بخشی از مقاله
چکیده :
یکی از قدیمی ترین روش های تشخیص ناهنجاری های قلبی تشخیص با استفاده از صوت تولید شده توسط خود قلب است . این صوت حامل اطلاعات بسیار مفیدی است که در تشخیص بیماری های دریچه قلب ، عبور غیرطبیعی جریان خون و همچنین سایر بیماریهای قلبی مورد استفاده است.در این مقاله هدف ما ارائه ی سیستمی خودکار است که این سیستم صوت قلب را دریافت مینماید و به دو گروه عادی و دارای اختلال دریچه ای طبقه بندی میکند.اختلالات دریچه ای مورد برسی شامل تنگی آئورت - AS - ، نارسایی آئورت - AR - ، تنگی میترال - - MS و نارسایی میترال - - MRخواهد بود.
طرز کار ما استفاده از یک آنالیز طیفی صداهای قلب بر اساس اتورگرسیو نرمال منحنی چگالی طیفی - -NAR - PSDو ماشین بردار پشتیبان چند کلاسی - M-SVM - است که ما را قادر ساخته تا سوفل های قلبی را با استفاده از دو ویژگی مهم تشخیصی F maxوF with است که ماکسیموم منحنی NAR-PSD و عرض فرکانسی ما بین نقاط عبوری از منحنیNAR-PSD در مقدار آستانه انتخاب شدهTHV میباشد، تشخیص دهیم.آموزش و آزمایش نتایج برای انواع داده های صوتی که شامل افراد سالم و دارای اختلال بود دقت و حساسیت بالای 99 درصد را نشان میدهد.لازم به ذکر است که بر اساس تحقیقات انجام شده روش پیشنهادی آنالیز طیفی اتورگرسیو - PSD - و همچنین - M-SVM - یکی از روش های با بهره وری بالا برای طبقه بندی صوت های قلبی است.
مقدمه :
قلب یکی از حیاتی ترین و مهمترین اعضای بدن میباشد که وظیفه ی پمپاژ خون به نقاط مختلف بدن را بر عهده دارد.قلب متشکل از چهار حفره و چهار دریچه میباشد و دو پمپ اصلی قلب عبارتند از بطن های چپ وراست.بروز ناهنجاری در هر یک از بخش های قلب موجب عدم خونرسانی صحیح شده و در نتیجه بیماری قلبی رخ میدهد - R. O.Bonow et al ,2007 - حرکت مکانیکی قلب موجب تولید صدا می شود. از آنجایی که اکثر بیماری های قلبی در صدای قلب تاثیر می گذارند بنابراین گوش دادن به قلب به منظور تشخیص بیماری های قلبی بسیار پر اهمیت می باشد . - . بسیاری از پزشکان در معاینه بیمار از صدای صوت قلب نیز استفاده مینمایند و با توجه به اینکه در قدرت شنوایی افراد مختلف تفاوت زیادی وجود دارد و همچنین برای اینکه پزشک بتواند تشخیص دقیق تری را داشته باشد نیاز به سالها تجربه وجود دارد، بنابراین یک روش کمکی لازم به نظر میرسد .
بسیاری از مردم از اختلالات دریچه ای قلب رنج می برند, به همین دلیل تشخیص زودهنگام بیماری های دریچه ای قلب بخصوص اختلالات دریچه های آئورت و میترال همچون تنگی میترال - MS - ,نارسایی میترال , - MR - تنگی آئورت , - AS - نارسایی آئورت - AR - یکی از مهمترین زمینه های تحقیقات پزشکی می باشد. - - H. Valafar et al,2000 روش های غیرتهاجمی زیادی برای تشخیص اختلالات دریچه ای قلب وجود دارند.مانند: اکو کاردیوگرافی, سی تی اسکن, تصاویر اولتراسوند, MRIو ... .که می توانند جزئیات دقیق تری نسبت به سمع قلب را در اختیار پزشک قرار دهند.
ولی این روش ها نیاز به تجهیزات پیچیده , پرهزینه, پرسنل متخصص و ... دارد و دارای عملیات پیچیده می باشند.درحالی که سمع قلب اینگونه نیست. - C.G. DeGroff et al, 2001 - ، - Stasis A,2003 - و - T.R. Reed - et al,2003 بنابراین میتوان گفت سمع صدای قلب یک ابزار اساسی برای معاینه ی بیماران و تصمیم گیری در این مورد که آیا لازم است بیمار به تجهیزات پیچیده و پرهزینه و تکنیک های پیشرفته ی پزشکی ارجاع داده شود یا نه,می باشد.
- T.R. Reed et al, 2003 - ، - - A. Haghighi-Mood, J.N. Torry,1995 آنالیز صدای قلب به دو شاخه ی آنالیز در حوزه زمان وآنالیز در حوزه فرکانس تقسیم میشود. - S. Choi, and Z. - Jiang,2006 تجزیه و تحلیل در حوزه ی زمان ارزیابی و ساده سازی زیادی را برای تشخیص صداهای طبیعی و غیرطبیعی قلب به دنبال خواهد داشت برای مثال تشخیص فواصل زمانی بین S1 و S2 ، فواصل زمانی بین سیستول و دیاستول و وجود سوفل در سیستول و دیاستول که از جمله ویژگی های تشخیصی برای تشخیص علائم ناهنجاری های قلبی است.
اما تجزیه و تحلیل در حوزه زمان با اینکه اطلاعات خوبی را در اختیار ما قرار میدهد ولی مشکلاتی مثل عدم مشخص سازی با وضوح بیشتر برای سوفل های قلبی نسبت به حوزه فرکانس خواهد داشت .پس در کل میتوان گفت سوفل های قلبی در حوزه فرکانس نسبت به حوزه زمان با وضوح بیشتری مشخص می شوند. - S.R. Bhatikar et al ,2005 - ، - I. - Turkoglu ,2002، - M.E. Travel, and H. Katz, 2005 - ، - - D. Kim, and M.E. Travel,2003 در این کار ویژگی های جدید مورفولوژیکی در حوزه فرکانس در منحنی AR-PSD معرفی می شوند و با استفاده از رویکرد جدید M-SVM به طبقه بندی اختلالات دریچه ای قلب می پردازیم. بهره وری و عملکرد برخی از مطالعات انجام شده ، اعتبار روش پیشنهادی را نشان می دهد.
روش تحقیق :
روش پیشنهادی ما آنالیز طیفی صدای قلب با براورد - AR-PSD - و روش M -SVM برای طبقه بندی صدای عادی و غیر عادی میباشد که در چند مرحله این کار را انجام میدهیم. از رویکرد طیفی برای استخراج شاخص های قابل تشخیص از انواع سوفل قلب استفاده می شود. در این کار AR-PSD روش پیشنهاد شده برای بررسی طیفی ویژگی های صدای قلب است. در شروع کار پس از دریافت داده ها به دلیل وجود نویز فراوان در داده های اولیه مجبور هستیم در ابتدا یک فیلترینگ نویزی انجام دهیم پس پیش پردازشی مبتنی بر تحلیل موجک را توسط نرم افزار متلب برای لغو نویز انجام میدهیم گام دوم ما استخراج منحنی طیفی صدای قلب است و سپس باتوجه به سطح فرکانس داده ورودی از رویکرد طیفی برای استخراج شاخص های قابل تشخیص از انواع سوفل قلب استفاده شد در این کار AR-PSD روش پیشنهاد شده برای بررسی طیفی ویژگی های صدای قلب است.بعد از این مرحله در مرحله نهایی طبقه بندی با ماشین بردار پشتیبان، - - M-SVMرا انجام میدهیم که تصمیم گیری نهایی را در همین مرحله صورت میپذیرد.
یافته ها:
صداهای قلبی اولیه شامل چهار صدا از جمله دو صدای برجسته ی S1 و S2 و دو صدای ضعیف S3 وS4 می باشد. برای سمع صدای قلبی، از سیستم سخت افزاری گوشی پزشکی استفاده شده است که شرایط ضبط و تفاوت های شخصی و... به طور مستقیم ممکن است کیفیت صدای قلبی را تحت تاثیر قرار دهد. از این رو به وضوح می توان گفت که این مولفه های نویز، اطلاعات را نه تنها در حوزه ی زمان بلکه در حوزه ی فرکانس از بین می برند.
