Kalp Seslerinin Analizi Ve Yapay Sinir Ağları İle Sınıflandırılması

Abstract

Bu çalışmada, kalp seslerinin öznitelikleri belirlenmiş ve yapay sinir ağları ile sınıflandırılmıştır. Sınıflama işleminde kullanılacak öznitelikleri belirlemek için öznitelik çıkartma yöntemleri incelenmiştir. Bu amaçla Fourier dönüşümü, kısa zaman Fourier dönüşümü ve dalgacık dönüşümü yöntemleri kullanılmıştır. Kalp seslerinin durağan olmayan işaretler olmaları nedeniyle zaman ve frekans bilgisinin belirlenmesi gerekmektedir. Dalgacık dönüşümü yöntemi ile kalp seslerinin zaman ve frekans domeninde diğer iki yönteme göre daha iyi temsil edildiği gözlenmiştir. Dalgacık dönüşümü yöntemi kullanılarak hesaplanan 4. ayrıştırma seviyesindeki ayrıntı ve yaklaşıklık katsayıları yardımıyla elde edilen işaretlerin güçleri hesaplanarak yapay sinir ağları için öznitelik vektörleri oluşturulmuştur. Elde edilen öznitelik vektörleri GAL (grow and learn) ve LVQ (learning vector quantization) yapay sinir ağlarına uygulanarak, kalp seslerinin sınıflama işlemi gerçekleştirilmiştir.

In this study, features of the heart sounds are determined and classsified by using artificial neural networks. Feature extraction methods are investigated to obtain features to be used in classification. Fourier transform, short time Fourier transform and wavelet transform are used for this aim. Time and frequency information is required because of the fact that heart sounds are not stationary. It is observed that heart sounds are better represented in time-frequency domain by using wavelet transform. Powers of signals which are obtained by using detail and approximation coefficients at the 4th decomposition level of wavelet transform, are calculated to form the feature vectors. Feature vectors are applied to GAL (grow and learn) and LVQ (learning vector quantization) artificial neural networks and classification process is realized.