[논문 리뷰] Wavelet Based Normal and Abnormal Heart Sound Identification using Spectrogram Analysis

Nilanjan Dey, Achintya Das외 1명|arXiv (Cornell University)|2012. 09. 06.

Phonocardiography and Auscultation TechniquesMedicine참고 문헌 6인용 수 17

한 줄 요약

이 논문은 스펙트로그램 분석을 이용하여 정상 및 비정상 심장음을 분류하기 위한 웨이블릿 기반 방법을 제안한다. 스펙트로그램에 이산 웨이블릿 변환(DWT)을 적용하고 행 평균 특징을 추출함으로써, 최소 유클리드 거리 분류 기반으로 82%의 분류 정확도를 달성하며, 심장 질환의 원격 진료를 위한 유망한 도구를 제공한다.

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.

연구 동기 및 목표

• 스펙트로그램 기반 분석을 이용하여 정상 및 비정상 심장음을 자동으로 식별하는 컴퓨터 보조 시스템을 개발하기 위해.
• 원시 오디오 신호가 아닌 스펙트로그램에서 특징을 추출하기 위해 이산 웨이블릿 변환(DWT)을 활용하기 위해.
• 정확하고 자동화된 심장음 패턴 분류를 통해 심장 질환의 원격 진료를 향상시키기 위해.
• 최소 유클리드 거리 분류 기반으로 스펙트로그램 기반 특징 벡터의 성능을 평가하기 위해.
• 스펙트로그램에 DWT를 적용하여 신뢰할 수 있는 심장음 분류가 가능한지를 입증하기 위해.

제안 방법

• 이 방법은 원시 오디오 신호가 아닌 스펙트로그램을 주요 데이터 소스로 사용한다.
• 이산 웨이블릿 변환(DWT)이 스펙트로그램에 n 단계까지 적용되어 근사 및 세부 성분으로 분해된다.
• 각 DWT 단계의 근사 성분을 이용하여 각 근사 서브밴드의 행 평균을 계산함으로써 일차원 특징 벡터를 추출한다.
• 시험 샘플의 특징 벡터는 저장된 특징 벡터들과 최소 유클리드 거리 기준을 이용해 비교되어 분류된다.
• 저장된 스펙트로그램 샘플들 중 특징 공간에서 가장 가까운 매칭을 기반으로 분류 결정이 이루어진다.
• 이 방법은 원시 오디오 웨이브폼이 아닌 심장음 기록에서 유도된 스펙트로그램 데이터베이스에 의존한다.

실험 결과

연구 질문

• RQ1 DWT를 이용한 스펙트로그램 기반 분석이 정상 및 비정상 심장음 분류의 정확도를 향상시킬 수 있는가?
• RQ2 DWT 근사 성분에서 추출된 행 평균 특징이 심장음 분류에 얼마나 효과적인가?
• RQ3 최소 유클리드 거리 분류기가 스펙트로그램 유래 특징에 적용되었을 때 신뢰할 수 있는 분류를 달성할 수 있는가?
• RQ4 원시 오디오 신호 대신 스펙트로그램을 입력 데이터 소스로 사용할 경우 심장음 분석에서 분류 성능이 향상되는가?
• RQ5 이 웨이블릿 및 스펙트로그램 기반 특징 추출 방법을 사용할 경우 도달할 수 있는 분류 정확도는 어느 정도인가?

주요 결과

• 제안된 방법은 최소 유클리드 거리 분류기를 사용하여 약 82%의 분류 정확도를 달성하였다.
• DWT 근사 성분의 행 평균을 통한 특징 추출이 스펙트로그램으로부터 분류 가능한 패턴을 효과적으로 캡처하였다.
• 원시 오디오가 아닌 스펙트로그램을 입력 데이터 소스로 사용함으로써 분류 작업에 효과적이었다.
• 스펙트로그램의 DWT 기반 분해가 다중 주파수 서브밴드에서 강력한 특징 추출을 가능하게 하였다.
• 계산 효율성과 정확도 덕분에 실시간 원격 진료를 위한 잠재력이 있는 것으로 나타났다.
• 결과적으로 스펙트로그램 기반 분석에 웨이블릿 변환을 적용하는 것이 자동화된 심장음 분류에 실현 가능한 접근법임을 시사한다.