طبقه بندی صداهای طبیعی و غیرطبیعی ضبط شده قلب با استفاده از آنالیز زمان- فرکانس سیگنال های PCG

سیگنال صوتی تولیدشده ناشی از فعالیت های مکانیکی قلب، اطلاعات مفیدی در رابطه با عملکرد دریچه های قلبی فراهم می کند. اما به دلیل محدودیت شنوایی انسان، ماهیت گذرا و غیر ایستان سیگنال صدای قلب و انرژی پایین تر صداهای پاتولوژیک نسبت به صداهای طبیعی، یافتن نشانه های بیماری و تصمیم گیری برمبنای صداهای شنیده شده از طریق گوشی پزشکی کار دشواری بوده و نیاز به تمرین و تکرار زیادی دارد. به دلیل محتوای تشخیصی بالای سوفل ها در هر دو حوزه زمان و فرکانس، استخراج ویژگی های زمان- فرکانس مناسب ترین روش برای پردازش این صداهای غیرطبیعی به شمار می روند. در این تحقیق به منظور طبقه بندی صداهای قلبی، ویژگی های حوزه زمان- فرکانس از سیگنال های صدای قلب استخراج شده است. در مرحله طبقه بندی، از ترکیب دو طبقه بند 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. این روش بر روی پایگاه داده چالش 2016 فیزیونت پیاده سازی شده است. نتایج حاصل نشان دهنده عملکرد بهتر راهکار پیشنهادی در مقایسه با بهترین روش موجود در چالش 2016 فیزیونت و دست یابی به حساسیت %93.27 و اختصاصیت 81.96% در طبقه بندی صداهای قلبی است درحالی که بهترین روش در چالش 2016 فیزیونت به حساسیت% 93.48 و اختصاصیت %80.36 دست یافته است.