خانه :: اساتید :: اخبار

بازدید:37786   بروزرسانی: 13-05-1402

Sepideh Jabbari

سپیده جباری، حسن قاسمیان
استخراج زيرباندهاي بهينه تجزيه بسته موجك با روش پايه هاي جداكننده محلي بمنظور تشخيص بيماريهاي دريچه اي قلب 
چکيده


براساس روش پیشنهادی در این مقاله، حداقل زیرباندهای مؤثر از درخت کامل تجزیه WP که بیشترین تمایزپذیری میان صداهای قلب افراد سالم و بیماران دریچهای را ایجاد میکنند، انتخاب میشوند. پس از استخراج ضرایب WP متناظر با سیگنالهای صدای قلب (PCG) توسط موجک مادر db6، پایه اورتونرمال بهینه با بیشترین قدرت تفکیککنندگی بین دو کلاس سالم و بیمار را با استفاده از الگوریتم پایههای جداکننده محلی (LDB) انتخاب کردیم. سپس، زیرباندهایی از پایه انتخابی را که خارج از محدوده فرکانسی 20 تا 750 هرتز (متناظر با محدوده فرکانسی سیگنالهای PCG) قرار داشتند، حذف نمودیم. با محاسبه انرژی نرمالیزه شده ضرایب مربوط به زیرباندهای انتخاب شده، بردار ویژگی بدست آمد. در مرحله بعد با کمک معیار فاصله فیشر، هر یک از ویژگیها را از لحاظ توان تفکیک کنندگی رتبهبندی کردیم. روش پیشنهادی بر روی دو کلاس مختلف سیگنالهای PCG مربوط به 30 فرد سالم و 30 بیمار با نقص دریچهای قلب ارزیابی نموده و ویژگیها را بر اساس رتبهشان به یک طبقهبندی کننده MLP اعمال کردیم. نتایج حاصل نشان داد که میتوان با انتخاب 21 زيرباند از درخت کامل WP به دقت 94% رسید. با توجه به بومی بودن دادگان ثبت شده، دقت بدست آمده قابل رقابت با کارهای مشابه است. این درحالی است که توانستهایم ابعاد بردار ويژگی را بمیزان قابل قبولی کاهش دهیم.