سال 10، شماره 1 - ( دو فصل‌نامه انجمن مهندسی صوتیات ايران بهار و تابستان 1401 )                   جلد 10 شماره 1 صفحات 12-1 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Zarei A, Ghasemi A, Gholamipour M. Automatic classification of normal and abnormal cardiac sounds by combining features based on wavelet transform and capstral coefficients extracted from PCG signals (Research Article). مجله علمی پژوهشی انجمن علوم صوتی ایران 2022; 10 (1) :1-12
URL: http://joasi.ir/article-1-245-fa.html
زارعی اصغر، قاسمی امیر، غلامی پور مجتبی. طبقه‌بندی خودکار صداهای طبیعی و غیرطبیعی قلبی با ترکیب ویژگی‌های مبتنی بر تبدیل موجک و ضرایب کپسترال استخراج‌شده از علامت‌های پی‌سی‌جی (مقاله پژوهشی). مجله علمی پژوهشی انجمن علوم صوتی ایران. 1401; 10 (1) :1-12

URL: http://joasi.ir/article-1-245-fa.html


چکیده:   (787 مشاهده)
صداهای قلبی در اثر فعالیت‌های مکانیکی قلب ایجاد می‌شوند و اطلاعات مفیدی در رابطه با عملکرد دریچه‌های قلبی فراهم می‌کنند. به‌دلیل ماهیت گذرا و غیرایستان علامت صدای قلب و محدودیت شنوایی گوش انسان، یافتن نشانه‌هایی براساس صداهای شنیده‌شده از گوشی پزشکی برای طبقه‌بندی علامت‌های‌ صدای قلب امری دشوار است. بنابراین، تجزیه و تحلیل علامت صدای قلب به‌منظور فراهم نمودن یک الگوریتم خودکار برای تشخیص اولیه بیماری قلبی کاری بسیار ارزشمند است. در این مقاله یک روش خودکار برای طبقه‌بندی صداهای قلبی با استفاده از علامت‌های ضبط‌شده از دستگاه فونوکاردیوگرام ارائه شده است. در روش پیشنهادی ضرایب کپسترال بسامد مِل (اِم‌اِف‌سی‌سی) به همراه ویژگی‌های مبتنی بر تبدیل موجک از علامت صدای قلبی استخراج می‌شوند. در مرحله‌ی بعدی، بهترین مجموعه از ویژگی‌ها با استفاده از الگوریتم جستجوی ترتیبی روبه‌جلو (اِس‌اِف‌اِ‌ف‌اِس) انتخاب می‌گردند. سرانجام، مجموعه ویژگی‌های انتخاب‌شده به ورودی طبقه‌بند ماشین‌های بردار پشتیبان (اِس‌وی‌اِم) اعمال شده، تا صداهای قلبی طبقه‌بندی شوند. عملکرد روش پیشنهادی با استفاده از مجموعه داده عمومی که توسط برگزارکنندگان چالش صداهای قلب (چالش 2016 در تارگاه فیزیونت) ارائه شده، ارزیابی شد. روش پیشنهادی میانگین اِم‌اِی‌سی‌سی برابر با 88/15 درصد، میانگین حساسیت 92/74 درصد و میانگین اختصاصیت 83/56 درصد را در طبقه‌بندی صداهای قلبی فراهم کرد. نتایج نشان می‌دهند که روش پیشنهادی دارای عملکرد بهتری نسبت به بهترین روش‌های موجود است و ابزاری مناسب در تجزیه و تحلیل صداهای قلبی است.
متن کامل [PDF 753 kb]   (725 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: پردازش علائم صوتی
دریافت: 1401/2/26 | پذیرش: 1401/4/17 | انتشار: 1401/6/31

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.