شماره ركورد كنفرانس :
5467
عنوان مقاله :
تجزيه و تحليل صداهاي قلب مربوط به سيگنال فونوكارديوگرام (PCG) با استفاده از استخراج ويژگي از طريق MFCC و شبكه يادگيري عميق Unet،Unet++
پديدآورندگان :
دالوندي ساناز sanazdalvandi@gmail.com دانشجوي دكتراي مهندسي برق، دانشگاه آزاد اسلامي واحد اصفهان خوراسگان، اصفهان، ايران , سليمي عاطفه atefeh.salimi@gmail.com استاديار گروه مهندسي برق، دانشگاه آزاد اسلامي واحد اصفهان خوراسگان، اصفهان، ايران , عظيمي فر فرهاد f.azimifar@khuisf.ac.ir استاديار گروه مهندسي پزشكي، دانشگاه آزاد اسلامي واحد اصفهان خوراسگان، اصفهان، ايران
كليدواژه :
صداهاي قلب , يادگيري عميق سيگنال فونوكارديوگرافي , MFCC و Unet و ++U
عنوان كنفرانس :
اولين كنفرانس بين المللي ايده هاي نو در مهندسي برق
چكيده فارسي :
استفاده از صداي اول قلب و صداي دوم قلب كه پزشكان در تشخيص و پيشگيري بيماري، از آن به عنوان پارامتر مهم جهت بررسي استفاده مي كنند ، مي تواند كمك بسزايي در تشخيص بيماري هاي قلبي داشته باشد ، اين سيگنال هاي PCG براي استخراج مدت زمان چرخه هاي قلبي متشكل از پيك هاي متوالي S1 براي تشكيل سيگنال فاصله بين ضربان (IBI) استفاده مي شود. در اين مقاله سيگنال هاي صوتي PCG ، با استفاده از ضرايب MFCC ، جهت استخراج ويژگي در تصاوير دو بعدي استفاده مي گردد . اخيرا الگوريتم هاي پيشرفته از جمله ساختار شبكه عصبي يادگيري عميق Unet و Unet ++ در تشخيص و تقسيم بندي تصويربرداري پزشكي مانند تومور كبد، تومور مغزي استفاده شده است . بنابراين از هر دو الگوريتم جهت طبقه بندي سيگنال هاي قلب به صورت سالم و ناسالم ، با كد نويسي پايتون استفاده شده است . نتايج نشان مي دهد كه الگوريتم Unet++ با توجه به اينكه بيشتر در تصاوير سه بعدي و ويدئويي كاربرد است . مي تواند جهت تشخيص سيگنال هاي قلب به صورت سالم و ناسالم با دقت مطلوبي به كاربرده شود .
