عنوان

طبقه‌بندی صداهای طبیعی از غیر‌طبیعی قلب با استفاده از ترکیب الگوریتم‌های فرا‌ابتکاری و یادگیری ماشین

شماره

۴۸۶۱پ

زبان متن نوشتاري يا گفتاري و مانند آن

فارسی

عنوان اصلي

طبقه‌بندی صداهای طبیعی از غیر‌طبیعی قلب با استفاده از ترکیب الگوریتم‌های فرا‌ابتکاری و یادگیری ماشین

نام عام مواد

[پایان نامه]

نام نخستين پديدآور

پرستو صادقی‌نیا

نام ناشر، پخش کننده و غيره

صنعتی سهند

تاریخ نشرو بخش و غیره

۱۴۰۱

نام خاص و کميت اثر

۶۹ص.

ساير جزييات

مصور، جدول، نمودار

مواد همراه اثر

CD

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مهندسی پزشکی- بیوالکتریک

زمان اعطا مدرک

۱۴۰۱/۰۷/۰۱

متن يادداشت

بیماری‌های قلبی عروقی، امروزه به‌عنوان یکی از مهم‌ترین عوامل تهدیدکننده سلامتی انسان‌ها شناخته شده‌است و از جمله مهم‌ترین عاملهای مرگ و میر در جامعه هستند. بسیاری از بیماری‌ها و ناهنجاری‌های قلبی با استفاده از تکنیک‌های شنیداری، قابل تشخیص و ارزیابی می‌باشد. گوش دادن به صدای قلب یکی از اولین روش‌های کاربردی برای تشخیص بیماریهای قلبی بوده‌است. در عصر جدید نیز با استفاده از کامپیوتر، این روش به‌عنوان یک راهحل ارزان قیمت و غیرتهاجمی برای بررسی بیماریهای قلبی توسعه یافته‌است. سیگنال‌های فونوکاردیوگرافی (PCG)، اطلاعات ارزشمندی را در مورد عملکرد دریچه‌های قلبی در هنگام ضربان قلب دارند. از این‌رو، این سیگنال‌ها در تشخیص زود هنگام بیماری‌های قلبی می‌توانند مفید واقع شوند. طبقه‌بندی خودکار صدای قلب، دارای پتانسیل امیدوارکننده‌ای در آسیب شناسی قلبی است که می‌تواند به عنوان یک روش غربالگری سریع آسیب شناسی قلب، مورد استفاده قرار بگیرد. در این پژوهش، روشی خودکار برای تشخیص صداهای طبیعی از غیرطبیعی قلب پیشنهاد گردیده‌است. در روش پیشنهادی ابتدا صداهای قلبی به چهار بخش صدای s_1، s_2، سیستول و دیاستول قطعه‌بندی می‌گردند. سپس ویژگی‌های زمانی آماری، زمانی فرکانسی از هرکدام از این بخش‌ها استخراج می‌گردد. قبل از عملیات طبقه‌بندی داده‌ها، از دو رهیافت برای انتخاب ویژگی‌های موثر استفاده شده‌است. در رهیافت اول، انتخاب ویژگی با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات (PSO) و در رهیافت دوم با استفاده از جستجوی رو به جلو (SFFS) انجام می‌گردد. روش پیشنهادی بر روی پایگاه داده چالش 2016 فیزیونت ارزیابی گردید و در نهایت عملکرد روش پیشنهادی با استفاده از روش اعتبارسنجی متقابل10لایه‌ای مورد ارزیابی قرارگرفت. همچنین، به علت نامتوازن بودن تعداد صداهای طبیعی نسبت به صداهای غیرطبیعی، از تکنیک بیش‌نمونه‌برداری اقلیت مصنوعی (SMOTE) برای تولید مجموعه داده‌های متعادل استفاده گردید. نتایج ارزیابی روی پایگاه داده فوق الذکر نشان دادند که روش پیشنهادی دارای صحت 03/98%، حساسیت 64/97% و اختصاصیت 43/98% در تشخیص صداهای طبیعی از غیرطبیعی می‌باشد.

متن يادداشت

Nowadays, Cardiovascular diseases are known as one of the most important factors that threaten human health. They are among the most important causes of death in society. Many heart diseases and abnormalities can be diagnosed and evaluated using listening techniques. Listening to the sound of the heart has been one of the first practical methods for diagnosing heart diseases. This method has been developed as a cheap and non-invasive solution to check heart diseases by using computers. Phonocardiography (PCG) signals give information about the function of the heart valves during the heartbeat. These signals can be useful in the early diagnosis of heart diseases. Automatic heart sound classification has promising potential in the field of heart pathology. In this research, an automatic method for discriminating between normal and abnormal heart sounds is proposed. In this method, first, the heart sounds are segmented to 4 main parts: s_1 and s_2 sounds, systole and diastole segments. From these segments, statistical and time frequency features are extracted for classification. Before classification, we select the distinctive features using two approaches. In the first approach, the feature selection is accomplished using particle swarm optimization algorithm (PSO). In the second approach, we use Sequential Forward Feature Selection (SFFS) method. The proposed method was evaluated on the Physionet 2016 Challenge database using 10-fold cross-validation method. In this database, the number of normal and abnormal PCG signals are not balanced therefore, in this paper, the synthetic minority over-sampling technique (SMOTE) is applied to produce balanced data. The evaluation results showed that the proposed method can distinguish the normal heart sounds from abnormal ones with accuracy of 98/03% and sensitivity and specificity of 97.64%, 98/43%respectively.

عنوان گونه گون

Classification of Normal and Abnormal Heart Sounds Using The Combination of Metaheuristic Algorithms and Machine learning.

موضوع مستند نشده

فونوکاردیوگرام

موضوع مستند نشده

صدای قلب

موضوع مستند نشده

انتخاب ویژگی

موضوع مستند نشده

الگوریتم بهینه‌سازی ازدحام ذرات

اصطلاح موضوعی

فونوکاردیوگرام، صدای قلب، انتخاب ویژگی، الگوریتم بهینه‌سازی ازدحام ذرات، طبقه‌بندی

اصطلاح موضوعی

Phonocardiogram, Heart Sound, Feature Selection, Particle Swarm Optimization Algorithm , Classification

مستند نام اشخاص تاييد نشده

صادقی‌نیا، پرستو

عنصر شناسه اي

داننده حصار

ساير عناصر نام

، حامد

کد نقش

استاد راهنما

عنصر شناسه اي

صنعتی سهند

کشور

ایران

سازمان

دانشگاه صنعتی سهند

شماره بازیابی

مهندسی پزشکی، ۱۰۰۸۶، ۱۴۰۱

فرمت انتشار

p

نوع ماده

TF

کد کاربرگه

92029

سطح دسترسي

a

تكميل شده

Y