[論文レビュー] Wavelet Based Normal and Abnormal Heart Sound Identification using Spectrogram Analysis

Nilanjan Dey, Achintya Das+1 more|arXiv (Cornell University)|Sep 6, 2012

Phonocardiography and Auscultation TechniquesMedicine参考文献 6被引用数 17

ひとこと要約

本稿では、スペクトログラム解析を用いた、正常および異常な心音を分類するウェーブレットベースの手法を提案する。スペクトログラムに離散ウェーブレット変換（DWT）を適用し、各行の平均特徴を抽出することで、分類に最小ユークリッド距離を用いることで82%の分類精度を達成した。これは心疾患の遠隔診断に有望なツールを提供する。

ABSTRACT

The present work proposes a computer-aided normal and abnormal heart sound identification based on Discrete Wavelet Transform (DWT), it being useful for tele-diagnosis of heart diseases. Due to the presence of Cumulative Frequency components in the spectrogram, DWT is applied on the spectro-gram up to n level to extract the features from the individual approximation components. One dimensional feature vector is obtained by evaluating the Row Mean of the approximation components of these spectrograms. For this present approach, the set of spectrograms has been considered as the database, rather than raw sound samples. Minimum Euclidean distance is computed between feature vector of the test sample and the feature vectors of the stored samples to identify the heart sound. By applying this algorithm, almost 82% of accuracy was achieved.

研究の動機と目的

• スペクトログラムに基づく分析を用いて、正常および異常な心音を識別するコンピュータ支援システムの開発を目的とする。
• 生の音声信号ではなく、スペクトログラムからの特徴抽出にため、離散ウェーブレット変換（DWT）を活用することを目的とする。
• 正確で自動化された心音パターン分類を可能にすることで、心疾患の遠隔診断を向上させることを目的とする。
• 最小ユークリッド距離分類を用いた、スペクトログラムに基づく特徴ベクトルアプローチの性能を評価することを目的とする。
• DWTをスペクトログラムに適用することで、信頼性のある心音分類が可能であることを実証することを目的とする。

提案手法

• 本手法は、生の音声信号の代わりにスペクトログラムを主なデータソースとして使用する。
• スペクトログラムに離散ウェーブレット変換（DWT）をnレベルまで適用し、近似成分と詳細成分に分解する。
• 各DWTレベルの近似成分を用いて、各近似サブバンドの各行の平均を計算することで、一次元の特徴ベクトルを抽出する。
• テストサンプルの特徴ベクトルを、保存済みの特徴ベクトルと最小ユークリッド距離基準を用いて比較して分類する。
• 分類の意思決定は、保存済みのスペクトログラムサンプルの特徴空間における最も近い一致に基づく。
• 本手法は、生の音声波形ではなく、心音記録から導出されたスペクトログラムのデータベースに依存する。

実験結果

リサーチクエスチョン

• RQ1 DWTを用いたスペクトログラムベースの分析は、正常および異常な心音分類の精度を向上させることができるか？
• RQ2 DWT近似成分から抽出された行平均特徴は、心音分類にどの程度効果的か？
• RQ3 スペクトログラムから導出された特徴に最小ユークリッド距離分類器を適用した場合、信頼性のある分類が達成できるか？
• RQ4 生の音声信号ではなく、スペクトログラムを入力データとして使用することで、心音分析における分類性能が向上するか？
• RQ5 本ウェーブレットおよびスペクトログラムベースの特徴抽出手法を用いることで、どの程度の分類精度が達成できるか？

主な発見

• 提案手法は、最小ユークリッド距離分類器を用いて約82%の分類精度を達成した。
• DWT近似成分の各行平均による特徴抽出は、スペクトログラムからの判別的パターンを効果的に捉えることができた。
• 生の音声信号ではなく、スペクトログラムを入力データソースとして使用したことで、分類タスクに有効であることが示された。
• スペクトログラムのDWTに基づく分解により、複数の周波数サブバンドにわたり、強固な特徴抽出が可能になった。
• 計算効率と精度に優れるため、本手法はリアルタイムでの心疾患の遠隔診断に潜在的な応用が可能である。
• 結果から、ウェーブレット変換を用いたスペクトログラムベースの分析は、自動心音分類の実現可能性があることが示された。