Wyniki wyszukiwania - BazTech

1

PCG signal classification using a hybrid multi round transfer learning classifier

Ismail Shahid, Ismail Basit

Biocybernetics and Biomedical Engineering

|

2023

|

Vol. 43, no. 1

313--334

EN

Diagnosis of cardiovascular diseases using Phonocardiography(PCG) is a challenging task as signal itself is cyclo-stationary. It has spectral contents which are overlapped by multiple sources having similar spectral contents but acting as noise. Moreover, length variation in the signals and sampling using different equipment also make analysis of these signal a testing task. In this research, authors have introduced a hybrid technique to counter the variations just mentioned. Our technique is composed of high resolution spectrum generation, conversion of spectral contents to Spectrogram and multi round training. Use of fixed length spectral contents makes system independent of signal length. By using Spectrogram, the deep features can be extracted from spectrum which are used as an input to Pre-trained networks (PTNs). Finally, transfer learning is applied with multiple rounds of training. The introduced methodology is validated using multiple datasets having different PCG signals, sampling frequency, signals length and signal quality. From the reported results, it is evident that Chirplet Z transform (CZT) based Spectrogram can be utilized for mutlticlass classification. If CZT based Spectrograms are passed through multi rounds of training, then accuracy can be further increased. The reported results are accurate to 99% in the case of testing for best case scenarios and even in worst case, the results dont fall below 85%. However, an important observation is that they are consistent across the experimental protocols. The computational cost associated with the introduced technique is low which makes it suitable for hardware implementation.

2

A proposed algorithm for analysing heart sounds and calculating their time intervals

Eesee Abdulrahman K., Qassim Hassan M., Aziz Mothanna Sh.

Bio-Algorithms and Med-Systems

|

2020

|

Vol. 16, no. 1

art. no. 20190057

EN

Heart sounds play a crucial role in the clinical assessment of patients. Stethoscopes are used for detecting heart sounds and diagnosing potential abnormal conditions. However, several parameters of the cardiac sounds cannot be extracted by traditional stethoscopes. This paper presents a proposed algorithm based on peaks detection. Besides its ability of filtering the heart sounds signals, the time intervals of these sounds in addition to the heart rate were calculated by the proposed algorithm in an efficient way. Signals of the heart sounds from two sources were used to evaluate the efficiency of the algorithm. The first source was the data recorded from 14 participants, whereas the second source was the free data set sponsored by PASCAL. The algorithm showed different performance accuracy for detecting the main heart sounds based on the source of the data used in the study. The accuracy was 93.6% when using the data recorded from the first source, whereas it was 76.194% for the data of the second source.

3

Adaptacyjny algorytm filtracji sygnału fonokardiograficznego wykorzystujący sztuczną sieć neuronową

Gradolewski D., Tojza P., Redlarski G.

Przegląd Elektrotechniczny

|

2014

|

R. 90, nr 11

227--230

PL

Podstawowym problemem podczas projektowania systemu autodiagnostyki chorób serca, bazującego na analizie sygnału fonokardiograficznego (PCG), jest konieczność zapewnienia, niezależnie od warunków zewnętrznych, sygnału o wysokiej jakości. W artykule, bazując na zdolności Sztucznej Sieci Neuronowej (SSN) do predykcji sygnałów periodycznych oraz quasi-periodycznych, został opracowany adaptacyjny algorytm filtracji dźwięków serca. Wykazano, że poprzez zastosowanie jednokierunkowej, dwuwarstwowej sieci neuronowej ze 100 neuronami w warstwie wejściowej oraz odpowiednio z 25 i 10 neuronami w warstwach ukrytych oraz poprzez zastosowanie algorytmu Silva-Almeida podczas uczenia sieci metodą wstecznej propagacji wraz z sigmoidalną funkcją pobudzenia tangensa hiperbolicznego, możliwa jest efektywna filtracja sygnału PCG. Opracowany algorytm został przetestowany zarówno dla dźwięków serca zarejestrowanych u osoby zdrowej (S1-S4) jak dla dźwięków serca osób posiadających zmiany patologiczne (normalne rozszczepienie tonu S1, klik wyrzutowy oraz dudnienie rozkurczowe).

EN

The quality of the phonocardiography signal plays a key role in the development of an effective auto-diagnostic system. In this paper, an adaptive denoising algorithm is shown, which was developed based on the neural networks ability of periodic and quasi-periodic signals prediction – such as phonocardiography signal. It is presented that a multilayer neural network of 100 neurons in the input layer, 25 in first and 10 in second layer, trained using the backpropagation algorithm can remove the noise efficiently. During the simulation Silva-Almeida algorithm and Tan-Sigmoid transfer function were used. The denoising algorithm is tested on normal (S1 – S4) and pathological (normal split S1, ejection click, diastolic rumble) heart tones.

4

Wykorzystanie algorytmu kompresji sygnału mowy MP-LPC do modelowania przebiegu fonokardiograficznego

Redlarski G., Gradolewski D.

Przegląd Elektrotechniczny

|

2013

|

R. 89, nr 4

40-45

PL

W artykule przedstawiono nową metodę modelowania dźwięków serca, która może znaleźć zastosowanie w licznych systemach diagnostyki urządzeń medycznych oraz stanowić podstawę opracowania inteligentnego stetoskopu. Przedstawiona propozycja stanowi rozwinięcie algorytmu MP-LPC wykorzystywanego w kompresji sygnału mowy. Wykazano, że do dokładnego modelowania przebiegu fonokardiograficznego, który pozwala na odwzorowywanie różnorodnych stanów patologicznych serca, a tym samym poprawę jednoznaczności interpretacji wybranych chorób, konieczne jest zastosowanie 24-rzędu mianownika transmitancji. Celowa jest również zmiana sposobu wyznaczania funkcji pobudzenia – w wyniku której, zamiast funkcji cross-korelacji, wykorzystywany jest algorytm genetyczny.

EN

In this paper is presented a new heart sound simulation technique, which may find a use in many diagnostic systems in medical devices. This technique can also be a base of an intelligent stethoscope. The proposed algorithm was created as a development of the MP-LPC algorithm, widely used in speech signals coding. It was proved, that the denominator of the 24 order in the transfer function of this model should be applied to build an accurate model of PCG signal. It allows to simulate pathological heart tones, and thereby to gives a possibility of unambiguous interpretation of certain heart disorders. A change in the way of the excitation function generating was also required. Instead of a cross-correlation, a genetic algorithm was implemented.

5

Współczesne metody analizy dźwięku serca

Niedziejko P., Dobrowolski P., Krysowaty I.

Przegląd Elektrotechniczny

|

2011

|

R. 87, nr 9a

1-7

PL

W referacie przedstawiono przeglądowo problematykę związaną z badaniem i analizą dźwięków serca. Po wprowadzeniu w tematykę zagadnienia, kolejno zaprezentowano: opis i interpretację sygnału w dziedzinach czasu, częstotliwości i połączonej dziedzinie czasowoczęstotliwościowej oraz w dziedzinie transformaty Wignera-Ville'a. Przegląd podsumowano analizą potencjalnych możliwości transformacji falkowej (w wersji ciągłej i dyskretnej) w diagnostyce chorób serca.

EN

Paper presents survey problems which are connected with the examinations and analysis of heart sounds. Following the introduction to the issues matter, consecutively presented: a description and interpretation of the signal in time domain, frequency, combined time-frequency domain and in the Wigner-Ville transform domain. The review is summarized by the analysis of the potential possibilities of wavelet transform (as continuous and discrete version) in the diagnosis of heart disease.

6

Preconditioning of voxel FEM elliptic systems

Margenov S., Vutov Y.

TASK Quarterly : scientific bulletin of Academic Computer Centre in Gdansk

|

2007

|

Vol. 11, No 1-2

117-128

EN

The presented comparative analysis concerns two iterative solvers for large-scale linear systems related to žFEM simulation of human bones. The considered scalar elliptic problems represent the strongly heterogeneous structure of real bone specimens. The voxel data are obtained with high resolution computer tomography. Non-conforming Rannacher-Turek finite elements are used to discretize of the considered elliptic problem. The preconditioned conjugate gradient method is known to be the best tool for efficient solution of large-scale symmetric systems with sparse positive definite matrices. Here, the performance of two preconditioners is studied, namely modified incomplete Cholesky factorization, MIC(0), and algebraic multigrid. The comparative analysis is mostly based on the computing times to run the sequential codes. The number of iterations for both preconditioners is also discussed. Finally, numerical tests of a novel parallel MIC(0) code are presented. The obtained parallel speed-ups and efficiencies illustrate the scope of efficient applications for real-life large-scale problems.