Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2019 | OriginalPaper | Buchkapitel

Quality Assessment and Classification of Heart Sounds Using PCG Signals

verfasst von : Qurat-ul-ain Mubarak, Muhammad Usman Akram, Arslan Shaukat, Aneeqa Ramazan

Erschienen in: Applications of Intelligent Technologies in Healthcare

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The PCG signals provide valuable information about the heart condition for accurate detection of heart diseases. The noise incorporated in PCG signals during acquisition process makes the detection process a challenging task. In this paper, a complete framework for heart sound classification is proposed. The proposed system introduces the concept of quality assessment before extraction of features and classification of heart sounds. The signal quality is assessed by predefined criteria by based upon number of peaks and zero crossing of PCG signal. Both time and frequency domain features have been extracted to use for classification, which is done using KNN classifier. The results are validated through fivefold cross validation. The algorithm is tested on dataset provided by Pascal classifying heart sound challenge. The average accuracy of the classifier is significantly improved from 0.86 ± 0.0014 to 0.88 ± 0.00117 by introducing the quality assessment of PCG signals and leaving non-suitable/too noisy signals.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel Classification of Normal Heart Beats Using Spectral and Nonspectral Features for Phonocardiography Signals
Literatur
1.
2.
3.
Sherwood, L. (2012). An Physiology: from cells to systems, 8, revised ed., Cengage Learning, p. 928.
4.
5.
6.
7.
8.
9.
10.
11.
12.
Hauora, T. P. (2013). CDHB clinical skills unit – heart and lung auscultation.
13.
14.
15.
Varghees, N., & Ramachandran, K. I. (2014). A novel heart sound activity detection framework for automated heart sound analysis. Biomedical Signal Processing and Control, 13, 174–188.CrossRef
16.
Gomes, E. F., Jorge, A. M., & Azevedo, P. J. (2013). Classifying heart sounds using multiresolution time series motifs: An exploratory study. Portugal: Porto.CrossRef
17.
Dong S. M., & Shin H. (2015). A localization method for first and second heart sounds based on energy detection and interval regulation. Journal of Electrical Engineering and Technology, 10(5), no. ISSN (Print) 1975-0102, pp. 2126–2134.
18.
Quan, X., Seok, J., & Bae, K. (2015). Detection of S1/S2 components with extraction of murmurs from phonocardiogram. IEICE Transactions on Information & Systems, 98-D(3), 745–748.CrossRef
19.
Springer, D. B., Tarassenko, L., & Clifford, D. G. (2016). Logistic regression-HSMM-based heart sound segmentation. IEEE Transactions on Biomedical Engineering, 63(4), 822–832.
20.
Shivhare, V. K., Sharma, S. N., & Shakya, D. K. (2015). Detection of heart sounds S1 and S2 using optimized S-transform and back-propagation algorithm. In: IEEE Bombay Section Symposium (IBSS), Mumbai.
21.
Grzegorczk, I., Soliński, M., Łepek, M., Rymko, J., Rymko, J., Stępień, K., & Gierałtowski, J. (2016). PCG classification using a neural network approach. In: Computing in cardiology, Vancouver, Canada.
22.
Chen, T., Yang, S., Ho, L., Tsai, K., Wang, S., Chen, Y., Lai, Y., Chang, Y., & Wu, C. (2016). S1 and S2 heart sound recognition using deep neural networks. In: IEEE Transactions on Biomedical Engineering.
23.
24.
Metadaten
Titel
Quality Assessment and Classification of Heart Sounds Using PCG Signals
verfasst von
Qurat-ul-ain Mubarak
Muhammad Usman Akram
Arslan Shaukat
Aneeqa Ramazan
Copyright-Jahr
2019
Buch
Applications of Intelligent Technologies in Healthcare

Print ISBN: 978-3-319-96138-5

Electronic ISBN: 978-3-319-96139-2

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-319-96139-2_1

Neuer Inhalt

    Bildnachweise