یک مدل جدید برای تشخیص بیماری های قلبی با استفاده از تبدیل موجک (DWT) و تبدیل هیلبرت هوانگ(HHT)

ارزیابی صداهای قلبی که توسط ضربان قلب ایجاد می شود و جریان خون حاصل از آن ابزار ارزشمندی برای تشخیص بیماری های قلبی عروقی (CVD) فراهم می کند. فونوکاردیوگرام (PCG) یک روش آنالیز مهم برای تشخیص بیماری های قلبی عروقی است که معمولا توسط متخصصان مجرب پزشکی انجام می شود. با توجه به نسبت بالای بیماران به پزشکان، نیاز مبرمی به یک سیستم طبقه بندی فونوکاردیوگرام برای تشخیص بیماری های قلبی عروقی وجود دارد. هنگامی که صدای قلب به دست آمد، می توان آن را از طریق تکنیک های نرم افزاری به کمک رایانه طبقهبندی کرد، این تکنیکها به چرخه صدای قلب با دقت بیشتری برای فرآیند استخراج ویژگی نیاز دارند. این مقاله یک یک مدل جدید برای تشخیص بیماری های قلبی با استفاده از تبدیل موجک (DWT) و تبدیل هیلبرت هوانگ(HHT) توسط سیگنال صدای قلب پیشنهاد می کند. در این مدل ویژگی ها را از سیگنال فونوکاردیوگرام استخراج می کنیم و سپس آن ویژگی ها را با استفاده از تکنیک های یادگیری ماشین برای طبقه بندی پردازش می کنیم.

کلیدواژه ها:

کلمات کلیدی: فونوکاردیوگرام ، بیماری قلبی ، تبدیل موجک گسسته ، ماشین بردار پشتیبان