ارزیابی و تخمین ویژگی‌های جدید از روی دادگان صدای قلبی به منظور تشخیص ناهنجاری‌های قلب

مقدمه: امروزه 31 درصد از مرگ و میرهای جهانی را بیماری‌های قلبی- عروقی تشکیل می‌دهند و علت اصلی مرگ و میر در جهان به شمار می‌روند. به علت مشکلاتی مثل عدم وجود تکنولوژی‌هایی همچون اکوکاردیوگرافی و دسترسی محدود به پزشکان متخصص در مناطق غیر پیشرفته از روش‌های خودکار برای تشخیص ناهنجاری مرتبط با فونوکاردیوگرام (phonocardiogram یا pcg) استفاده می‌شود. روش‌ها: در این پژوهش، جهت تمایز افراد طبیعی از بیماران قلبی، سه دسته ویژگی از روی سیگنال pcg تخمین زده و ارزیابی شد. دسته‌ی اول، استخراج ویژگی نرخ ضربان قلب و تغییرات آن، دسته‌ی دوم، برخی ویژگی‌های مورد استفاده در تجزیه و تحلیل گفتار و شناسایی الگو و دسته‌ی سوم، ویژگی‌های مرکز جرم زمانی سیگنال، مرکز جرم فرکانسی سیگنال و عرض باند موثر سیگنال بودند. در این پژوهش، روش‌هایی به منظور استخراج این ویژگی‌ها پیشنهاد و به کمک آزمون t مورد بررسی و اعتبارسنجی قرار گرفت. یافته‌ها: نتایج اعتبارسنجی برای 10 ویژگی پیشنهادی که در آن مقادیر 0.010 > p انتخاب شدند، نشان داد که 8 ویژگی می‌تواند تمایز دهنده‌ی خوبی برای جدا کردن سیگنال غیر طبیعی از طبیعی باشد. نتیجه‌گیری: با توجه به الگوهای به دست آمده از ویژگی‌های استخراج شده، تمایز بین سیگنال غیر طبیعی و طبیعی به خوبی مشاهده شد که از این ویژگی‌ها، برای طبقه‌بندی سیگنال pcg می‌توان استفاده کرد. همچنین، در آینده می‌توان با استفاده از عملیات دیگری نظیر هم‌بستگی بر روی این الگوها، ویژگی‌های جدیدی استخراج کرد.