초록 close

심음은 심장의 기계적인 움직임과 혈류의 흐름에 의해 발생되는 음향파로서, 여러 신호원으로 구성된 복잡하고 비고정적인 신호이다. 심음은 정상적인 심음과 심잡음으로 구분될 수 있다. 심음을 인식한다는 것은 심잡음의 발생 시기에 따라 다르게 나타나는 심잡음을 유형별로 구분한 것이다. 본 연구에서는 심잡음의 유형에 따라 6개의 그룹으로 구분하였다. 제안된 알고리즘은 재샘플링에 의해 정규화된 다음, 웨이블렛 변환을 거쳐 신경회로망의 입력으로 가해진다. 신경회로망은 대표적인 학습 방법인 오류 역전파 알고리즘을 사용하였고, 최적의 회로망 구성을 위해 은닉층의 개수와 학습률을 조절하였다. 인식을 시도한 결과, 제안된 알고리즘은 기존에 연구된 PCA 방법으로 인식을 행하였을 때(평균 75%)보다 더 좋은 인식률(평균 88%)을 얻을 수 있었다.


Heart sound, which is an acoustic wave that is generated by the mechanical movement of the heart and the blood flow, is a complicated, non-stationary signal composed of many signal sources. It can be divided into normal heart sound and heart murmur. The recognition of heart sounds is to differentiate heart murmurs by patterns that appear according to the generation time of murmurs. In this paper, We classified heart sound into six group according to the types of murmur. The suggested algorithm was standardized by re-sampling, and then added as an input of neural network through wavelet transform. The neural network used Error Back - Propagation algorithm, which is a representative learning method, and controlled the number of hidden layers and the learning rate for optimal construction of networks. As a result of recognition experiments, the suggested algorithm could obtain better recognition rate (average 88%) than those (average 75%) from the existing PCA methods.