• The Journal of the Acoustical Society of Korea
• /
• v.30 no.3
• /
• pp.149-157
• /
• 2011

In this paper, we propose a new cardiac disorder classification method using an support vector machine (SVM) to combine hidden Markov model (HMM) and murmur existence information. Using cepstral features and the HMM Viterbi algorithm, we segment input heart sound signals into HMM states for each cardiac disorder model and compute log-likelihood (score) for every state in the model. To exploit the temporal position characteristics of murmur signals, we divide the input signals into two subbands and compute murmur probability of every subband of each frame, and obtain the murmur score for each state by using the state segmentation information obtained from the Viterbi algorithm. With an input vector containing the HMM state scores and the murmur scores for all cardiac disorder models, SVM finally decides the cardiac disorder category. In cardiac disorder classification experimental results, the proposed method shows the relatively improvement rate of 20.4 % compared to the HMM-based classifier with the conventional cepstral features.

• The Journal of the Acoustical Society of Korea
• /
• v.28 no.1
• /
• pp.32-43
• /
• 2009

In this paper, we improve the performance of cardiac disorder classification by continuous heart sound signals using automatic segmentation and extreme learning machine (ELM). The accuracy of the conventional cardiac disorder classification systems degrades because murmurs and click sounds contained in the abnormal heart sound signals cause incorrect or missing starting points of the first (S1) and the second heart pulses (S2) in the automatic segmentation stage, In order to reduce the performance degradation due to segmentation errors, we find the positions of the S1 and S2 pulses, modify them using the time difference of S1 or S2, and extract a single period of heart sound signals. We then obtain a feature vector consisting of the mel-scaled filter bank energy coefficients and the envelope of uniform-sized sub-segments from the single-period heart sound signals. To classify the heart disorders, we use ELM with a single hidden layer. In cardiac disorder classification experiments with 9 cardiac disorder categories, the proposed method shows the classification accuracy of 81.6% and achieves the highest classification accuracy among ELM, multi-layer perceptron (MLP), support vector machine (SVM), and hidden Markov model (HMM).

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.05a
• /
• pp.39-42
• /
• 2006

심전도는 각종심장질환 들을 예측하는데 널리 사용되고 있다. 이러한 심전도에서 ST-분절은 허혈성 심장 질환, 확장성 심근성, 비후성 심근증 등을 예측하는데 이용되고 있다. 이 논문에서는 환자들의 임상 정보와 심전도로부터 심장 질환 예측을 위한 중요 파라미터인 ST-부절을 추출하였다. 그리고 이러한 추출된 데이터 분석을 위해서 데이터마이닝 기법을 적용한다. 데이터마이닝의 분류 알고리즘인 베이지안 네트워크를 적용 심장 질환을 효율적으로 분류하기 위한 방법을 제시 하였다.

• Journal of the Institute of Convergence Signal Processing
• /
• v.16 no.4
• /
• pp.134-138
• /
• 2015

Heart sound is used for a basic clinical examination to check for abnormalities in the lungs and heart that can be heard with a stethoscope or phonocardiography. In this paper, we try to find an easier and non-invasive method to diagnose heart diseases using neural network classifier. The classifier has been developed for one normal heart sound and five murmurs by using Shannon entropy and conjugate scaled back propagation algorithm. The experimental results showed that the classification is possible with 1.63185e-6 of classification error.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.20 no.11
• /
• pp.2137-2142
• /
• 2016

The electrical current generated by heart creates not only electric potential but also a magnetic field. In this study, the signals obtained magnetocardiogram(MCG) using 61 channel superconducting quantum interference device(SQUID) system, and the clinical significance of various feature parameters has been developed MCG. Neural network algorithm was used to perform the classification of ischemic heart disease. The MCG signal was obtained to facilitate the extraction of parameters through a process of pre-processing. The data used to research the normal group 10 and ischemic heart disease group 10 with visible signs of stable angina patients. The available clinical indicators were extracted by characteristic point, characteristic interval parameter, and amplitude ratio parameter. The extracted parameters are determined to analysis the significance and clinical parameters were defined. It is possible to classify ischemic heart disease using the MCG feature parameters as a neural network input.

• Science of Emotion and Sensibility
• /
• v.10 no.2
• /
• pp.147-154
• /
• 2007

Electrocardiogram(ECG) being the recording of the heart's electrical activity provides valuable clinical information about heart's status. Many researches have been pursued for heart disease diagnosis using ECG so far. However, electrocardio-graph uses foreign diagnosis algorithm in the con due to inaccuracy of domestic diagnosis results for a heart disease. This paper proposes ST-segment extraction technique diagnosing heart disease parameter from raw ECG data. As the ST-segment is used for prediction of Coronary Artery Disease, we can predict heart disease using classification approach in data mining technique. We can also predict patient's clinical characterization from patient clinical data.

• The Journal of the Acoustical Society of Korea
• /
• v.29 no.2
• /
• pp.133-140
• /
• 2010

We improve the performance of cardiac disorder classification by adding new temporal features extracted from continuous heart sound signals. We add three kinds of novel temporal features to a conventional feature based on mel-frequency cepstral coefficients (MFCC): Heart sound envelope, murmur probabilities, and murmur amplitude variation. In cardiac disorder classification and detection experiments, we evaluate the contribution of the proposed features to classification accuracy and select proper temporal features using the sequential feature selection method. The selected features are shown to improve classification accuracy significantly and consistently for neural network-based pattern classifiers such as multi-layer perceptron (MLP), support vector machine (SVM), and extreme learning machine (ELM).

• Journal of the korean veterinary medical association
• /
• v.40 no.2
• /
• pp.145-156
• /
• 2004

심부정맥(Cardiac arrhythmia)이란 심장내 박동, 율동, 충동 발생 및 전도장애를 유도하는 질환을 말하며, 주로 심근경색이나 심장비대증 같은 심장의 해부학적 질환과 약물중독 및 전해질 불균형에 의해 발생한다. 부정맥은 정상적인 심근 활성을 차단하여 심장박출을 감소시키므로 때로 생명을 위협하기도 한다. 본 종설에서는 심장의 전도계에 관련된 정상생리와 부정맥의 병리적 발생기전 및 부정맥 치료제에 대한 분류 및 약리기전에 대해 기술하고자 한다.

• Proceedings of the KIEE Conference
• /
• 2006.07d
• /
• pp.2173-2174
• /
• 2006

심음은 심장이 수축, 확장 시에 심장의 움직임과 혈류의 흐름에 의해 발생하는 음향이다. 심음은 여러 신호원으로 이루어져 있고, 매우 복잡하고 비고정적인 신호이다. 심장의 질환에 따라 심음의 소리는 다르게 나타난다. 심음을 구분하여 심장 질환의 유무를 판단하는 가장 기초적인 기준이 될 수 있다. 본 연구에서는 Support Vector Machine 기법을 이용하여 심음을 통한 심장 질환 판별 검출 알고리즘을 제안하였다. Support Vector Machine은 신경망의 한 종류이며 이진분류에서 좋은 성능을 보인다. 또한 Polynomial Radial Basis Function, Multi-Layer Perceptron Classifiers를 위한 대안적인 학습방법으로 사용된다. 이러한 특성을 사용하여 심음의 데이터들을 일정한 기준에 의하여 (+)데이터와 (-)데이터로 분리한 후, 각 데이터들을 학습시켜 최적의 데이터를 만든다. 이후 각 데이터들은 점층적인 추가 학습을 시킴으로써 적은 양의 학습 데이터만으로도 높은 분류 성능을 표현할 수 있다. 이 연구에서 제안된 SVM을 실제 심음 데이터에 적용한 실험에서 심장 질환의 유무 판별에 우수한 성능을 보임을 확인할 수 있을 것으로 판단된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.11a
• /
• pp.365-368
• /
• 2006

심장의 활동을 기록한 심전도는 심장의 상태에 대한 가치 있는 임상 정보를 제공한다. 지금까지 심전도를 이용한 심장 질환 진단 알고리즘에 대한 많은 연구가 진행되어 왔으나, 심장 질환에 대한 진단 결과의 부 정확성으로 인해 외국의 진단 알고리즘을 사용하고 있다. 이 논문에서는 원시 심전도 데이터로부터 심장 질환 진단의 파라미터인 ST-segment 추출 방법을 제안한다. ST-segment는 관상동맥질환 예측에 활용되므로 데이터마이닝의 분류기법을 적용하여 질환을 예측한다. 또한 연관규칙 마이닝을 통해 환자들의 임상 데이터로부터 심장 질환자들의 임상적 특징을 예측한다.