Kalp seslerini kaydeden ve otomatik S1-S2 dalgası belirleyen sistem tasarımı

Aksahin, Mehmet; OLTU, BURCU; KARAC, Büşra KÜBRA

doi:10.17341/gazimmfd.438614

Kalp seslerini kaydeden ve otomatik S1-S2 dalgası belirleyen sistem tasarımı

Mehmet Feyzi AKŞAHİN, (Başkent Üniversitesi, Mühendislik Fakültesi, Biyomedikal Mühendisliği Bölümü, Türkiye)

Burcu OLTU, (Başkent Üniversitesi, Mühendislik Fakültesi, Biyomedikal Mühendisliği Bölümü, Türkiye)

Büşra KÜBRA KARAC (Başkent Üniversitesi, Mühendislik Fakültesi, Biyomedikal Mühendisliği Bölümü, Türkiye)

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi

0 0

Yıl: 2020 Cilt: 35 Sayı: 1 Sayfa Aralığı: 61 - 70 Metin Dili: Türkçe DOI: 10.17341/gazimmfd.438614 İndeks Tarihi: 07-01-2021

Kalp seslerini kaydeden ve otomatik S1-S2 dalgası belirleyen sistem tasarımı

Öz:

Dünyadaki en önemli ölüm sebeplerinden ikincisi kardiyovasküler hastalıklardır. Kardiyovaskülerhastalıkların büyük çoğunluğuna, kalp seslerinin uzman hekimler tarafından dinlenmesiyle (oskültasyonyöntemi) teşhis konulmaktadır. Bununla birlikte oskültasyon yöntemi kişinin tecrübesine ve duymabecerisine bağlı olduğundan sübjektif sonuçlar ortaya çıkarabilir. Dolayısıyla kalp seslerininsayısallaştırılması ve görselleştirilmesi, kardiyovasküler hastalıkların, özellikle kalp kapak hastalıklarınınteşhisinin doğru, hızlı ve ekonomik olmasını sağlar. Bu amaç doğrultusunda yapılan çalışmanın ilkaşamasında kalp seslerini vücuttan alan, yükselten, filtreleyen ve bilgisayara aktararak kaydedebilen cihazprototipi tasarımı yapılmıştır. Tasarlanan cihazın çalışma doğruluğunun test edilmesi için etik kurul izniylebirlikte klinik uygulamalar yapılmış, bu uygulama sonucunda 5 farklı hastalık grubuna ait (mitral yetmezliği,mitral-aort yetmezliği, mitral-triküspit yetmezliği, mitral-aort-triküspit yetmezliği ve sağlıklı kalp sesikayıtları) 15 kalp sesi kaydı toplanmış ve elde edilen kayıtlar incelenmiştir. Kalp kapak hastalıklarının teşhisiiçin en etkili parametre S1-S2 kalp seslerinin lokasyonudur. Bu nedenle çalışmanın ikinci aşamasında,hekimlere teşhislerinde yardımcı olmak için S1-S2 lokasyonlarını belirleyen tıbbi karar destek sistemioluşturulmuştur. Bu bağlamda öncelikle, kalp sesleri ayrık dalgacık dönüşümü yöntemiyle filtrelenmiştir.Ardından filtrelenen sinyaldeki S1-S2 dalgaları, teager enerji operatörü ve kural tabanlı algoritma ile belirginhale getirilmiştir. Sonuç olarak normal ve patolojik verilerdeki S1-S2 lokasyonları ortalama %98,67hassasiyet, %97,69 özgüllük ve %98,18 doğruluk değerleriyle tespit edilmiştir.

Anahtar Kelime:

Heart sound recording and automatic S1-S2 waves detecting system design

Öz:

The second leading cause of death in the world is cardiovascular diseases. Diagnosis of vast majority of cardiovascular diseases is made by listening to heart sounds by specialists (auscultation method). However, since the method of auscultation depends on the experience and hearing ability of the specialist, obtained results can be subjective. Therefore, digitization and visualization of heart sounds enables accurate, rapid and economical diagnosis of cardiovascular diseases, especially heart valve diseases. For this purpose, a device prototype that collects the heart sound from human body and also amplifies, filters, displays and records collected data on digital environment was designed in the first part of this study. In order to test the working accuracy of the designed device, clinical applications were carried out with the permission of the ethics committee and as the result of this application 15 heart sound recordings from 5 different disease groups(mitral insufficiency, mitral-aortic insufficiency, mitral-tricuspid insufficiency, mitral-aortic tricuspid insufficiency and healthy heart sound recordings) were collected.and obtained recordings were examined. The most effective parameter for the diagnosis of heart valve diseases is the location of the S1-S2 heart sounds. For this reason, in the second part of the study, a medical decision support system was established to detect the S1-S2 locations to assist physicians in their diagnosis. In this context, heart sounds are first filtered by discrete wavelet transform. Then, the S1-S2 waves in the filtered signal are made evident by the teager energy operator and rule-based algorithm. As a result, S1-S2 locations in normal and pathological data were detected with 98.67% sensitivity, 97.69% specificity and 98.18% accuracy.

Anahtar Kelime:

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık

1. Sharma, P. K., Saha, S., & Kumari, S. (2014). Study and design of a Shannon-energy-envelope based phonocardiogram peak spacing analysis for estimating arrhythmic heart-beat. International Journal of Scientific and Research Publications, 4(9).
2. Myint, W. W., & Dillard, B. (2001, March). An electronic stethoscope with diagnosis capability. In System Theory, 2001. Proceedings of the 33rd Southeastern Symposium on (pp. 133-137). IEEE.
3. Guraksin, G. E., Ergun, U., & Deperlioglu, O. (2009, May). Performing discrete fourier transform of the heart sounds on the pocket computer. In Biomedical Engineering Meeting, 2009. BIYOMUT 2009. 14th National (pp. 1-4). IEEE.
4. Djebbari, A., & Reguig, F. B. (2000, December). Shorttime Fourier transform analysis of the phonocardiogram signal. In Electronics, Circuits and Systems, 2000. ICECS 2000. The 7th IEEE International Conference on (Vol. 2, pp. 844-847). IEEE.
5. Saha, G., & Kumar, P. (2004, December). An efficient heart sound segmentation algorithm for cardiac diseases. In India Annual Conference, 2004. Proceedings of the IEEE INDICON 2004. First (pp. 344-348). IEEE.
6. Yamaçlı, M. (2008). Fonokardiyogram Kayıtlarındaki S1-S2 seslerinin Dalgacık Enerjileri ile Bölütlenmesi (Doctoral dissertation, Fen Bilimleri Enstitüsü).
7. Liu, L., Wang, W., & Yuan, G. (2013, December). Algorithm of heart sound segmentation and feature extraction. In Image and Signal Processing (CISP), 2013 6th International Congress on (Vol. 3, pp. 1552-1556). IEEE.
8. Messer, S. R., Agzarian, J., & Abbott, D. (2001). Optimal wavelet denoising for phonocardiograms. Microelectronics journal, 32(12), 931-941.
9. Huiying, L., Sakari, L., & Iiro, H. (1997, November). A heart sound segmentation algorithm using wavelet decomposition and reconstruction. In Engineering in Medicine and Biology Society, 1997. Proceedings of the 19th Annual International Conference of the IEEE (Vol. 4, pp. 1630-1633). IEEE.
10. KARAL, Ömer. EKG Verilerinin Destek Vektör Regresyon Yöntemiyle Sıkıştırılması. Journal of the Faculty of Engineering and Architecture of Gazi University, 33(2), 743-755, 2018.
11. Karasekreter, N. (2009). S1 ve S2 Kalp Seslerinin Ayrıştırılmasında ve Teşhisinde Sayısal Analiz Yöntemlerinin Uygulanması (Yüksek Lisans Tezi, Afyon Kocatepe Üniversitesi Fen Bilimleri Enstitüsü)
12. Say, Ö. (2002). Kalp Seslerinin Analizi ve Yapay Sinir Ağları ile Sınıflandırılması (Doctoral dissertation, Fen Bilimleri Enstitüsü).
13. Liang, H., Lukkarinen, S., & Hartimo, I. (1997, September). Heart sound segmentation algorithm based on heart sound envelogram. In Computers in Cardiology 1997 (pp. 105-108). IEEE.
14. Huiying, L., Sakari, L., & Iiro, H. (1997, November). A heart sound segmentation algorithm using wavelet decomposition and reconstruction. In Engineering in Medicine and Biology Society, 1997. Proceedings of the 19th Annual International Conference of the IEEE (Vol. 4, pp. 1630-1633). IEEE.
15. Reed, T. R., Reed, N. E., & Fritzson, P. (2004). Heart sound analysis for symptom detection and computeraided diagnosis. Simulation Modelling Practice and Theory, 12(2), 129-146.
16. Saha, G., & Kumar, P. (2004, December). An efficient heart sound segmentation algorithm for cardiac diseases. In India Annual Conference, 2004. Proceedings of the IEEE INDICON 2004. First (pp. 344-348). IEEE.
17. Kumar, D., Carvalho, P., Antunes, M., Gil, P., Henriques, J., & Eugenio, L. (2006, May). A new algorithm for detection of S1 and S2 heart sounds. In Acoustics, Speech and Signal Processing, 2006.
ICASSP 2006 Proceedings. 2006 IEEE International Conference on (Vol. 2, pp. II-II). IEEE.
18. Kumar, D., Carvalho, P., Antunes, M., Henriques, J., Eugenio, L., Schmidt, R., & Habetha, J. (2006, August). Detection of S1 and S2 heart sounds by high frequency signatures. In Engineering in Medicine and Biology Society, 2006. EMBS'06. 28th Annual International Conference of the IEEE (pp. 1410-1416). IEEE.
19. Wang, P., Lim, C. S., Chauhan, S., Foo, J. Y. A., & Anantharaman, V. (2007). Phonocardiographic signal analysis method using a modified hidden Markov model. Annals of Biomedical Engineering, 35(3), 367- 374.
20. Debbal, S. M., & Bereksi-Reguig, F. (2007). Timefrequency analysis of the first and the second heartbeat sounds. Applied Mathematics and Computation, 184(2), 1041-1052.
21. Maglogiannis, I., Loukis, E., Zafiropoulos, E., & Stasis, A. (2009). Support vectors machine-based identification of heart valve diseases using heart sounds. Computer methods and programs in biomedicine, 95(1), 47-61.
22. Kao, W. C., & Wei, C. C. (2011). Automatic phonocardiograph signal analysis for detecting heart valve disorders. Expert Systems with Applications, 38(6), 6458-6468.
23. Zhang, N., Zhang, C., & Li, Y. (2012, August). The Analysis of the Anomaly Characteristic of Heart Sound Based on Heart Sounds Segmentation Algorithm. In Computer Science & Service System (CSSS), 2012 International Conference on (pp. 1339-1342). IEEE.
24. Yue, Z., Liang, J., & Shen, Y. (2012, June). Timefrequency analysis of heart sounds in telemedicine consulting system for auscultation. In Information and Automation (ICIA), 2012 International Conference on (pp. 652-657). IEEE.
25. Liu, L., Wang, W., & Yuan, G. (2013, December). Algorithm of heart sound segmentation and feature extraction. In Image and Signal Processing (CISP), 2013 6th International Congress on(Vol. 3, pp. 1552-1556). IEEE.
26. Com, W. R. Automatic Heart Sound Signal Analysis with Reused Multi-Scale Wavelet Transform.
27. Toprak, İ. B., Çağlar, M. F., & Merdan, M. Ayrık Dalgacık Dönüşümü ve Yapay Sinir Ağları Kullanarak EEG Sinyallerinden Otomatik Epilepsi Teşhisi Automatic Recognition of Epilepsy from EEG using Artificial Neural Network and Discrete Wavelet Transform.
28. AYDIN, Fatih; ASLAN, Zafer. Yapay Öğrenme Yöntemleri Ve Dalgacık Dönüşümü Kullanılarak Nöro Dejeneratif Hastalıkların Teşhisi. Journal of the Faculty of Engineering and Architecture of Gazi University, 32(3), 749-766, 2017
29. Erdamar, Aykut, Uyku Apnesinin Öngörülmesi ve Dil Uyarılması için Model Geliştirilmesi, Doktora Tezi, Hacettepe Universitesi Fen Bilimleri Enstitüsü, Biyomühendislik Ana Bilim Dalı, Ankara, 2007.
30. Kantar, Tuğçe, Uyku bozukluklarına ait EEG verilerindeki geçici eeg dalga formlarının analizi, Yüksek Lisans Tezi, Başkent Üniversitesi Fen Bilimleri Enstitüsü, Biyomedikal Mühendisliği Anabilim Dalı, Ankara, 2017.
31. Ocak, H. (2009). Automatic detection of epileptic seizures in EEG using discrete wavelet transform and approximate entropy. Expert Systems with Applications, 36(2), 2027-2036.
32. Jabloun, F., Cetin, A. E., & Erzin, E. (1999). Teager energy based feature parameters for speech recognition in car noise. IEEE Signal Processing Letters, 6(10), 259- 261.

APA	Aksahin M, OLTU B, KARAC B (2020). Kalp seslerini kaydeden ve otomatik S1-S2 dalgası belirleyen sistem tasarımı. , 61 - 70. 10.17341/gazimmfd.438614
Chicago	Aksahin Mehmet,OLTU BURCU,KARAC Büşra KÜBRA Kalp seslerini kaydeden ve otomatik S1-S2 dalgası belirleyen sistem tasarımı. (2020): 61 - 70. 10.17341/gazimmfd.438614
MLA	Aksahin Mehmet,OLTU BURCU,KARAC Büşra KÜBRA Kalp seslerini kaydeden ve otomatik S1-S2 dalgası belirleyen sistem tasarımı. , 2020, ss.61 - 70. 10.17341/gazimmfd.438614
AMA	Aksahin M,OLTU B,KARAC B Kalp seslerini kaydeden ve otomatik S1-S2 dalgası belirleyen sistem tasarımı. . 2020; 61 - 70. 10.17341/gazimmfd.438614
Vancouver	Aksahin M,OLTU B,KARAC B Kalp seslerini kaydeden ve otomatik S1-S2 dalgası belirleyen sistem tasarımı. . 2020; 61 - 70. 10.17341/gazimmfd.438614
IEEE	Aksahin M,OLTU B,KARAC B "Kalp seslerini kaydeden ve otomatik S1-S2 dalgası belirleyen sistem tasarımı." , ss.61 - 70, 2020. 10.17341/gazimmfd.438614
ISNAD	Aksahin, Mehmet vd. "Kalp seslerini kaydeden ve otomatik S1-S2 dalgası belirleyen sistem tasarımı". (2020), 61-70. https://doi.org/10.17341/gazimmfd.438614

APA	Aksahin M, OLTU B, KARAC B (2020). Kalp seslerini kaydeden ve otomatik S1-S2 dalgası belirleyen sistem tasarımı. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 35(1), 61 - 70. 10.17341/gazimmfd.438614
Chicago	Aksahin Mehmet,OLTU BURCU,KARAC Büşra KÜBRA Kalp seslerini kaydeden ve otomatik S1-S2 dalgası belirleyen sistem tasarımı. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 35, no.1 (2020): 61 - 70. 10.17341/gazimmfd.438614
MLA	Aksahin Mehmet,OLTU BURCU,KARAC Büşra KÜBRA Kalp seslerini kaydeden ve otomatik S1-S2 dalgası belirleyen sistem tasarımı. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, vol.35, no.1, 2020, ss.61 - 70. 10.17341/gazimmfd.438614
AMA	Aksahin M,OLTU B,KARAC B Kalp seslerini kaydeden ve otomatik S1-S2 dalgası belirleyen sistem tasarımı. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi. 2020; 35(1): 61 - 70. 10.17341/gazimmfd.438614
Vancouver	Aksahin M,OLTU B,KARAC B Kalp seslerini kaydeden ve otomatik S1-S2 dalgası belirleyen sistem tasarımı. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi. 2020; 35(1): 61 - 70. 10.17341/gazimmfd.438614
IEEE	Aksahin M,OLTU B,KARAC B "Kalp seslerini kaydeden ve otomatik S1-S2 dalgası belirleyen sistem tasarımı." Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 35, ss.61 - 70, 2020. 10.17341/gazimmfd.438614
ISNAD	Aksahin, Mehmet vd. "Kalp seslerini kaydeden ve otomatik S1-S2 dalgası belirleyen sistem tasarımı". Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 35/1 (2020), 61-70. https://doi.org/10.17341/gazimmfd.438614