ارزیابی و تخمین ویژگی های جدید از روی دادگان صدای قلبی به منظور تشخیص ناهنجاری های قلب

امروزه 31 درصد از مرگ و میرهای جهانی را بیماری های قلبی- عروقی تشکیل می دهند و علت اصلی مرگ و میر در جهان به شمار می روند. به علت مشکلاتی مثل عدم وجود تکنولوژی هایی همچون اکوکاردیوگرافی و دسترسی محدود به پزشکان متخصص در مناطق غیر پیشرفته از روش های خودکار برای تشخیص ناهنجاری مرتبط با فونوکاردیوگرام (Phonocardiogram یا PCG) استفاده می شود. در این پژوهش، جهت تمایز افراد طبیعی از بیماران قلبی، سه دسته ویژگی از روی سیگنال PCG تخمین زده و ارزیابی شد. دسته ی اول، استخراج ویژگی نرخ ضربان قلب و تغییرات آن، دسته ی دوم، برخی ویژگی های مورد استفاده در تجزیه و تحلیل گفتار و شناسایی الگو و دسته ی سوم، ویژگی های مرکز جرم زمانی سیگنال، مرکز جرم فرکانسی سیگنال و عرض باند موثر سیگنال بودند. در این پژوهش، روش هایی به منظور استخراج این ویژگی ها پیشنهاد و به کمک آزمون t مورد بررسی و اعتبارسنجی قرار گرفت. نتایج اعتبارسنجی برای 10 ویژگی پیشنهادی که در آن مقادیر 010/0 > P انتخاب شدند، نشان داد که 8 ویژگی می تواند تمایز دهنده ی خوبی برای جدا کردن سیگنال غیر طبیعی از طبیعی باشد. با توجه به الگوهای به دست آمده از ویژگی های استخراج شده، تمایز بین سیگنال غیر طبیعی و طبیعی به خوبی مشاهده شد که از این ویژگی ها، برای طبقه بندی سیگنال PCG می توان استفاده کرد. همچنین، در آینده می توان با استفاده از عملیات دیگری نظیر هم بستگی بر روی این الگوها، ویژگی های جدیدی استخراج کرد.