Identyfikacja dźwięków serca za pomocą algorytmu LPC oraz sztucznej sieci neuronowej

• Autorzy: Gradolewski D. , Redlarski G.

Identyfikatory

DOI

10.12915/pe.2014.03.35

Warianty tytułu

EN

Heart sound identification system based on LPC algorithm and artificial neural network

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono algorytm klasyfikacji sygnału fonokardiograficznego, który umożliwia skuteczną identyfikację 12 różnych stanów. Poprzez połączenie ze sobą algorytmu kodowania liniowego (LPC) wraz ze sztuczną siecią neuronową uzyskano skuteczność klasyfikacji sięgającą 82% oraz pełną skuteczność w rozróżnieniu pomiędzy stanami: braku lub występowania schorzenia. Najlepsze rezultaty uzyskano dla jednokierunkowych, dwuwarstwowych sieci, odpowiednio z 24, 20 oraz 12 neuronami w warstwach ukrytych, których zadaniem było: wstępne wykrycie nieprawidłowości, identyfikacja zdrowego tonu oraz identyfikacja patologii. Do uczenia sieci wykorzystano adaptacyjny algorytm wstecznej propagacji -traingda. Opracowany system w przyszłości może zostać zaimplementowany w urządzeniach mobilnych takich jak smartfony czy tablety.

EN

In this paper a new classification algorithm of phonocardiography signal is presented. It enables an effective identification of 12 different heart sounds. Through the combination of Linear Predictive Coding (LPC) algorithm and artificial neural network, an accuracy of 82% in identification of signals and 100% of precision in distinguishing between pathological and healthy sound were obtained. The best results were obtained with three neural networks with 24, 20 and 12 neurons in the hidden layer, which were responsible for preliminary identification of pathology, identification of healthy tones and identification of the pathology. The networks were taught with traingda backpropagation algorithm. In the future, this system could be implemented on smartphones or tablets.

Słowa kluczowe

PL

fonokardiografia; przetwarzanie sygnałów; sztuczne sieci neuronowe; sztuczna inteligencja; stetoskop inteligentny

EN

phonocardiography; signal processing; artificial neural networks; artificial intelligence; smart stethoscope

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2014
• Tom: R. 90, nr 3
• Strony: 161--164
• Opis fizyczny: Bibliogr. 20 poz., schem., wykr.

Twórcy

autor

Gradolewski D.

• Politechnika Gdańska, Wydział Elektrotechniki i Automatyki, Katedra Mechatroniki i Inżynierii Wysokich Napięć, ul. G. Narutowicza 11/12, 80−233 Gdańsk

autor

Redlarski G.

• Politechnika Gdańska, Wydział Elektrotechniki i Automatyki, Katedra Mechatroniki i Inżynierii Wysokich Napięć, ul. G. Narutowicza 11/12, 80-233 Gdańsk

Bibliografia

• [1] European Commission Eurostat, Causes of death statistics (available: http://epp.eurostat.ec.europa.eu/)
• [2] World Health Organization WHO, (available: http://www.who.int/healthinfo/statistics/mortality/en/index.html)
• [3] Ahlström C., “Processing of the Phonocardiographic Signal–Methods for the intelligent Stethoscope”, Sweeden 2006
• [4] Boutana D., Benidir M., Barkat B., “Segmentation and identification of some pathological phonocardiogram signals using time-frequency analysis,” Signal Processing, IET, vol. 5, no. 6, pp. 527–537, 2011.
• [5] Wu J.-B., Zhou S., Wu Z., Wu X.-M., “Research on the method of characteristic extraction and classification of phonocardiogram,” in Systems and Informatics (ICSAI), 2012 International Conference on, 2012, pp. 1732–1735
• [6] Babaei S., Geranmayeh A., Heart sound reproduction based on neural network classification of cardiac valve disorders using wavelet transforms of PCG signals, Computers in Biology and Medicine, Volume 39, Issue 1, January 2009, Pages 8-15, ISSN 0010-4825,
• [7] Jiang Z. Choi S., “A cardiac sound characteristic waveform method for in-home heart disorder monitoring with electric stethoscope,” Expert Systems with Applications, vol. 31, no. 2, pp. 286 – 298, 2006
• [8] Avci E. Turkoglu I., “An intelligent diagnosis system based on principle component analysis and anfis for the heart valve diseases,” Expert Systems with Applications, vol. 36, no. 2, Part 2, pp. 2873 – 2878, 2009
• [9] Avci E., “A new intelligent diagnosis system for the heart valve diseases by using genetic-svm classifier,” Expert Systems with Applications, vol.36, no.7, pp.10618–10626, 2009
• [10] Abdel -Motaleb I., Akula R., “Artificial intelligence algorithm for heart disease diagnosis using phonocardiogram signals,” in Electro/Information Technology (EIT), 2012 IEEE International Conference on, 2012, pp. 1–6.
• [11] Niedziejko P., Dobrowolski A., Krysowaty I.: Współczesne metody analizy dźwięku serca. Przegląd Elektrotechniczny, (2011), nr 9a.
• [12] Redlarski G., Gradolewski D., „Wykorzystanie algorytmu kompresji sygnału mowy MP-LPC do modelowania przebiegu fonokardiograficznego”, Przegląd Elektrotechniczny, vol 89, nr 2013/4a.
• [13] Strona producent a mikrofonu elektronicznego: http://solutions.3mpoland.pl, (dostęp: czerwiec 2012)
• [14] Piechocki J., Ambroziak D., Palkowski A., Redlarsk i G., Use of Modified Cuckoo Search algorithm in the design process of integrated power systems for modern and energy self-sufficient farms, Applied Energy, Available online 22 August 2013, ISSN 0306-2619,
• [15] Redlarski G. Gradolewski D. Pałkowski A., A System for Heart Disease Diagnosis Based on Phonocardiography, PLoS ONE (w recenzji)
• [16] Redlarski G., Jaworski J., A new approach to modeling of selected human respiratory system diseases, directed to computer simulations, Computers in Biology and Medicine, Volume 43, Issue 10, 2013, Pages 1606-1613,
• [17] Redlarski G., Tojza P.M.: Aplikacja komputerowa wspomagająca proces diagnostyki chorób górnego odcinka przewodu pokarmowego na podstawie analizy przebiegu pHmetrii. Pomiary Automatyka Kontrola,vol. 59,nr 3/2013,193-195
• [18] Gradolewski D., Redlarski G. "The Use of Wavelet Analysis to Denoising of Electrocardiography Signal." XV International PhD Workshop OWD 2013, 19–22 October 2013
• [19]Mieloszyk M., Krawczuk M.,Skarberk L., Ostachowicz W., An application of neural network for Structural Health Monitoring of an adaptive wing with an array of FBG sensors 2011 J. Phys.: Conf. Ser. 305 012066, 2011
• [20] Dziak D., Jachimczyk B., Kulesza W., An Analysis of Uncertainty and Robustness of Waterjet Machine Positioning Vision System, Elektronika Ir Elektrotechnika, ISSN 1392-1215 Vol. 19,No. 9, 2013