فهرست نشریات علمی دسترسی آزاد ایران

سیگنال‌های فونوکاردیوگرافی (PCG) اطلاعات ارزشمندی در مورد عمل‌کرد دریچه‌های قلبی دارند. از این رو این سیگنال‌ها می‌توانند در تشخیص زودهنگام بیماری‌های قلبی مفید واقع شوند. طبقه‌بندی خودکار صدای قلب دارای پتانسیل امیدوار کننده‌ای در آسیب‌شناسی قلبی است. در این پژوهش روشی خودکار برای تشخیص صداهای طبیعی از غیرطبیعی قلب پیشنهاد شده است. در روش پیشنهادی ابتدا صداهای قلبی به چهار بخش صدای S1، S2، سیستول و دیاستول قطعه‌بندی شده و سپس ویژگی‌های زمانی آماری و زمانی فرکانسی از هر کدام از این بخش‌ها استخراج شده است. پیش از عملیات طبقه‌بندی داده‌ها، از دو ره‌یافت برای انتخاب ویژگی‌های موثر استفاده شده است. انتخاب ویژگی در ره‌یافت اول با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات (PSO) و در ره‌یافت دوم با استفاده از جست‌وجوی سلسله مراتبی (SFFS) انجام شده است. روش پیشنهادی روی پایگاه داده‌ی چالش 2016 فیزیونت ارزیابی شده و در نهایت عمل‌کرد آن با استفاده از روش اعتبارسنجی متقابل 10-لایه‌ای مورد ارزیابی قرار گرفته است. هم‌چنین به دلیل نامتوازن بودن تعداد صداهای طبیعی نسبت به صداهای غیرطبیعی، از تکنیک بیش‌نمونه‌برداری اقلیت مصنوعی (SMOTE) برای تولید مجموعه‌ی داده‌های متعادل استفاده شده است. نتایج ارزیابی روی پایگاه داده نشان داده که روش پیشنهادی دارای صحت 03/98%، حساسیت 64/97% و اختصاصیت 43/98% در تشخیص صداهای طبیعی از غیرطبیعی است.