• 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.

• 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.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 하계종합학술대회 논문집 Ⅳ
• /
• pp.2156-2159
• /
• 2003

Thoracic sound has been widely known as a good method to examine thoracic disease. But, it's difficult to diagnose with correct data according to patient's thoracic position from same patient who has thoracic disease. Therefore, it is necessary to normalize the data for lung sound objectively In this paper, we'd like to detect a useful data for medical examination by applying PCA(Principal Component Analysis) to thoracic sound data and then present a objective data about lung and heart sound for thoracic disease.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.101-102
• /
• 2007

Heart diseases are critical and should be detected as soon as possible. A stethoscope is a simple device to find cardiac disorder but requires keen experiences in heart sounds. We evaluate a cardiac disorder classifier by using heart sounds recorded by a digital wireless stethoscope developed in this work. The classifier uses hidden Markov models with circular state transition to model the heart sounds. We train the classifier using two kinds of data: One recorded by using our stethoscope and the other sampled from a clean heart sound database. In classification experiments using 165 sound clips, the classifier shows the classification accuracy of 82% in classifying 6 cardiac disorder categories.

• 한국정보통신학회논문지
• /
• 제13권4호
• /
• pp.753-758
• /
• 2009

본 논문은 유비쿼터스 헬스케어 시스템을 위하여 생체 정보 단말기 개발에 있어 심음 신호를 기반한 RF-Tag의 하드웨어 구조와 신호처리 방법을 제안한 것이다. 본 연구에서의 RF-Tag는 체온 센서와 심음 검출을 위한 다이나믹 마이크로폰, 측정된 헬스정보를 전송하기 위한 블루투스 통신, 적응 이득제어기로 이루어진 심박 주기 검출 알고리즘으로 구성되어 있다. RF-Tag의 성능 분석을 위해 잡음환경에서 실험하였으며, 그 결과 우수한 성능을 보였다. 본 연구에서 제안한 방법을 u-헬스케어 단말기에 적용한다면, 모바일 환경에서도 실시간적으로 정확한 헬스 정보를 얻을 수 있을 것이라 사료된다.

• 대한의용생체공학회:학술대회논문집
• /
• 대한의용생체공학회 1997년도 추계학술대회
• /
• pp.75-78
• /
• 1997

In this paper we present new sound spectral analysis methods or prosthetic heart valve sounds. Phonocardiograms(PCG) of prosthetic heart valve were analyzed in order to derive frequency domain feature suitable or the classification of the valve state. The fast orthogonal search method and MUSIC (MUltiple SIgnal Classification) method are described or finding the significant frequencies in PCG. The fast orthogonal search method is effective with short data records and cope with noisy, missing and unequally-spaced data. MUSIC method's key to the performance is the division of the information in the autocorrelation matrix or the data matrix into two vector subspaces, one a signal subspace and the other a noise subspace.

• 한국통신학회논문지
• /
• 제34권8B호
• /
• pp.830-838
• /
• 2009

다양한 진단 기기들의 개발로 인해 발전을 거듭하고 있는 서양의학에 비해, 한의학은 임상의의 직관에 의존하여 환자들에게 시각적이며 객관적으로 질환 상태를 표현해줄 수 있는 정량화된 진단 데이터들이 부족한 실정이다. 이를 위해 본 논문에서는 한의학적 진단 방법의 시각화를 통한 객관화를 구현하기 위해 먼저, 한의학에서 몸을 다스리는 중심기관이며 생명과 정신의 근원처로 간주하고 있는 심장과 음성 신호와의 관계를 한방에 기초하여 규명하고 분석하였다. 따라서 심장은 오관 중 혀와 관련이 되어 있어 음성과 연계하여 생각하면 심장 질환자는 설음(舌音), 즉 혓소리의 발음이 불명확하다는 것에 초점을 맞추어 심장 질환의 유무를 판단하는 방법을 설계하였다. 이를 위해 심장 질환자와 정상인으로 피실험자 집단을 구성하고 이들의 음성에서 헛소리에 해당하는 부분에 대한 제2포먼트 주파수의 통계적 대역폭 분석과 형태적 모델링 분석을 수행하여 상호간의 비교, 분석을 수행하였다. 최종적으로 설계한 방법에 대해 실험 결과를 통한 상관성을 분석하였다.

• 융합정보논문지
• /
• 제8권5호
• /
• pp.131-135
• /
• 2018

현대인의 사망원인 2위를 차지하고 있는 심장병은 자각 증세 없이 갑자기 돌연사를 당할 수 있는 무서운 질병으로 예방이 중요하다. 심장병 중 대동맥판막 협착증을 판단하기 위해서 physioNet에서 제공하는 심음 데이터 중 S1과 S2 사이의 수축 심음 데이터를 이용하여 병명을 진단하였다. 대동맥 판막은 좌심실에서 대동맥으로 피가 유출되는 부위의 판막이다. 심장병 중 대동맥판막 협착증은 대동맥판막이 좁아져 좌심실의 수축 시 판막이 열리지 않는 질환이다. 위 논문에서는 정상인과 대동맥판막 협착증 환자를 합쳐 특징이 180개로 이루어진 3126개의 샘플 심음 데이터를 실험데이터로 사용하였다. 정상과 대동맥판막 협착증 환자를 구분하기 위해 가중퍼지신경망(NEWFM, Neural Network with Weighted Fuzzy Membership Function)이용하였다. 가중퍼지신경망의 특징선택 방법으로 가중치의 평균 방법을 이용하였으며, 분류 결과는 91.0871%의 정확도를 나타내었다.

• 대한의용생체공학회:의공학회지
• /
• 제45권3호
• /
• pp.109-117
• /
• 2024

We developed a device that integrates digital otoscope and stethoscope for telemedicine. The integrated device was utilized for the collection of tympanic membrane images and cardiac auscultation data. Data accumulated on the platform server can support real-time diagnosis of heart and eardrum diseases using artificial intelligence. Public data from Kaggle were used for deep learning. After comparing with various deep learning models, the MobileNetV2 model showed superior performance in analyzing tympanic membrane data, and the VGG16 model excelled in analyzing cardiac data. The classification algorithm achieved an accuracy of 89.9% for eardrums data and 100% for heart sound data. These results demonstrate the possibility of diagnosing diseases without the limitations of time and space by using this platform.

• 한국산학기술학회논문지
• /
• 제10권10호
• /
• pp.2708-2714
• /
• 2009

언어를 통한 의사 전달 능력이 부족한 영아나 소아들은 울음으로서 자신의 몸의 상태나 요구하는 것에 대한 의사 표시를 행한다. 이 중 중요한 것이 소아 상태를 나타내는 것인데 언어 전달 능력이 없는 소아들의 질병은 진단 시기를 놓치거나 정확한 진단 결과를 내리기 어려운 문제가 존재한다. 이를 위해 본 연구에서는 소아의 울음소리를 분석하여 몸의 어느 부위가 문제가 있는지를 판단해 내는 소아 청진 시스템을 개발하였다. 특히 본 논문에서는 울음소리의 피치, 강도 및 스펙트럼 분석을 통해 소아 선천성 심질환자에 대한 질병 진단을 수행하였다. 이를 위해 각각의 분석 요소를 통해 정상적인 아이와 소아 선천성 심질환을 앓고 있는 아이에 대한 울음소리의 비교, 분석을 수행하였다. 이와 같은 방법을 통해 의사표현 능력이 부족한 소아를 대상으로 편리하게 소아 선천성 심질환을 진단할 수 있으며 임상 자료의 추가 실험을 통해 울음소리 기반의 재택형 진단 시스템을 구축할 수 있다.