coanalisador de sinal de fonocardiograma, mídia não transitória de armazenamento legível por máquina, e método de coanálise de sinal de fonocardiograma

• Main Authors: ASIF RAHMAN, BRYAN CONROY, CRISTHIAN MAURICIO POTES BLANDON, SAMAN PARVANEH
• Format: Patent
• Language: Portuguese
• Published: 28.05.2019
• Subjects: DIAGNOSIS; HUMAN NECESSITIES; HYGIENE; IDENTIFICATION; MEDICAL OR VETERINARY SCIENCE; SURGERY

várias modalidades das invenções da presente revelação fornecem uma combinação de abordagem baseada em características e abordagem de aprendizado profundo para distinguir entre sons cardíacos normais e sons cardíacos anormais. um classificador baseado em características (60) é aplicado a um sinal de fonocardiograma (fcg) para obter uma classificação de anormalidade baseada em características dos sons cardíacos representados pelo sinal de fcg, e um classificador de aprendizado profundo (70) também é aplicado ao sinal de fcg para obter uma classificação de anormalidade de aprendizado profundo dos sons cardíacos representados pelo sinal de fcg. um analisador de decisão final (80) é aplicado à classificação de anormalidade baseada em características e à classificação de anormalidade de aprendizado profundo dos sons cardíacos representados pelo sinal de fcg para determinar uma decisão final de classificação de anormalidade do sinal de fcg. Various embodiments of the inventions of the present disclosure provide a combination of feature-based approach and deep learning approach for distinguishing between normal heart sounds and abnormal heart sounds. A feature-based classifier (60) is applied to a phonocardiogram (PCG) signal to obtain a feature-based abnormality classification of the heart sounds represented by the PCG signal and a deep learning classifier (70) is also applied to the PCG signal to obtain a deep learning abnormality classification of the heart sounds represented by the PCG signal. A final decision analyzer (80) is applied to the feature-based abnormality classification and the deep learning abnormality classification of the heart sounds represented by the PCG signal to determine a final abnormality classification decision of the PCG signal.