Российский фонд
фундаментальных
исследований

Физический факультет
МГУ им. М.В.Ломоносова
 

Измерение. Мониторинг. Управление. Контроль. 2018, № 2

 

Бердибаева Г.К., Бодин О.Н., Фирсов Д.С. «Классификация звуков астматического дыхания с использованием нейронных сетей» Измерение. Мониторинг. Управление. Контроль, № 2, с. 86-90 (2018)

Актуальность и цели. Объектом исследования являются респираторные звуки астматических пациентов и здоровых лиц. Предметом исследования является анализ звуковых сегментов респираторных звуков с использованием дискретного вейвлет-преобразования (DWT) и вейвлет-пакетного преобразования (WPT). Целью работы является классификация звуковых сигналов дыхания нормального и астматического состояний с помощью использования искусственной нейронной сети (ANN). Материалы и методы. Изложены алгоритм последовательной обработки сигнала через банк фильтров с учетом психоакустической природы слуха и результаты классификации полученных векторов-признаков с помощью аппарата искусственных нейронных сетей. Результаты. Нормальные и астматические звуковые сигналы дыхания делятся на сегменты, которые включают в себя один цикл дыхания как вдох и выдох. Анализ этих звуковых сегментов осуществляется с использованием как дискретного вейвлет-преобразования (DWT), так и вейвлет-пакетного преобразования (WPT). Каждый сегмент звука разбивается на частотные поддиапазоны с использованием DWT и WPT. Функциональные векторы создаются путем извлечения статистических признаков из поддиапазонов. Результаты классификации DWT и WPT сравниваются друг с другом с точки зрения точности классификации. Выводы. Дыхательный анализ звука с использованием методов обработки сигналов имеет важное значение для диагностики заболеваний легких, таких как астма. Существует много исследований по анализу дыхательных звуков. В этих исследованиях показано, что нейронные сети дают высокий коэффициент успеха. Таким образом, мы используем методы анализа DWT, WPT и классификатор ANN для анализа наших звуков дыхания. Мы сравниваем эти методы анализа с точки зрения точности классификации. Как видно из итогов, DWT немного лучше, чем WPT в нашем исследовании. Полученные результаты весьма перспективны для выявления болезни астмы.

Измерение. Мониторинг. Управление. Контроль, № 2, с. 86-90 (2018) | Рубрика: 15.01