Sayısal stetoskop ile elde edilen kalp ses (fonokardiyogram) sinyallerinin bölütlenmesi ve sınıflandırılması
Segmentation and classification of heart sound (phonocardiogram) signals obtained by digital stethoscope
- Tez No: 478462
- Danışmanlar: DOÇ. DR. ATİLA YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 129
Özet
Dijital bir stetoskop aracılığıyla hastadan elde edilen kalp sesleri ile özellikle birinci basamak hekimlerinin duyulabilir kalp rahatsızlıklarını erken evrede teşhis etmesine katkıda bulunacak karar destek mekanizması geliştirmek bu çalışmanın asıl amacını oluşturmaktadır. Hedef kitledeki hekimlerin kolaylıkla duyamadıkları kalp rahatsızlıklarını bir sistemin duyup tanımasını sağlayarak hekimler arasındaki bilgi ve tecrübe farklılıklarını kapatmak, tüm hekimlere tecrübeli bir kardiyoloji uzmanı mertebesinde oskültasyon yeteneği kazandıran otomatik bir sistem ortaya çıkarmak önemli bir amaç ve çalışma alanıdır. Kalp hastalıklarının sınıflandırma başarısı S1 ve S2 segmentlerinin doğru belirlenmesine bağlıdır. EKG referans sinyali kullanılmaksızın bölütleme yöntemleri doğal olarak daha karmaşık olabilmektedir. Hastane ortamında stetoskop ile hastalardan toplanan kalp sesleri ortam gürültüsü, konuşma, hırıltı, sürtünme gibi bir çok çevresel sesi de içerisinde taşımaktadır. Kalp rahatsızlığına bağlı olarak gürültü benzeri üfürüm sesleri de toplanan bu kalp sesleri içerisinde bulunmaktadır. Temel kalp seslerinin bu gürültülü veriden temizlenmesi için Ayrık Dalgacık Dönüşümü (DWT) ve Mel-Frekans Kepstral Katsayıları (MFCC) çözüm olarak kullanılmıştır. S1-S2 yerlerinin belirlenebilmesi için ise sinyal otokorelasyonu kullanılarak kalp atım hızı ve sistol zaman aralığı tespit edilmiştir. Geliştirilen bu algoritma ile hastalık bilgisi taşımayan normal kalp sesleri üzerinden S1 ve S2 sesleri %98,19 kesinlik ve %98,52 hassasiyet ile tespit edilirken, anormal kalp sesleri üzerinde yapılan çalışmada %94,31 kesinlik ve %96,92 hassasiyet ile tespitler yapılmıştır. Bölütlenen kalp sesleri üzerinden her ses bölgesi için on farklı ayırt edici öznitelik çıkarılmıştır. Gözetimli sınıflandırıcılar yardımıyla Aort Darlığı, Mitral Yetmezliği, Aort Yetmezliği, Mitral Darlığı ve Normal kalp ses sinyallerinin kimliklendirilmesi yapılmıştır. Bu çalışmada Destek Vektör Makinaları, K-En Yakın Komşu, Yapay Sinir Ağları ve Karar Ağaçları gözetimli sınıflandırma yöntemleri kullanılarak bu hastalıklar üzerinde sınıflandırma perfromans karşılaştırması yapılmıştır. Aort Darlığı, Mitral Yetmezliği, Aort Yetmezliği, Mitral Darlığı ve Normal kalp ses sinyallerinin Destek Vektör Makinaları, K-En Yakın Komşu, Yapay Sinir Ağları ve Karar Ağaçları ile sınıflandırma performansı ayrı ayrı raporlanmıştır. Bu sonuçlara bakıldığında farklı sorunlar için farklı sınıflandırıcıların iyi performans gösterdiği anlaşılmıştır.
Özet (Çeviri)
The main purpose of this work is to develop a decision support mechanism that will contribute to the early diagnosis of extraordinary heart diseases by the help of a digital stethoscope, especially for primary care physicians. It is an important goal and field of study to create an automatic system that gives all physicians the ability to auscultate in an experienced cardiologist's profession by closing the differences of knowledge and experience among the physicians by providing a system to hear and understand the heart diseases that the physicians can not easily hear. The classification of heart diseases depends on the correct identifications of S1 and S2 segments. Without the ECG reference signal, segmentation methods become naturally more complicated. In the hospital environment, the heart sounds collected from the patients by the stethoscope carry many environmental sounds such as ambient noise, speech, wheezing, and friction. Besides, depending on the heart condition, noise like murmur is also included in these heart sounds. Discrete Wavelet Transform (DWT) and Mel-Frequency Cepstral Coefficient (MFCC) are used as a hybrid solution for the filtering of the noise content of basic heart sounds. In order to determine S1-S2 locations, heart rate and systolic time intervals are determined using signal autocorrelation. As a result of this proposed algorithm, S1 and S2 sounds are detected with 98.19% precision and 98.52% recall for normal heart sounds, while S1 and S2 are detected with precision of 94.31% and recall of 96.92% for abnormal heart sounds. Ten different discriminating features are derived for each sound interval from the segmented heart sounds. With supervised classification methods, identification of Aortic Stenosis, Mitral Regurgitation, Aortic Regurgitation, Mitral Stenosis and Normal heart sound signals are performed. In this study, the Support Vector Machines, K-Nearest Neighbor, Artificial Neural Networks and Decision Trees supervised classification methods are compared with respect to the classification performance over these diseases. Classification performance is separately reported for Support Vector Machines, K-Nearest Neighbor, Artificial Neural Networks and Decision Trees of Aortic Stenosis, Mitral Regurgitation, Aortic Regurgitation, Mitral Stenosis and Normal heart sound signals. From these results it can be seen that different classifiers can perform well for different problems.
Benzer Tezler
- Adaptif filtereme kullanılarak solunum hızı tespit sistem tasarımı
Respiratory rate detection system design using adaptive filtering
MOHAMED ALFITURI ALBASHIR ELHASHMI
Yüksek Lisans
Türkçe
2021
Bilim ve TeknolojiKarabük ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET REŞİT KAVSAOĞLU
- Kablosuz iletişim kullanılarak kalp seslerinin gerçek zamanda depolanması, görüntülenmesi ve analizi
Real time heart sound storage, monitoring and analysis using wireless communication
CEMİL OVACIK
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
PROF. DR. AHMET COŞKUN SÖNMEZ
YRD. DOÇ. DR. GÜLAY ÖKE
- Non-invasive acoustic detection of vascular diseases from skin surface using computational techniques with fluid-structure interaction
Damar hastalıklarına girişimsel olmayan akustik metotlarla tanı koymanın katı-sıvı etkileşimli sayısal teknikler kullanılarak incelenmesi
HÜSEYİN ENES SALMAN
Doktora
İngilizce
2018
BiyomühendislikOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. YİĞİT YAZICIOĞLU
- Solunum seslerinin sayısal olarak kaydedilmesi, analizi ve sınıflandırılması
Digital recording, analysis and classification of respiratory sounds
MEHMET CENK SEZGİN
Yüksek Lisans
Türkçe
2000
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ. DR. MEHMET KORÜREK
- Temporomandibular eklem bozukluklarının belirlenmesinde sinyal işleme ve yapay zeka tekniklerinin kullanılması
Determination of temporomandibular joint disorder by using signal processing and artificial intelligence techniques
UĞUR TAŞKIRAN
Doktora
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ÇUNKAŞ