-
عنوان: استخراج ویژگی به منظور بهبود طبقه بندی ناهنجاری های صدای قلب
-
ارائهکننده: مریم حمیدی
-
استاد راهنما: دکتر محمدحسن قاسمیان
-
استاد ناظر خارجی: دکتر مریم محبی (دانشگاه: خواجه نصیر الدین طوسی )
-
استاد ناظر داخلی: دکتر نادر مکاری یامچی
-
استاد مشاور: دکتر مریم ایمانی
-
مکان: دانشکده مهندسی برق و کامپیوتر، آزمایشگاه پردازش تصویر و آنالیز اطلاعات
-
تاریخ: 1395/6/24
-
ساعت: 8:30-9:30
چکیده
بیماریهای قلبی عروقی یکی از دلایل اصلی مرگ و میر در سرتاسر جهان محسوب میشوند. سیگنال صوتی تولید شده ناشی از فعالیت مکانیکی قلب اطلاعات مفیدی در رابطه با عملکرد دریچههای قلب فراهم میکند. از دیرباز سمع قلب یک روش غیرتهاجمی، ارزان و ساده برای تشخیص بیماریها بوده است. به دلیل محدودیت شنوایی انسان و ماهیت گذرا و غیر ایستان سیگنال صدای قلب تشخیص بر مبنای صداهای شنیده شده به سالها تجربه و مهارت نیاز دارد. از این رو ارائه سیستمی که بتواند با کمترین هزینه تشخیص اولیه درستی انجام دهد حائز اهمیت میباشد. یکی از اهداف این پایاننامه حذف مرحله قطعهبندی است، زیرا قطعهبندی دقیق نیازمند سیگنال ECG است که مهمترین ایراد آن هزینهبر بودن آن است. در این پایان نامه سه روش پیشنهادی آورده شدهاست. سوفل در اکثر موارد یک علامت بارز برای وجود بیماریاست. سوفلها صداهای فرکانس بالا هستند بدین معنا که تغییرات شدیدی دارند. به عبارت سادهتر میتوان گفت سیگنال در محل سوفل مچالهتر است. علاوه بر آن سیگنال صدای قلب یک سیگنال خودمتشابه است. در روش پیشنهادی اول، صدای قلب به عنوان یک فرکتال در نظر گرفته شده است. در این روش بعد فرکتالی سیگنال به عنوان معیاری از مچالگی سیگنال محاسبه شده است. در روش پیشنهادی دوم با هدف دستیابی به اطلاعات موجود در ترتیب و توالی سیگنال از برازش خم به کمک تابع کسری گویا استفاده کردیم. ضرایب محاسبه شده از این طریق به عنوان ویژگی به کار برده شدند. همانطور که میدانیم سیگنال صدای قلب به دلیل همزمانی با یک فرآیند بیولوژیکی تکراری یعنی سیکل قلبی، تقریبا متناوب است. تابع خود همبستگي در تعيين خواص تناوبي مخفي در سيگنال مفيد واقع ميشود. در روش پیشنهادی سوم با استخراج ویژگی از طریق تبدیل ویولت و تابع خودهمبستگی به دنبال کسب اطلاعاتی راجع به تناوب سیگنال در زیرباندهای مختلف فرکانسی بودیم. به منظور سنجش میزان کارایی روشهای پیشنهادی، این روشها بر روی 6 مجموعه دادهی مختلف پیادهسازی شدند. یکی از مجموعه دادهها دارای چهارکلاس و بقیه از دو کلاس سالم و بیمار تشکیل شدهاند. درنهایت ویژگیهای استخراجی در هر سه روش به طبقهبند نزدیکترین همسایگی با فاصله اقلیدسی داده شدند. روشهای پیشنهادی ما در مقایسه با روشهای ارائه شده در پژوهشهای قبلی مانند فیلتر بانک و تبدیل ویولت نتایج بهتری داشتند. خصوصا عملکرد روش اول در مقایسه با روشهای دوم و سوم بسیار بهتر بود به طوری که در سه مجموعهداده، دقت کل طبقهبند به ترتیب به 89% % 81% و 99% رسید.
کلمات کلیدی
16 شهریور 1395 / تعداد نمایش : 4192