دانلود مقاله تشخیص تنگی دریچه ی آئورت با استفاده از استخراج پارامتر سیگنال های صدای قلب
چکیده
هدف از این مطالعه طراحی یک سیستم آنالیز سیگنال خودکار برای تشخیص صدای قلب بود. این سیستم باید به پزشک عمومی در تشخیص زودهنگام تنگی دریچه آئورت کمک کند تا نیاز به مداخلات جراحی را کاهش دهد. روش آنالیز به کار گرفته شده بر دسته بندی سیگنال های صدای قلب با استفاده از استخراج پارامتر استوار است. سری های جدید از تخریب موجک یک چرخه ی قلبی و همچنین از تبدیل فوریه کوتاه مدت (STFT) و طیف تبدیل موجک (WT) گرفته شدند. در چندین بخش، پارامترها استخراج شده و آنالیزگردیدند. علاوه بر این، خصوصیات تبدیل فوریه سریع (FFT) سیگنال خام نیز ارزیابی شدند. در این مطالعه 206 بیمار مشارکت داشتند که از میان آنها 159 نفر یا بیماری قلبی نداشتند یا بیماری قلبی آنها از نوع تنگ شدگی دریچه ی آئورت نبود و 47 نفر باقیمانده به درجات مختلفی (خفیف، ملایم و حاد) از تنگی آئورت مبتلا بودند. برای تفکیک گروه ها به منظور کاهش مجموعه پارامترها از تابع افتراقی خطی استفاده شد. حساسیت سیستم طبقه بندی دو سطحی معرفی شده برای تشخیص خودکار تنگی دریچه ی آئورت برای تنگ شدگی های حاد و متوسط 100% و برای تنگ شدگی های خفیف 75% بود. اختصاصیت این سیستم برای بیماران غیر مبتلا به تنگ شدگی دریچه ی آئورت 93.7% بود. روش ابداع شده در این مطالعه قوی و مقرون به صرفه بوده و استفاده از آن بسیار آسان است و به این ترتیب، می تواند یک روش مناسب برای تشخیص تنگ شدگی دریچه ی آئورت توسط پزشکان عمومی باشد.
مقدمه
مورمورهای قلبی اغلب علایم اولیه یک تغییر پاتولوژیکی در دریچه های قلب هستند. بنابراین، ارزیابی صداهای قلب در تشخیص بیماری های دریچه های قلبی نقش کلیدی دارند. برای مدت زمان زیادی گوش دادن تنها روش موجود برای ارزیابی صدای قلب بود. در سال 1907، فونوکاردیوگرافی ابداع شد و به ابزاری برای ثبت و آنالیز صدای قلب تبدیل شد. فونوکاردیوگرافی تکنیکی موثر برای ارزیابی خصوصیات مومورهای قلبی بود اما به دلیل مشکلاتی مانند دشوار بودن ضبط صداهای باکیفیت و عاری از خطا هرگز به مرحله استفاده بالینی نرسید. علاوه بر این، گوش دادن و فونوکاردیوگرافی نیازمند مهارت و تجارب عملی بالای پزشکان هستند. در سال 1952، استاندارسازی سخت افزارهای ضبط کننده توسط ماس و وبر ارائه شد(مانند فیلترها، امپلی فایرها و غیره) که بهبود چشمگیری در فونورادیوگرافی ایجاد کرد.
با معرفی اکورادیوگرافی تشخیص مطمئن بیمارهای دریچه قلب امکان پذیر شد. با این وجود، این فناوری نسبتا گران بوده و عموما توسط کاردیولوژیست ها و اینترنیست ها استفاده می شد. بنابراین، تمام بیماران مشکوک به بیماری های دریچه ی قلب توسط پزشکان عمومی به متخصصان ارجاع داده می شدند. در نتیجه، پزشکان عمومی به یک سیستم آسان و کم هزینه برای تشخیص دقیق تغییرات صداهای قلب نیاز دارند تا تعداد کمتری از بیماران را به متخصصان ارجاع دهند.
نتیجه گیری
تکنیک طبقه بندی اتوماتیک صدای قلب یک روش آسان، ایمن و کم هزینه برای تشخیص زودهنگام تنگی دریچه ائورت در اختیاز پزشکان عمومی قرار می دهد. علاوه بر این، مقدار ارجاعات غیرضروری ناشی از مثبت کاذب را می توان کاهش داد.
Abstract
The objective of this study was to develop an automatic signal analysis system for heart sound diagnosis. This should support the general practitioner in discovering aortic valve stenoses at an early stage to avoid or decrease the number of surgical interventions. The applied analysis method is based on classification of heart sound signals utilising parameter extraction. From the wavelet decomposition of a representative heart cycle as well as from the Short Time Fourier Transform (STFT) and the Wavelet Transform (WT) spectra new time series were derived. In several segments, parameters were extracted and analysed. In addition, features of the Fast Fourier Transform (FFT) of the raw signal were examined. In this study, 206 patients were enrolled, 159 with no heart valve disease or any other heart valve disease but aortic valve stenosis and 47 suffering from aortic valve stenosis in a mild, moderate or severe stage. To separate the groups, a linear discriminant function analysis was applied leading to a reduced parameter set. The introduced two classification stage (CS) system for automatic detection of aortic valve stenoses achieves a high sensitivity of 100% for moderate and severe aortic valve stenosis and a sensitivity of 75% for mild aortic valve stenosis. A specificity of 93.7% for patients without aortic valve stenosis is provided. The developed method is robust, cost effective and easy to use, and could, therefore, be a suitable method to diagnose aortic valve stenosis by general practitioners.
INTRODUCTION
Cardiac murmurs are often the first symptoms of a pathological change of heart valves. Therefore, the assessment of heart sounds plays an important role in the diagnosis of heart valve diseases.7,25 For a long time auscultation was the only available method to examine the heart sound. In 1907, the phonocardiography was introduced10 providing an instrument to record heart sound and to analyse it. Phonocardiography was a useful technique to assess the characteristics of heart murmurs, but it was not established in general clinical practice due to principal limitations such as the difficulty to obtain high-quality, artefact-free recordings.2,6 Furthermore, auscultation and phonocardiography require high qualification and extensive practical experience by the physicians.14,15 In 1952, a standardization of the recording hardware was developed by Maass and Weber, e.g. filters, amplifiers, etc., which provided an important improvement in phonocardiography.20
With the introduction of echocardiography an accurate and reliable diagnosis of heart valve diseases became possible. However, this technology is associated with relative high costs and is generally performed by cardiologists and internists only. Therefore, all patients suspected of having any heart valve disease are referred from the general practitioner to the specialist. Consequently, the general practitioner needs an easy-to-use and low-cost system to detect pathological changes in heart sounds precociously to limit the number of refers.
CONCLUSIONS
The introduced automatic heart sound classification technology offers a safe, easy-to-use and low-cost method for the general practitioner to diagnose aortic valve stenosis at an early stage. In addition, the amount of unnecessary referrals caused by false positive results can be reduced.
(جهت بزرگ نمایی روی عکس کلیک نمایید)
چکیده
مقدمه
روش شناسی
جمع آوری داده و بیماران
پردازش سیگنال
آنالیز موجک مالتی رزولوشن
قطعه بندی سیگنال ها
تبدیل فوریه کوتاه مدت و تبدیل موجک
استخراج پارامتر
آمار
نتایج
بحث
نتیجه گیری
منابع
Abstract
INTRODUCTION
METHODOLOGY
Data Acquisition and Patients
Signal Processing
Multiresolution Wavelet Analysis
Segmentation of signals
Short Time Fourier Transform and Wavelet Transform
Parameter Extraction
Statistics
RESULTS
DISCUSSION
CONCLUSIONS
REFERENCES
- اصل مقاله انگلیسی با فرمت ورد (word) با قابلیت ویرایش
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه