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

Abstract

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.