Análisis acústico sobre señales de auscultación digital para la detección de soplos cardíacos

Se presenta la metodología basada en el análisis acústico de señales fonocardiográficas (FCG) par a detectar soplos cardíacos. En primer lugar se desarrolla un sistema de filtración basado en la transformada wavelet para reducir las perturbaciones que usualmente se presentan en la etapa de adquisici...

Full description

Autores:
Castaño Salazar, Andrés Marcelo
Delgado-Trejos, Edilson
Godino Llorente, Juan Ignacio
Castellanos Domínguez, César Germán
Tipo de recurso:
Article of journal
Fecha de publicación:
2007
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/24295
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/24295
http://bdigital.unal.edu.co/15332/
Palabra clave:
Aprendizaje de Máquinas
Análisis Acústico
Detección de Patologías
Soplos Cardíacos
Fonocardiografía.
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
Description
Summary:Se presenta la metodología basada en el análisis acústico de señales fonocardiográficas (FCG) par a detectar soplos cardíacos. En primer lugar se desarrolla un sistema de filtración basado en la transformada wavelet para reducir las perturbaciones que usualmente se presentan en la etapa de adquisición, ajustando la calidad del sonido de acuerdo a los requerimientos clínicos y validados por especialistas en semiología. Se propone un algoritmo de segmentación basado en la energía promedio normalizada de Shannon y la transformada wavelet. Sobre los segmentos se extraen características derivadas del análisis acústico y espectral. La efectividad de las características son evaluadas mediante un modelo en cascada de clasificador es del tipo máquina de sopor te vectorial para separar 3 clases: normal, soplo y otros. La base de registros FCG utilizada pertenece a la Universidad Nacional de Colombia ; de esta base de datos etiquetada se usar on 111 registros distribuidos así: 37 registros con etiqueta normal, 24 registros con etiqueta de soplo y 50 con etiqueta de otras anormalidades. Se obtienen resultados de precisión de clasificación par a los casos en que se caracterizan las señales filtradas y cuando se toman las señales originales sin filtrar , encontrando que el proceso de filtración incrementa considerablemente el acierto de clasificación hasta un 96%