بخشی از مقاله
خلاصه
فنوکاردیوگرام 1 یکی از روش های غیر تهاجمی تشخیص شرایط قلب است. انقباض ماهیچه های قلبی و بسته شدن دریچه ها نوساناتی توام با صدا ایحاد می کند که می تواند توسط پزشکان متخصص تفسیر شود. ارائه الگوریتمی که به پزشکان در تفسیر صداهای شنیده شده کمک کند بسیار کاربردی است. با کمک چنین الگوریتمی می توان بیمارانی که نیاز به بررسی ها و آزمایش های بیشتری برای تعیین عملکرد قلب دارند را غربال کرد. به منظور تحلیل صداهای قلب در این مقاله روشی بر مبنای پوش همومورفیک2 تطبیقی به دست آمده از سیگنال فنوکاردیوگرام ارائه شده است.
فرکانس قطع فیلتر پایین گذر همومورفیک با استفاده از الگوریتم چگالی طیف توان اتورگرسیو3 به دست آمده اما برای تطبیق با مولفه های فرکانسی مختلف و به ویژه عملکرد بهتر در مورد سیگنال های سالم و بیمار که از نظر فرکانسی متفاوت هستند، فرکانس قطع فیلتر تطبیقی در نظر گرفته شده است. نتایج نشان می هد که با استفاده از روش پیشنهادی در این مقاله می توان صداهای قلب را بدون ضرورت وجود سیگنال الکتروکاردیوگرام4 برای مشخص کردن شروع دو صدای مهم S1 و S2 تحلیل کرد.
.1 مقدمه
در دنیای امروز، متخصصان قلب روش های متعددی را برای بررسی سیستم قلبی -عروقی در اختیار دارند که شامل آنژیوگرافی، عکسبرداری اشعه ایکس از قفسه سینه، روش های داپلر و غیره است. اگر چه هر یک از این روش ها ممکن است بتوانند با دقت بالایی عملکرد یا نارسایی قلبی را با دقت کافی نمایان سازند، استفاده از آن ها مستلزم صرف هزینه است.
از سوی دیگر، درصد بالایی از افرادی که با استفاده از روش های نام برده یا سایر روش ها مورد معاینه قرار می گیرند و مشکل چندان حادی ندارند نیز بسیار زیاد است. این مسئله بیانگر این است که در مراحل اولیه باید راهی برای تشخیص بیماری قلبی با هزینه های پایین تر ایجاد شود و در مواردی که احتمال وجود مشکل بالاتر است، از روش های دقیق تر استفاده شود. یکی از شاخص هایی که می تواند در شناسایی عملکرد صحیح بخش های مختلف قلب موثر واقع شود، شنیدن صداهای قلب است.
صداهای قلبی قادرند مشخصه های فیزیولوژیک و پاتولوژیک قلب را آشکار سازند. با استفاده از استتوسکوپ دیجیتال1 می توان فنوکاردیوگرام را همراه با نویز ثبت کرد که البته ثبت نویز امری اجتناب ناپذیر به نظر می رسد. تحلیل صداهای قلب اطلاعات بسیار ارزشمندی درباره سیستم قلبی-عروقی و به ویژه عملکرد دریچه های قلب فراهم می آورد.[1-2] سیگنال فنوکاردیوگرام سالم معمولا شامل دو صدای مجزای S1 و S2 است، در حالی که در یک قلب بیمار، فعالیت های متعددی بین صدای اول و دوم اتفاق می افتد که به عنوان صداهای غیر طبیعی S3 و S4 شناخته می شوند.
به محض اینکه فشار بطنی بیش از فشار دهلیزی شود، دریچه های میترال و سه لتی بسته می شوند و نوسانات S1 آغاز می شود. در پایان سیستول بطنی و آغاز استراحت دهلیزی، S2 با بسته شدن دریچه های آئورتی و ریوی ظاهر می شود. در ادامه فشار بطنی به شدت کاهش می یابد و هنگامی که به فشاری پایین تر از فشار دهلیزی برسد، دریچه میترال باز شده و مرحله پر شدن سریع آغاز می شود که در انتهای آن صدای S3 شنیده می شود. صدای S3 بلافاصله پس از S2 و در اثر لرزش دیواره های بطن ایجاد می شود. صدای چهارم قلب، یعنی S4، اغلب به علت انقباض های دهلیزی که خون را به صورت ناگهانی منتقل می کنند، ایجاد می شود.[3] مرمرها نیز در اثر بیماری های حاد قلبی-عروقی و عملکرد ناقص دریچه های قلب ایجاد می شوند.
صداهای قلب سیگنال های صوتی ضعیفی هستند.[4] پزشکان باید بتوانند با شنیدن این صداها انواع حالت های غیر طبیعی در قلب را تشخیص دهند. به دلیل ماهیت فیزیولوژیکی که منجر به تولید S1 می شود، این صدا در ناحیه میترال بهتر شنیده می شود و صدای S2 که کوتاه تر از S1 هست قاعدتا در ناحیه آئورت با کیفیت بهتری به گوش می رسد.
با توجه به ویژگی های فیزیکی صداهای قلب و محدودیت های شنوایی انسان، ممکن است چندین سال طول بکشد تا داوطلبان بتوانند با مهارت کامل و بر اساس شنیدن صداهای قلب تشخیص های دقیقی داشته باشند. برای ارزیابی داوطلبان حتما باید از صداهای مختلف شامل نمونه های صداهای غیر طبیعی قلب، انواع نویزهای محیطی و صدای تنفس استفاده کرد.
طبقه بندی صداهای قلب در حالت کلی شامل سه مرحله است: گام اول قطعه بندی 2 صدا است. این مرحله برای تعیین محل وقوع صداهای S1 و S2 است که مشخصه های فیزیولوژیک مهمی را نیز آشکار می کنند. تعیین دقیق محل این صداها می تواند نواحی سیستول و دیاستول قلب را مشخص کند. علاوه بر این، سیکل های قلبی نیز قابل شناسایی خواهند بود. تا کنون روش های متعددی برای قطعه بندی صداهای قلب ارائه شده اند که شامل روش های مبتنی بر آستانه گذاری دامنه-7] [5 و روش های مبتنی بر مدل های احتمالاتی است.[8-9] البته همچنان این موضوع از جمله چالش های پردازش سیگنال به ویژه در محیط های نویزی است.
گام دوم استخراج ویژگی است. این ویژگی ها در مراحل بعد برای طبقه بندی صداها مورد استفاده قرار می گیرند. ویژگی هایی که پیش از این استخراج شده اند، بیشتر شامل ویژگی های زمانی[10]، ویژگی های فرکانسی[11] و ویژگی های مبتنی بر زمان-فرکانس است.[12-13] ویژگی های زمانی یا فرکانسی به راحتی محاسبه و درک می شوند و می توانند شامل نرخ ضربان قلب، پریود سیستول و دیاستول یا اطلاعات پاتولوژیک باشند. گروهی از تحقیقات نیز از تبدیل ویولت و تبدیل فوریه به عنوان روش های استخراج ویژگی استفاده کرده اند.[14-16]
گام سوم طبقه بندی است. انتخاب طبقه بندی کننده مناسب هم در دستیابی به نتایج موفقیت آمیز نقش بسزایی دارد. از جمله روش های مورد استفاده برای طبقه بندی استفاده از k نزدیک ترین همسایه[17]1، مدل مخفی مارکوف[18]2، شبکه های عصبی[19]3 و ماشین بردار پشتیبان[20]4 هستند. از آنجا که قطعه بندی صحیح پایه اولیه سایر مراحل طبقه بندی به شمار می رود و خطا در این بخش می تواند در نتایج کلی اثرگذار باشد، در این مقاله توجه خود را به قطعه بندی صداهای S1 و S2 که دو جز اصلی سیگنال PCG هستند معطوف ساختیم.
در این مقاله سعی شده تا بدون استفاده از سیگنال ECG که معمولا به جانمایی و شناسایی شروع صداهای قلبی کمک می کند، قطعه بندی انجام شود. در بخش دوم این مقاله پایگاه داده و الگوریتم مورد استفاده برای تعیین صداهای S1 و S2 معرفی شده اند. بخش های3 و 4 به ترتیب نتایح و بحث و نتیجه گیری را شامل می شوند.
.2 مواد و روش ها
.2,1 معرفی پایگاه داده
داده های این مقاله مربوط به پایگاه داده فیزیونت5 و چالش مطرح شده در سال 2016 در زمینه طبقه بندی صداهای قلبی سالم و بیمار است.[21] این چالش 5 مجموعه داده - A-E - داشته و سیگنال های ثبت شده از 764 نفر شامل دو گروه سالم و بیمار است که به گروه سنی خاصی تعلق ندارند. داده ها طی یک دهه توس 7 تیم تحقیقاتی در 7 کشور مختلف و به صورت مستقل به ثبت رسیده اند. بیشتر سیگنال های بیمار از بیماری های دریچه قلب و عروق کرونری ثبت شده اند. طول سیگنال ها بین 5-120 ثانیه است.
سیگنال ها به دو گروه سالم و بیمار برچسب گذاری شده اند. از آنجا که هدف ما دقیقا منطبق بر چالش تعریف شده نبود، بنابراین از میان 5 پایگاه داده موجود تنها پایگاه داده A که شامل هر دو سیگنال الکتروکاردیوگرام و فنوکاردیوگرام بود انتخاب شد. این مجموعه داده طول های قابل قبولی در حد 40 ثانیه را شامل می شد و به دلیل مشخص بودن همزمان تغییرات PCG و ECG برای اهداف این مقاله مناسب تر بود. مجموعه داده A شامل 115 فنوکاردیوگرام سالم و 282 بیمار بوده که با فرکانس 2 کیلو هرتز نمونه برداری شده اند. نمونه ای از سیگنال های ECG و PCG همزمان یک سوژه سالم برای یک بازه 5 ثانیه ای در شکل 1 ترسیم شده است. محل های موج های R وT و معادل های آن در سیگنال PCG یعنی S1 و S2 نشان داده شده است.
