تفكيك و دسته بندي خودكار سيگنالهاي صوتي قلب مبتني بر توصيفگر موجك گسسته و طبقه بند ماشين بردار پشتيبان

Automatic heart sound classification using wavelet and support vector machine

در اين مقاله روشي جديد در شناسايي خودكار بيماري هاي قلبي، آريتمي ها و يا آسيب هاي پاتولوژيكي ناشي از سكته مختلف با استفاده از تحليل صداهاي ضبط شده از قلب معرفي شده كه از مدل هاي شناسايي الگو در استخراج ويژگي و طيقه بندي سيگنال استفاده شده است. سيستم كارآمد طراحي شده از سه گام پيش پردازش، استخراج و انتخاب ويژگي و طبقه بندي تشكيل شده است. توصيفگر موجك سبب استخراج ويژگي هاي موثري چون چولگي، ميانگين، واريانس، آنتروپي و انحراف استاندارد در چهار مرحله شده و سپس با استفاده از آناليز اجزاي اصلي ابعاد بردار ويژگي ها كاسته خواهد شد. درگام آخر، از ماشين بردار پشتيبان جهت طبقه بندي وجود يا عدم وجود بيماري قلبي از سيگنال صوتي استفاده مي شود و اين كار با روش تقسيم داده Hold-out صورت خواهد گرفت. خروجي بر اساس حالت دو كلاسه و پنج كلاسه تشخيص بيماري پيشنهاد شده و نتايج آن از وضعيت تشخيصي بهينه حكايت دارد. الگوريتم معرفي شده در اين زمينه تا حد قابل قبولي مي تواند از مشكلات روش هاي پيشين در تشخيص بكاهد و راهكار غيرتهاجي مناسبي جهت شناسايي بيماري قلبي محسوب شود.