Coronary artery disease (CAD) is one of the leading causes of mortality and morbidity. There is a need to develop a simple, reliable, and non-invasive screening tool to diagnose CAD. Prior studies reported that turbulent blood flow due to stenosed coronary arteries causes weak CAD murmurs. Analysis of phonocardiogram (PCG) signals can be useful to detect these murmurs. In this work, we propose a new multi-channel PCG-based system to classify CAD-affected and normal subjects, and it does not require any additional reference signal, such as an electrocardiogram (ECG) signal. The proposed system simultaneously acquires PCG signals from four different auscultation sites on the chest. It extracts five different features from time and frequency domains of the PCG signals. The two-class classification is done in a machine learning framework by employing an artificial neural network (ANN) classifier. The classification performances are evaluated for each channel as well as for their combinations. Experimental results show that the proposed sub-band-based spectral features perform well for both clean and noisy data. An accuracy of 82.57% is obtained using the combination of the signals acquired from tricuspid, mitral, and midaxillary regions. The multi-channel system gives more than 4% relative improvement over the best performance obtained by its single-channel counterpart, and the proposed features outperform earlier used features.
Puls rogówki, jako jeden z przejawów dynamiki oka, ma duży potencjał w diagnostyce jaskry. Sygnał pulsu rogówki, podobnie jak wiele innych sygnałów biologicznych, charakteryzuje się pewnym stopniem kompleksowości odzwierciedlającym zmiany w organizmie związane z wiekiem, a także występowaniem różnych zjawisk chorobowych. Metodą, która umożliwia pomiar złożoności sygnału, jest badanie entropii. W niniejszej pracy po raz pierwszy podjęto próbę sprawdzenia, czy analiza kompleksowości sygnału pulsu rogówki z zastosowaniem algorytmu Refined Composite Multiscale Fuzzy Entropy, pozwoli dokonać klasyfikacji badanych osób i określenie przynależności do grupy osób zdrowych, chorych na jaskrę albo z podejrzeniem jaskry. Analiza statystyczna klasyfikatorów uzyskanych na podstawie wyników entropii wykazała istotną różnicę w przypadku dwu par grup: z podejrzeniem jaskry vs z jaskrą oraz w przypadku zdrowych vs chorych na jaskrę. Uzyskane wyniki pokazują, że entropia wieloskalowa z sygnału pulsu rogówki może być w przyszłości nowym parametrem wspomagającym okulistów w diagnostyce jaskry.
EN
The corneal pulse, as one of the manifestations of eye dynamics, shows great potential in the glaucoma diagnosis. The corneal pulse signal, like many other biological signals, is characterized by a certain degree of complexity reflecting changes in the body and it is related to age, as well as the occurrence of various diseases. The method that allows the measurement of the signal complexity is entropy. In this study, for the first time, an attempt was made to assess, whether the complexity analysis of corneal pulse signal using Refined Composite Multiscale Fuzzy Entropy algorithm allows to classify the subjects as healthy, glaucomatous or glaucoma suspects. Statistical analysis of classifiers obtained from the results of entropy showed a significant difference in the case of two pairs of groups: with glaucoma suspects vs glaucoma patients, and healthy subjects vs glaucoma patients. The results show that multiscale entropy of the corneal pulse signal may become a new parameter supporting ophthalmologists in the diagnosis of glaucoma.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.