سپیده جباری - دانشگاه تربیت مدرس
حسن قاسمیان - دانشگاه تربیت مدرس

بهبود عملکرد الگوریت مهای تشخیص خودکارِ بیماری های قلبی-عروقی، نیاز به دانشی اولیه از ساختارهای ذاتی و زیربنایی و رفتارهای بنیادی سیگنال صوتی قلب (PCG) دارد. مدلسازی سیگنال، ابزار توانمندی است که به ما در فهم ویژگیهای شاخص و الگوهای رفتاری معین موجود در سیگنال PCG کمک کرده و امکان استخراج ویژگیهایی که برخاسته از ماهیت سیگنال باشند را فراهم می سازد. الگوریتم جستجوی تطابق که مدل اتمی تُنُک سیگنال برروی یک دیکشنری فو قکامل را استخراج م یکند، ابزاری کارآمد برای رسیدن به این هدف می باشد. تحقیقات اخیر در این زمینه، عمدتاً برروی بکارگیری دیکشنری گابور در الگوریتم فوق متمرکز بوده اند. در این مقاله، ما الگوریتم جستجوی تطابق مبتنی بر دیکشنری بسته موجک را جهت مدلسازی صداهای اصلی و همچنین سوفلهای ناشی از بیماری در سیگنال صوتی قلب پیشنهاد می کنیم. ریشه متوسط مربع خطای نرمالیزه شده (NRMSE) بین سیگنال اصلی و سیگنال بازسازی شده با استفاده از هر دو دیکشنری محاسبه شده است. نتایج نشان می دهند که استفاده از دیکشنری بسته موجک در الگوریتم جستجوی تطابق، جهت مدل کردن خصوصیات پیچیده صداها و سوفلها بسیار مناسب بوده و منجر به NRMSE کمتر در مقایسه با دیکشنری گابور شده است.

تجزیه تُنُک، دیکشنری بسته موجک، سوفلهای قلبی، سیگنال صدای قلب، مدلِ اتمی