Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Przegląd Elektrotechniczny

1 2023

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: slantlet transform

Sortuj według:

Ogranicz wyniki do:

Efficient PCG classification system based on Slantlet transform

Khaleel Asmaa N., Jasim Abdulhamed M., Khidhir Abdulsattar M.

Przegląd Elektrotechniczny

2023

R. 99, nr 8

141--145

Phonocardiogram (PCG) signals represent the recording of sounds and murmurs, which result from heartbeats. PCG signals analysis is critical in the diagnosis of normal and abnormal cases of the heart. A variety of methods have been proposed for PCG signals analysis. In this paper, a classification system for PCG signals is introduced based on SLT filters with detailed statistical functions and ANN algorithm. The proposed system is able to diagnose normal and four abnormal cases. The extracted features from heart sound signal are based on 3-scale slantlet filters and three statistical equations; power, average and standard deviation of the SLT filter coefficients. Based on these important features, ANN were trained and tested to obtain high overall classification accuracy. The results show that the proposed classification system is capable to diagnose the normal PCG case and other four different abnormal cases with an overall diagnosis accuracy of 98.67%. This result of the proposed system overcome other recent works.

Sygnały fonokardiogramu (PCG) reprezentują zapis dźwięków i szmerów, które są wynikiem bicia serca. Analiza sygnałów PCG ma kluczowe znaczenie w diagnostyce prawidłowych i nieprawidłowych przypadków serca. Zaproponowano różne metody analizy sygnałów PCG. W artykule przedstawiono system klasyfikacji sygnałów PCG oparty na filtrach SLT ze szczegółowymi funkcjami statystycznymi i algorytmem ANN. Proponowany system jest w stanie zdiagnozować przypadki normalne i cztery przypadki nieprawidłowe. Cechy wyodrębnione z sygnału tonu serca są oparte na 3-skalowych filtrach skośnych i trzech równaniach statystycznych; moc, średnia i odchylenie standardowe współczynników filtra SLT. W oparciu o te ważne cechy SSN zostały przeszkolone i przetestowane w celu uzyskania wysokiej ogólnej dokładności klasyfikacji. Wyniki pokazują, że proponowany system klasyfikacji jest w stanie zdiagnozować normalny przypadek PCG i inne cztery różne przypadki nieprawidłowe z ogólną dokładnością diagnozy na poziomie 98,67%. Ten wynik proponowanego systemu przewyższa inne ostatnie prace.