Azemi, and J. M. O'Toole, “Time-frequency ...
  • [27]         B. Boashash, Time-frequency signal analysis and processing: a comprehensive ...
  • [28]         C. Liu, D. Springer, and G. D. Clifford, “Performance ...
  • [29]         C. Liu et al., “An open access database for ...
  • ]30[     مرتضی خرّم کشکولی، مریم دهقانی، « تشخیص، شناسایی و ...
  • ]31[      صفر ایراندوست پاکچین، سعید مشگینیو سجاد نصیرزاده، « بازشناسی ...
  • [32]         L. G. Valiant, “A theory of the learnable," Communications ...
  • [33]         S. Abney, R. E. Schapire, and Y. Singer, “Boosting ...
  • [34]         F. Smeraldi, M. Defoin-Platel, and M. Saqi, “Handling Missing ...
    • نمایش کامل مراجع