The classification of heart sound by using ANNS

• Published in: Majallat Jāmiʻat Bābil Vol. 23; no. 2; pp. 878 - 884
• Main Authors: Ramadani, Riyad A., Ubayd, Isra Haid, al-Mamuri, Nihad D. A. Allam
• Format: Journal Article
• Language: Arabic; English
• Published: بابل، العراق جامعة بابل 2015
• Subjects: Artificial neural networks; Diagnosis; Diseases; Heart; Sounds; الأمراض; التشخيص; الشبكات العصبية; القلب
• ISSN: 1992-0652; 2312-8135

أصوات القلب هي الجزء أساسي في تشخيص أمراض القلب. في هذا العمل تم تقديم دراسة عن طريق نظام أعد للمساعدة في تصنيف أصوات القلب اعتمادا على محول +FF و الشبكات العصبية و هذا النظام يتكون من ثلاث مراحل المرحلة الأولى تتضمن تسجيل أصوات القلب من مرضى القلب عن طريق جهاز sonoketle. المرحلة الثانية هي مرحلة تحليل الأصوات و قد تم تجميع أحد عشر متغير أو معامل و هذه المعاملات تمثل المدخلات للمرحلة الثالثة. المرحلة الثالثة هي مرحلة التصنيف حيث يتم في هذه المرحلة تحديد الصنف التي يعود إليها الصوت المسجل. أصوات القلب تم تقسيمها إلى مجاميع، المجاميع العادية (6) و مجموعة أمراض الصمامات (14) حيث تم تجميع الوقت و التردد لـ (11) متغير و التي تكون كمدخلات للشبكات العصبية. Heart auscultation (the interpretation by a physician of heart sounds) is a fundamental component in cardiac diagnosis. It is, however, a difficult skill to acquire. In this work, we present a study for a system intended to aid in heart sound classification based on a FFT of the sounds and a neural network. This work contain three step. The information acquire is the first step which included recording the heart and can record by small recode instrument. The sound from the patient by the sonoketle phone , where the sound heart can be heard and can record by small recoed instrument_the second step is analysis step ,in this step we analysis the sound wave file to get (11) parameter which represent the input to to the third step (classification step). ln classification step we can recognize the class which the sound wave file belong to it. heart sounds of 21 subjects divided in to groups normal (6) and heart valve diseases (l4)analysis and take times and frequencies as 11 parameters that interred to input of network. The accurate result was obtained