• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 제13회 신호처리 합동 학술대회 논문집
• /
• pp.959-962
• /
• 2000

A heart sound algorithm, which separates the heart sound signal into four parts; the first heart sound, the systolic period, the second heart sound, and the diastolic period has been developed. The algorithm uses discrete intensity envelopes of approximations of the wavelet transform analysis method to the phonocard-iogram(PCG)signal. Heart sound a highly nonstation-ary signal, so in the analysis of heart sound, it is important to study the frequency and time information. Further more, Wavelet Transform provides more features and characteristics of the PCG signal that will help physician to obtain qualitative and quantitative measurements of the heart sound.

• The Journal of the Acoustical Society of Korea
• /
• 제28권2E호
• /
• pp.72-78
• /
• 2009

Heart sound segmentation into its components, S1, systole, S2 and diastole is the first step of analysis and the most important part in the automatic diagnosis of heart sounds. Conventionally, the Shannon energy envelope peak detection method has been popularly used due to its superior performance in locating S1 and S2. Recently, the HMM has been shown to be quite suitable in modeling the heart sound signal and its use in segmenting the heart sound signal has been suggested with some success. In this paper, we compared the two methods for heart sound segmentation using a common database. Experimental tests carried out on the 4 different types of heart sound signals showed that the segmentation accuracy relative to the manual segmentation was 97.4% in the HMM based method which was larger than 91.5% in the peak detection method.

• 센서학회지
• /
• 제30권1호
• /
• pp.47-50
• /
• 2021

Human hearing sensitivity is frequency-dependent. The sensitivity is low at both ends of the audible frequency, and the sensitivity is the highest in the middle band at 3000 Hz. The heart sound of a healthy person is concentrated at a low frequency of 200 Hz or less, and despite using a stethoscope, the hearing sensitivity of the human body is low, and the stethoscope sound is low. Amplifying the sound of the stethoscope is not effective in distinguishing heart sounds in noisy environments because it maintains the same signal-to-noise ratio. In this study, a method of enhancing auditory stimulation was developed by applying a method of moving the spectrum of auscultation sounds into a high-frequency region where the human body is highly sensitive to hearing. The spectrum of the auscultation sound was moved up by 500 Hz in the frequency domain, and an inverse fast Fourier transform (FFT) was performed to reconstruct the auscultation sound. The heart sounds reconstructed by moving the spectra were divided into the first heart and second heart sound components, as in the original heart sound, and it was confirmed that the intensity was large in the cochleagram representing auditory stimulation. Therefore, this study suggested that spectral shift is a method to enhance auditory stimulation during auscultation without increasing the intensity of the auscultation sound.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 ITC-CSCC -2
• /
• pp.1045-1048
• /
• 2000

This paper presents the application of the wavelet transform analysis and the neural network method to the phonocardiogram (PCG) signal. Heart sound is a acoustic signal generated by cardiac valves, myocardium and blood flow and is a very complex and nonstationary signal composed of many source. Heart sound can be discriminated normal heart sound and heart murmur. Murmurs have broader frequency bandwidth than the normal ones and can occur at random position of cardiac cycle. In this paper, we classified the group of heart sound as normal heart sound(NO), pre-systolic murmur(PS), early systolic murmur(ES), late systolic murmur(LS), early diastolic murmur(ED). And we used the wavelet transform to shorten artifacts and strengthen the low level signal. The ANN system was trained and tested with the back- propagation algorithm from a large data set of examples-normal and abnormal signals classified by expert. The best ANN configuration occurred with 15 hidden layer neurons. We can get the accuracy of 85.6% by using the proposed algorithm.

• 전자공학회논문지SC
• /
• 제38권5호
• /
• pp.59-69
• /
• 2001

최근에 디지털 선호처리와 전자부품의 발달로 심음 분식에 관한 많은 연구가 진행되고 있다. 그러나 심음 인식, 특히 심음 한주기 전체에 대한 인식연구는 거의 없다. 본 논문에서 심음 전체 한주기에 대한 새로운 인식 방법을 제안하였다. 먼저 주성분 분석을 이용하여 훈련 셋트로 데이터베이스를 구축한다. 데이터베이스는 새로운 심음입력을 인식하는데 이용된다. 심음은 정상심음, 수축전 심잡음, 수축초기 심잡음, 수축 말기 심잡음, 이완 초기 심잡음, 이완 말기 심잡음， 연속적 심잡음으로 분류된다. 실험결과 새로운 인식 방법은 심음의 특징을 인식하는데 효과적이었다. 최대 인식률은 NO의 경우 71%, PS와 ES의 경우 80%, LS의 경우 78%, ED의 경우 87%, LD의 경우 60%, CM의 경우 20% 이었다. 현재의 결과가 실제적으로 심음을 인식하기에는 충분하지 못하였지만 선음 전체 주기를 대상으로 한 연구라는데 의의가 있으며 더 효과적인 데이터베이스를 구축함으로써 인식률을 개선할 수 있다.

• 한국음향학회지
• /
• 제26권4호
• /
• pp.144-152
• /
• 2007

기존의 심음분류를 위한 연구들은 인공신경망을 이용하여 주로 이루어졌다. 그러나 심음신호의 통계적 특성을 분석 한 결과 HMM의 의한 신호모델링이 적합한 것으로 나타났다. 본 연구에서는 다양한 질병을 나타내는 심음신호를 HMM을 이용하여 모델링 하고 인식성능이 심음신호의 클러스터링에 따라서 많이 좌우되는 것을 알 수 있었다. 또한 실제 환경에서의 심음신호는 그 시작과 끝나는 시점이 정해지지 않은 연속신호이다. 따라서 HMM을 이용한 심음분류를 위해서는 연속적인 심음신호로부터 한 사이클의 분할된 심음을 추출할 필요성이 있다. 일반적으로 수동분할은 분할오류를 발생시키며 실시간 심음인식에 적합하지 않으므로 분할과정이 필요치 않는 ergodic형 HMM을 변형하여 사용할 것을 제안하였다. 그리고 제안된 HMM은 연속심음을 이용한 분류실험에서 매우 높은 성능을 보임을 알 수 있었다.

• The Journal of the Acoustical Society of Korea
• /
• 제27권2E호
• /
• pp.57-63
• /
• 2008

Stethoscopic auscultation is still one of the primary tools for the diagnosis of heart diseases due to its easy accessibility and relatively low cost. It is, however, a difficult skill to acquire. Many research efforts have been done on the automatic classification of heart sound signals to support clinicians in heart sound diagnosis. Recently, hidden Markov models (HMMs) have been used quite successfully in the automatic classification of the heart sound signal. However, in the classification using HMMs, there are so many heart sound signal types that it is not reasonable to assign a new class to each of them. In this paper, rather than constructing an HMM for each signal type, we propose to build an HMM for a set of acoustically-similar signal types. To define the classes, we use the KL (Kullback-Leibler) distance between different signal types to determine if they should belong to the same class. From the classification experiments on the heart sound data consisting of 25 different types of signals, the proposed method proved to be quite efficient in determining the optimal set of classes. Also we found that the class determination approach produced better results than the heuristic class assignment method.

• 대한의용생체공학회:의공학회지
• /
• 제20권6호
• /
• pp.573-581
• /
• 1999

청진에 의한 심음도법은 오래 전부터 진단에 이용되어 왔지만 심음 인식분야에서는 제 1심음, 제 2심음, 특정 판막의 운동과 같이 부분적 기능이나 동작 분석을 목적으로 심음의 일부 구간에 대한 인식 연구가 행하여졌을 뿐 심음 한 주기 전체를 대상으로 하는 심음 특징 인식에 대한 연구성과는 매우 미약하였다. 본 논문에서는 한 주기 동안의 전체 심음을 분석하여 파라메터를 추출하고 이를 이용하여 한 주기 심음 특성에 대한 인식방법을 제안하였다. 제안된 알고리즘은 시간영역에서 제 1심음과 제 2심 검출을 기반으로 한다. 알고리즘은 주요 구간을 추출하고 정점 위치, 구간 적분, 통계변수에 대한 분석을 통하여 심음을 분류한다. 심음을 정상, 수축초기 심잡음, 수축말기 심잡음, 이완 초기 심잡음, 이완 말기 심잡음, 연속적 심잡음으로 구분하였다. 시험 결과 평균 88% 의 평균 인식률을 얻어 제안된 알고리즘의 유용성을 확인하였다. 비정상 심음의 분류에 대한 오인식은 주로 수축초기의 심잡음인 경우로 나타났다.

• 한국멀티미디어학회논문지
• /
• 제14권7호
• /
• pp.884-894
• /
• 2011

본 논문에서는 심음에서 제 1심음(S1)과 제 2심음(S2)을 찾기 위한 새로운 알고리듬을 제안하였다. 심음의 주성분을 찾기 위한 기존의 알고리듬들은 심 잡음이 없는 정상 심음 신호에서는 높은 성능을 보이지만 심 질환에 의해 발생하는 심 잡음이 섞여 있는 신호에서는 현저한 성능저하를 보인다. 따라서 본 논문에서는 심 질환이 있는 심음에서 제 1심음과 제 2심음의 검출 성능 향상을 위해 3차 샤논 에너지 변화량을 이용한 알고리듬을 제안하였다. 제 1심음과 제 2심음의 에너지 변화량이 심 잡음에 비해 더 크게 나타나는 특징을 이용하여, 심 잡음을 감쇄시키고 제 1심음, 제 2심음을 검출하였다. 제안한 알고리듬은 정상 심음 뿐 아니라 대동맥 협착증, 승모판막 협착증과 같은 비정상 심음에서도 높은 검출 성능을 가질 수 있도록 개발하였으며 실험 결과 기존의 검출방법에 비하여 높은 검출 성능을 보였다.

• 전기학회논문지
• /
• 제62권10호
• /
• pp.1444-1450
• /
• 2013

Esophageal stethoscope is used for monitoring the heart sounds and breath sounds of patients during surgery under a general anesthesia. Recently, an electronic esophageal stethoscope (EES)[1] has been developed for the purpose of real-time monitoring these information visually. This system uses only a microphone as the sound sensor. A drawback of the EES system is that it may be difficult to distinguish the first sound ($S_1$) and the second sound ($S_2$) of heart, because their periods are irregular depending on patients. In this paper, we propose an improved EES system in which the infrasound is measured by adding a pressure sensor as well as a sound sensor. We investigate some correlations between the infrasound and characteristics of the heart sound. The proposed system has been tested on 15 patients. The results show that the new system is capable of detecting the first sound more reliably and easily determining the heart rate and breathing period.