Kalp seslerini kaydeden ve otomatik S1-S2 dalgası belirleyen sistem tasarımı

Yıl 2020, Cilt: 35 Sayı: 1, 61 - 70, 25.10.2019

Mehmet Feyzi Akşahin Burcu Oltu Büşra Kübra Karaca

https://doi.org/10.17341/gazimmfd.438614

Cited By: 1

Öz

Dünyadaki
en önemli ölüm sebeplerinden ikincisi kardiyovasküler hastalıklardır.
Kardiyovasküler hastalıkların büyük çoğunluğuna, kalp seslerinin uzman hekimler
tarafından dinlenmesiyle (oskültasyon yöntemi) teşhis konulmaktadır. Bununla
birlikte oskültasyon yöntemi kişinin tecrübesine ve duyma becerisine bağlı
olduğundan sübjektif sonuçlar ortaya çıkarabilir. Dolayısıyla kalp seslerinin
sayısallaştırılması ve görselleştirilmesi, kardiyovasküler hastalıkların,
özellikle kalp kapak hastalıklarının teşhisinin doğru, hızlı ve ekonomik olmasını
sağlar. Bu amaç doğrultusunda yapılan çalışmanın ilk aşamasında kalp seslerini
vücuttan alan, yükselten, filtreleyen ve bilgisayara aktararak kaydedebilen cihaz
prototipi tasarımı yapılmıştır. Tasarlanan cihazın çalışma doğruluğunun test
edilmesi için etik kurul izniyle birlikte klinik uygulamalar yapılmış, bu
uygulama sonucunda 5 farklı hastalık grubuna ait (mitral yetmezliği,
mitral-aort yetmezliği, mitral-triküspit yetmezliği, mitral-aort-triküspit
yetmezliği ve sağlıklı kalp sesi kayıtları) 15 kalp sesi kaydı toplanmış ve
elde edilen kayıtlar incelenmiştir. Kalp kapak hastalıklarının teşhisi için en
etkili parametre S1-S2 kalp seslerinin lokasyonudur. Bu nedenle çalışmanın
ikinci aşamasında, hekimlere teşhislerinde yardımcı olmak için S1-S2
lokasyonlarını belirleyen tıbbi karar destek sistemi oluşturulmuştur. Bu
bağlamda öncelikle, kalp sesleri ayrık dalgacık dönüşümü yöntemiyle
filtrelenmiştir. Ardından filtrelenen sinyaldeki S1-S2 dalgaları, teager enerji
operatörü ve kural tabanlı algoritma ile belirgin hale getirilmiştir. Sonuç
olarak normal ve patolojik verilerdeki S1-S2 lokasyonları ortalama % 98,67
hassasiyet, % 97,69 özgüllük ve % 98,18 doğruluk değerleriyle tespit
edilmiştir.

Anahtar Kelimeler

Kalp sesi kaydeden cihaz, S1-S2 tespiti, teager enerji operatörü, ayrık dalgacık dönüşümü

Kaynakça

• Sharma, P. K., Saha, S., & Kumari, S. (2014). Study and design of a Shannon-energy-envelope based phonocardiogram peak spacing analysis for estimating arrhythmic heart-beat. International Journal of Scientific and Research Publications, 4(9).
• Myint, W. W., & Dillard, B. (2001, March). An electronic stethoscope with diagnosis capability. In System Theory, 2001. Proceedings of the 33rd Southeastern Symposium on (pp. 133-137). IEEE.
• Guraksin, G. E., Ergun, U., & Deperlioglu, O. (2009, May). Performing discrete fourier transform of the heart sounds on the pocket computer. In Biomedical Engineering Meeting, 2009. BIYOMUT 2009. 14th National (pp. 1-4). IEEE.
• Djebbari, A., & Reguig, F. B. (2000, December). Short-time Fourier transform analysis of the phonocardiogram signal. In Electronics, Circuits and Systems, 2000. ICECS 2000. The 7th IEEE International Conference on (Vol. 2, pp. 844-847). IEEE.
• Saha, G., & Kumar, P. (2004, December). An efficient heart sound segmentation algorithm for cardiac diseases. In India Annual Conference, 2004. Proceedings of the IEEE INDICON 2004. First (pp. 344-348). IEEE.
• Yamaçlı, M. (2008). Fonokardiyogram Kayıtlarındaki S1-S2 seslerinin Dalgacık Enerjileri ile Bölütlenmesi (Doctoral dissertation, Fen Bilimleri Enstitüsü).
• Liu, L., Wang, W., & Yuan, G. (2013, December). Algorithm of heart sound segmentation and feature extraction. In Image and Signal Processing (CISP), 2013 6th International Congress on (Vol. 3, pp. 1552-1556). IEEE.
• Messer, S. R., Agzarian, J., & Abbott, D. (2001). Optimal wavelet denoising for phonocardiograms. Microelectronics journal, 32(12), 931-941.
• Huiying, L., Sakari, L., & Iiro, H. (1997, November). A heart sound segmentation algorithm using wavelet decomposition and reconstruction. In Engineering in Medicine and Biology Society, 1997. Proceedings of the 19th Annual International Conference of the IEEE (Vol. 4, pp. 1630-1633). IEEE.
• KARAL, Ömer. EKG Verilerinin Destek Vektör Regresyon Yöntemiyle Sıkıştırılması. Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, [S.l.], v. 33, n. 2, apr. 2018. ISSN 1304-4915. Erişim Adresi: <http://www.mmfdergi.gazi.edu.tr/article/view/5000213801>. Erişim Tarihi: 22 Jun. 2018 doi:http://dx.doi.org/10.17341/gummfd.72458.
• Karasekreter, N. (2009). S1 ve S2 Kalp Seslerinin Ayrıştırılmasında ve Teşhisinde Sayısal Analiz Yöntemlerinin Uygulanması (Yüksek Lisans Tezi, Afyon Kocatepe Üniversitesi Fen Bilimleri Enstitüsü).
• Say, Ö. (2002). Kalp Seslerinin Analizi ve Yapay Sinir Ağları ile Sınıflandırılması (Doctoral dissertation, Fen Bilimleri Enstitüsü).
• Liang, H., Lukkarinen, S., & Hartimo, I. (1997, September). Heart sound segmentation algorithm based on heart sound envelogram. In Computers in Cardiology 1997 (pp. 105-108). IEEE.
• Huiying, L., Sakari, L., & Iiro, H. (1997, November). A heart sound segmentation algorithm using wavelet decomposition and reconstruction. In Engineering in Medicine and Biology Society, 1997. Proceedings of the 19th Annual International Conference of the IEEE (Vol. 4, pp. 1630-1633). IEEE.
• Reed, T. R., Reed, N. E., & Fritzson, P. (2004). Heart sound analysis for symptom detection and computer-aided diagnosis. Simulation Modelling Practice and Theory, 12(2), 129-146.
• Saha, G., & Kumar, P. (2004, December). An efficient heart sound segmentation algorithm for cardiac diseases. In India Annual Conference, 2004. Proceedings of the IEEE INDICON 2004. First (pp. 344-348). IEEE.
• Kumar, D., Carvalho, P., Antunes, M., Gil, P., Henriques, J., & Eugenio, L. (2006, May). A new algorithm for detection of S1 and S2 heart sounds. In Acoustics, Speech and Signal Processing, 2006. ICASSP 2006 Proceedings. 2006 IEEE International Conference on (Vol. 2, pp. II-II). IEEE.
• Kumar, D., Carvalho, P., Antunes, M., Henriques, J., Eugenio, L., Schmidt, R., & Habetha, J. (2006, August). Detection of S1 and S2 heart sounds by high frequency signatures. In Engineering in Medicine and Biology Society, 2006. EMBS'06. 28th Annual International Conference of the IEEE (pp. 1410-1416). IEEE.
• Wang, P., Lim, C. S., Chauhan, S., Foo, J. Y. A., & Anantharaman, V. (2007). Phonocardiographic signal analysis method using a modified hidden Markov model. Annals of Biomedical Engineering, 35(3), 367-374.
• Debbal, S. M., & Bereksi-Reguig, F. (2007). Time-frequency analysis of the first and the second heartbeat sounds. Applied Mathematics and Computation, 184(2), 1041-1052.
• Maglogiannis, I., Loukis, E., Zafiropoulos, E., & Stasis, A. (2009). Support vectors machine-based identification of heart valve diseases using heart sounds. Computer methods and programs in biomedicine, 95(1), 47-61.
• Kao, W. C., & Wei, C. C. (2011). Automatic phonocardiograph signal analysis for detecting heart valve disorders. Expert Systems with Applications, 38(6), 6458-6468.
• Zhang, N., Zhang, C., & Li, Y. (2012, August). The Analysis of the Anomaly Characteristic of Heart Sound Based on Heart Sounds Segmentation Algorithm. In Computer Science & Service System (CSSS), 2012 International Conference on (pp. 1339-1342). IEEE.
• Yue, Z., Liang, J., & Shen, Y. (2012, June). Time-frequency analysis of heart sounds in telemedicine consulting system for auscultation. In Information and Automation (ICIA), 2012 International Conference on (pp. 652-657). IEEE.
• Liu, L., Wang, W., & Yuan, G. (2013, December). Algorithm of heart sound segmentation and feature extraction. In Image and Signal Processing (CISP), 2013 6th International Congress on(Vol. 3, pp. 1552-1556). IEEE.
• Com, W. R. Automatic Heart Sound Signal Analysis with Reused Multi-Scale Wavelet Transform.
• Toprak, İ. B., Çağlar, M. F., & Merdan, M. Ayrık Dalgacık Dönüşümü ve Yapay Sinir Ağları Kullanarak EEG Sinyallerinden Otomatik Epilepsi Teşhisi Automatic Recognition of Epilepsy from EEG using Artificial Neural Network and Discrete Wavelet Transform.
• AYDIN, Fatih; ASLAN, Zafer. YAPAY ÖĞRENME YÖNTEMLERİ VE DALGACIK DÖNÜŞÜMÜ KULLANILARAK NÖRO DEJENERATİF HASTALIKLARIN TEŞHİSİ. Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, [S.l.], v. 32, n. 3, sep. 2017. ISSN 1304-4915. Erişim Adresi: <http://www.mmfdergi.gazi.edu.tr/article/view/5000183679>. Erişim Tarihi: 22 Jun. 2018 doi:http://dx.doi.org/10.17341/gummfd.51378.
• Erdamar, Aykut, Uyku Apnesinin Öngörülmesi ve Dil Uyarılması için Model Geliştirilmesi, Doktora Tezi, Hacettepe Universitesi Fen Bilimleri Enstitüsü, Biyomühendislik Ana Bilim Dalı, Ankara, 2007.
• Kantar, Tuğçe, Uyku bozukluklarına ait EEG verilerindeki geçici eeg dalga formlarının analizi, Yüksek Lisans Tezi, Başkent Üniversitesi Fen Bilimleri Enstitüsü, Biyomedikal Mühendisliği Anabilim Dalı, Ankara, 2017.
• Ocak, H. (2009). Automatic detection of epileptic seizures in EEG using discrete wavelet transform and approximate entropy. Expert Systems with Applications, 36(2), 2027-2036.
• Jabloun, F., Cetin, A. E., & Erzin, E. (1999). Teager energy based feature parameters for speech recognition in car noise. IEEE Signal Processing Letters, 6(10), 259-261.