S'abonner

Novel PCG Analysis Method for Discriminating Between Abnormal and Normal Heart Sounds - 28/12/19

Doi : 10.1016/j.irbm.2019.12.003 
O. El Badlaoui , A. Benba, A. Hammouch
 Electronic Systems, Sensors and Nanobiotechnologies (E2SN), Ecole Normale Supérieure de l'Enseignement Technique (ENSET), Mohammed V University, Rabat, Morocco 

Corresponding author.
Sous presse. Épreuves corrigées par l'auteur. Disponible en ligne depuis le Saturday 28 December 2019
Cet article a été publié dans un numéro de la revue, cliquez ici pour y accéder

Graphical abstract

Le texte complet de cet article est disponible en PDF.

Highlights

Collection of heart sound database and Features extraction from each PCG signal.
Performing two types of analysis with and without normalization.
Data compression using principal component analysis (PCA).
Classification using SVM and k-NN.
The best obtained accuracies were between 98% and 100%

Le texte complet de cet article est disponible en PDF.

Abstract

A novel approach for separation among normal and heart murmurs sounds based on Phonocardiogram (PCG) analysis is introduced in this paper. The purpose of this work is to find the appropriate algorithm able to detect heart failures. Different features have been extracted from time and frequency domains. After the normalization step, the Principal Component Analysis algorithm is used for data reduction and compression. Support Vectors Machine (SVM), and k-Nearest Neighbors (kNN) classifiers were used with different kernels and number of neighbors in the classification step. Simulation results obtained from different databases are compared. The developed system gave good results when applied to different datasets. The accuracy of 96%, and 100% for the first, and the second dataset respectively were obtained. The algorithm shows its effectiveness in separation between normal and pathological cases.

Le texte complet de cet article est disponible en PDF.

Keywords : Phonocardiogram, Signal processing, MFCC, SVM, k-NN, Classification


Plan


© 2019  AGBM. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.