طبقه بندی خودکار صداهای طبیعی و غیرطبیعی قلبی با ترکیب ویژگی های مبتنی بر تبدیل موجک و ضرایب کپسترال استخراج شده از علامت های پی سی جی

صداهای قلبی در اثر فعالیت های مکانیکی قلب ایجاد می شوند و اطلاعات مفیدی در رابطه با عملکرد دریچه های قلبی فراهم می کنند. به دلیل ماهیت گذرا و غیرایستان علامت صدای قلب و محدودیت شنوایی گوش انسان، یافتن نشانه هایی براساس صداهای شنیده شده از گوشی پزشکی برای طبقه بندی علامت های صدای قلب امری دشوار است. بنابراین، تجزیه و تحلیل علامت صدای قلب به منظور فراهم نمودن یک الگوریتم خودکار برای تشخیص اولیه بیماری قلبی کاری بسیار ارزشمند است. در این مقاله یک روش خودکار برای طبقه بندی صداهای قلبی با استفاده از علامت های ضبط شده از دستگاه فونوکاردیوگرام ارایه شده است. در روش پیشنهادی ضرایب کپسترال بسامد مل (ام اف سی سی) به همراه ویژگی های مبتنی بر تبدیل موجک از علامت صدای قلبی استخراج می شوند. در مرحله ی بعدی، بهترین مجموعه از ویژگی ها با استفاده از الگوریتم جستجوی ترتیبی روبه جلو (اس اف ا ف اس) انتخاب می گردند. سرانجام، مجموعه ویژگی های انتخاب شده به ورودی طبقه بند ماشین های بردار پشتیبان (اس وی ام) اعمال شده، تا صداهای قلبی طبقه بندی شوند. عملکرد روش پیشنهادی با استفاده از مجموعه داده عمومی که توسط برگزارکنندگان چالش صداهای قلب (چالش 2016 در تارگاه فیزیونت) ارایه شده، ارزیابی شد. روش پیشنهادی میانگین ام ای سی سی برابر با 88/15 درصد، میانگین حساسیت 92/74 درصد و میانگین اختصاصیت 83/56 درصد را در طبقه بندی صداهای قلبی فراهم کرد. نتایج نشان می دهند که روش پیشنهادی دارای عملکرد بهتری نسبت به بهترین روش های موجود است و ابزاری مناسب در تجزیه و تحلیل صداهای قلبی است.