Detection and classification of hea

Detection and classification of heart murmurs play an important role in accurate diagnosis of different types of heart dysfunctions. In this paper, we present a noise-robust method for detection and classification of heart murmurs using stationary wavelet transform (SWT) and Hilbert phase envelope. The proposed method consists of five major stages: SWT based PCG signal decomposition for identifying heart sound (HS) including S1, S2, S3 and S4, and heart murmur(HM) subbands, Hilbert phase envelope based boundary determination, temporal feature extraction, murmur detection and classification rule. The boundaries of local acoustic HS segments are determined using the positive slope of instantaneous phase waveform of the smooth absolute envelope. The temporal features such as amplitude, duration, zerocrossing rate, interval, onset and offset time-instants of the detected HS and HM segments are used at the classification stage. The performance of the proposed method is tested and validated using a wide variety of normal and pathological signals containing different patterns of heart sounds and murmurs. The method achieves a probability of correctly detecting HM segments Pms=100%, a probability of correctly detecting HS segments Phs=97.33% and probability of falsely detecting segments Pfs=1.33% for SNR value of 15 dB, and murmur classification accuracy ranging from 82.76% to 100%.

ผลลัพธ์ (ไทย) 1:

ตรวจหาและจำแนกประเภทของห้องพักทั้ง murmurs เล่นมีบทบาทสำคัญในการวินิจฉัย dysfunctions หัวใจชนิดต่าง ๆ ในเอกสารนี้ เรานำเสนอวิธีการตรวจหาเสียงแข็ง และประเภทของห้องพักทั้ง murmurs wavelet ประจำแปลง (SWT) และซองจดหมายระยะของฮิลแบร์ท วิธีการนำเสนอประกอบด้วยขั้นตอนหลักที่ 5: SWT ใช้ PCG แยกส่วนประกอบของสัญญาณสำหรับการระบุเสียงหัวใจ (HS) รวมทั้ง S1, S2, S3 และ S4 และหัวใจ murmur(HM) subbands ซองฮิลแบร์ทระยะตามกำหนดขอบเขต แยกคุณลักษณะที่ขมับ เสียงฟู่ของกฎการตรวจหาและการจัดประเภทการ มีกำหนดขอบเขตของเซกเมนต์ HS ระดับท้องถิ่นโดยใช้ความชันบวกของรูปคลื่นระยะกำลังของซองจดหมายแบบเรียบ ลักษณะการทำงานชั่วคราวเช่นความกว้าง ระยะเวลา zerocrossing อัตรา ช่วง เริ่มมีอาการ และตรงข้ามเวลาบะหมี่กึ่งสำเร็จรูปของ HS ตรวจพบ และ HM เซ็กเมนต์จะใช้ในขั้นตอนการจัดประเภท มีทดสอบประสิทธิภาพของวิธีการนำเสนอ และใช้ปกติ และทางพยาธิวิทยาที่หลากหลายตรวจสัญญาณที่มีรูปแบบของเสียงหัวใจและ murmurs วิธีการได้รับความถูกต้องตรวจเซ็กเมนต์ HM Pms = 100% ความน่าเป็นถูกตรวจ HS ส่วน Phs=97.33% และความน่าเป็นแอบตรวจส่วน Pfs=1.33% สำหรับค่า SNR ของ 15 dB และเสียงฟู่ของประเภทแม่นยำตั้งแต่ 82.76% ถึง 100%

ผลลัพธ์ (ไทย) 2:

ตรวจสอบและจัดหมวดหมู่ของพึมพำหัวใจมีบทบาทสำคัญในการวินิจฉัยที่ถูกต้องของความแตกต่างของความผิดปกติของหัวใจ ในบทความนี้เราจะนำเสนอวิธีการที่เสียงรบกวนที่แข็งแกร่งสำหรับการตรวจสอบและจัดหมวดหมู่ของพึมพำหัวใจโดยใช้เวฟนิ่งเปลี่ยน (หวาน) และซองเฟสฮิลแบร์ต วิธีการที่นำเสนอประกอบด้วยห้าขั้นตอนที่สำคัญ: หวานตามการสลายตัวสัญญาณ PCG สำหรับการระบุเสียงหัวใจ (HS) รวมทั้ง S1, S2 S3 และ S4 และหัวใจบ่น (HM) subbands ซองเฟส Hilbert การกำหนดเขตแดนตามดึงชั่วคราวบ่น ตรวจสอบและกฎการจัดหมวดหมู่ ขอบเขตของส่วน HS อะคูสติกในท้องถิ่นจะถูกกำหนดโดยใช้ความลาดชันเชิงบวกของสัญญาณขั้นตอนที่รวดเร็วของซองจดหมายที่แน่นอนได้อย่างราบรื่น คุณสมบัติชั่วเช่นความกว้างระยะเวลาอัตรา zerocrossing, ช่วงเวลาที่เริ่มมีอาการและชดเชย instants เวลาของ HS ที่ตรวจพบและกลุ่ม HM ถูกนำมาใช้ในขั้นตอนการจัดหมวดหมู่ ประสิทธิภาพของวิธีการที่นำเสนอมีการทดสอบและตรวจสอบโดยใช้ความหลากหลายของสัญญาณปกติและพยาธิสภาพที่มีรูปแบบแตกต่างกันของเสียงหัวใจและพึมพำ วิธีการที่ประสบความสำเร็จน่าจะเป็นของถูกต้องตรวจสอบส่วน HM Pms = 100% น่าจะเป็นของถูกต้องตรวจสอบส่วน HS Phs = 97.33% และน่าจะเป็นของกลุ่มทุจริตการตรวจสอบ PFS = 1.33% สำหรับค่า SNR 15 เดซิเบลและความถูกต้องจำแนกบ่นตั้งแต่ 82.76 % ถึง 100%

ผลลัพธ์ (ไทย) 3:

การตรวจหาและจำแนกเสียงฟู่หัวใจมีบทบาทสำคัญในการวินิจฉัยที่ถูกต้องของชนิดที่แตกต่างกันของหัวใจ dysfunctions . ในกระดาษนี้เรา ปัจจุบันมีวิธีการตรวจหาและจำแนกเสียงพึมพำของหัวใจโดยใช้เวฟนิ่งเปลี่ยน ( SWT ) และฮิลเบิร์ต 1 ซอง วิธีที่เสนอ ประกอบด้วย 5 ขั้นตอนหลัก :SWT สลายสัญญาณ pcg ตามระบุเสียง ( HS ) รวมทั้ง S1 , S2 , S3 หรือ S4 และเสียงฟู่ของหัวใจ ( HM ) subbands ฮิลเบิร์ตระยะการหาขอบเขต , ซองจดหมายจากการสกัดคุณลักษณะและการบ่นและการจำแนกกฎขอบเขตของกลุ่มอะคูสติก HS ท้องถิ่นการพิจารณาความชันของสัญญาณบวกระยะเฉียบพลันของซองแบบเรียบ เกี่ยวกับคุณสมบัติเช่นขนาด , ระยะเวลา , ช่วงเวลา , zerocrossing อัตราการโจมตีและชดเชยเวลาที่ตรวจพบและ instants ของ HS HM กลุ่มที่ใช้ในการจำแนกขั้นตอนประสิทธิภาพของวิธีการทดสอบ และตรวจสอบ โดยใช้ความหลากหลายของปกติและพยาธิสภาพที่มีรูปแบบที่แตกต่างกันของสัญญาณเสียง และเสียงฟู่หัวใจ . วิธีการบรรลุความน่าจะเป็นได้อย่างถูกต้องตรวจสอบ HM กลุ่ม PMS = 100% , ความน่าจะเป็นของอย่างถูกต้องตรวจสอบ HS ส่วน PHS = 97.33 % และความน่าจะเป็นของการตรวจจับเท็จ ส่วน pfs = 1.33 % สำหรับค่า SNR 15 เดซิเบล ,และบ่นอุบอิบทำให้ความแม่นยำในการจำแนกตั้งแต่ร้อยละ 100 %