EKSTRAKSI CIRI SINYAL SUARA JANTUNG

Pratondo Busono
{"title":"EKSTRAKSI CIRI SINYAL SUARA JANTUNG","authors":"Pratondo Busono","doi":"10.5614/sniko.2018.45","DOIUrl":null,"url":null,"abstract":"Suara detak jantung dihasilkan dari akselerasi maupun deselerasi dari aliran darah yang dipengaruhi karena pembukaan maupun penutupan katup jantung secara tiba-tiba dan tegangan tiba-tiba struktur intracardiac. Proses ini akan memunculkan suara detak jantung yakni suara S1 dan suara S2 pada keadaan pasien normal. Pada penderita gangguan jantung, diantara suara S1 dan S2 akan muncul suara S3 dan S4. Pada auskultasi jantung, dokter mendiagnosa pasien dengan mendengarkan suara jantung menggunakan stetoskop. Untuk kegunaan analisa otomatis, seluruh informasi yang dibutuhkan untuk diagnosa perlu digitasi dan ditampilkan pada perangkat visual. Sehingga segmentasi dan klasifikasi dapat menghasilkan diagnose dan tindakan medis yang tepat. Tujuan dari penelitian ini adalah mengembangkan algorihma untuk ekstraksi ciri sinyal suara jantung. Metoda yang digunakan mencakup akusisi sinyal jantung, pemrosesan awal dan segmentasi/extraksi ciri. Sinyal jantung diperoleh dari stetoskop elektronik. Pemrosesan awal digunakan filter lolos pita. Segmentasi digunakan model semi Markov tersebunyi. Hasil percobaan menunjukan bahwa ekstraksi ciri dari sinyal suara jantung menghasilkan beberapa paremeters seperi segmen suara S1, segmen sistolis, segmen suara S2 dan segmen diastolis. Performa algorithma ditest dengan menggunakannya untuk evaluasi rekaman dari beberapa objek yang mencakup pasien normal atau upnormal.","PeriodicalId":352062,"journal":{"name":"Seminar Nasional Kontrol Instrumentasi dan Otomasi (SNIKO) 2015","volume":"10 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Seminar Nasional Kontrol Instrumentasi dan Otomasi (SNIKO) 2015","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5614/sniko.2018.45","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Suara detak jantung dihasilkan dari akselerasi maupun deselerasi dari aliran darah yang dipengaruhi karena pembukaan maupun penutupan katup jantung secara tiba-tiba dan tegangan tiba-tiba struktur intracardiac. Proses ini akan memunculkan suara detak jantung yakni suara S1 dan suara S2 pada keadaan pasien normal. Pada penderita gangguan jantung, diantara suara S1 dan S2 akan muncul suara S3 dan S4. Pada auskultasi jantung, dokter mendiagnosa pasien dengan mendengarkan suara jantung menggunakan stetoskop. Untuk kegunaan analisa otomatis, seluruh informasi yang dibutuhkan untuk diagnosa perlu digitasi dan ditampilkan pada perangkat visual. Sehingga segmentasi dan klasifikasi dapat menghasilkan diagnose dan tindakan medis yang tepat. Tujuan dari penelitian ini adalah mengembangkan algorihma untuk ekstraksi ciri sinyal suara jantung. Metoda yang digunakan mencakup akusisi sinyal jantung, pemrosesan awal dan segmentasi/extraksi ciri. Sinyal jantung diperoleh dari stetoskop elektronik. Pemrosesan awal digunakan filter lolos pita. Segmentasi digunakan model semi Markov tersebunyi. Hasil percobaan menunjukan bahwa ekstraksi ciri dari sinyal suara jantung menghasilkan beberapa paremeters seperi segmen suara S1, segmen sistolis, segmen suara S2 dan segmen diastolis. Performa algorithma ditest dengan menggunakannya untuk evaluasi rekaman dari beberapa objek yang mencakup pasien normal atau upnormal.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
提取心音信号
心脏跳动的声音是由心脏瓣膜突然打开或关闭所影响的血液流动的加速度和变速而产生的。这一过程会产生一个跳动的声音,在正常患者的情况下,它会发出S1和S2的声音。对于心脏病患者,在S1和S2的声音中会有S3和S4。在心脏听诊时,医生使用听诊器通过听诊心脏声音来诊断病人。为了进行自动分析,诊断所需的所有信息都需要数字化并在视觉设备上显示。所以分割和分类可以产生正确的诊断和医疗行动。该研究的目的是开发一个算法来提取心音特征。使用的方法包括心脏信号的穴位、初始处理和分割/ extrakci特征。信号是从电子听诊器的心脏。早期使用过滤器处理通过声带。分割使用的半马尔可夫模型。实验结果表明,从心脏发出的声音信号中提取出的特征会产生几种分离,如S1声音段、收缩压段、S2声音段和舒张图段。使用该算法来评估包括正常或upnormal患者在内的多个对象的记录性能。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
RANCANG BANGUN MESIN PEMBERSIH SEPATU PENGAMAN (SAFETY SHOES CLEANER) BERBASIS PROGRAMMABLE LOGIC CONTROLLER (PLC) Kontrol Navigasi Robot Beroda pada Kontes Robot Pemadam Api Indonesia (KRPAI) Menggunakan Fuzzy Logic Pemodelan dan Rancang Bangun Autonomous Underwater Vehicle dengan Enam Propeller OTOMATISASI PENGAMBILAN DATA PADA ALAT UJI TEKAN PASIR CETAK WGA BERBASIS ARDUINO MEGA 2560 DAN LABVIEW DESIGN AND DEVELOPMENT OF A LOW COST BLOOD LEAK DETECTOR FOR DIALYSIS MACHINE APPLICATION
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1