Propostas de técnicas para caracterização e classificação automática de sons pulmonares adventícios

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorNohama, Percy-
Autor(es): dc.contributorMaia, Joaquim Miguel-
Autor(es): dc.creatorRiella, Rodrigo Jardim-
Data de aceite: dc.date.accessioned2022-02-21T21:51:23Z-
Data de disponibilização: dc.date.available2022-02-21T21:51:23Z-
Data de envio: dc.date.issued2010-10-14-
Data de envio: dc.date.issued2010-10-14-
Data de envio: dc.date.issued2008-
Data de envio: dc.date.issued2022-02-21-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/133-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/662127-
Descrição: dc.descriptionIn this thesis, the investigation of methods to characterize and classify adventitious lung sounds by spectral analysis is described. To accomplish this task, two novel techniques were developed, through Multiressolution Analysis, based on the Discrte Wavelet Transform. The first technique aims to detect abnormal sounds and classity them info four groups: normal, continuous and discontinuous adventitions lung sounds, also notifying their simultaneous occurence. During its processing, the respiratory cycle signal is decomposed up to its tenth level, and the energy present in the detail and approximation coefficients for each decomposition level is calculated, resulting on a curve of energy versus decomposition level. The resulting curves show different signatures for each kind of adventitious sound. These signatures are used as data source for a classifier system based on Radial Basis Function Artificial Neural Networks. This technique was tested for ten different wavelets, training a hundred neural networks for each wavelet, totalizing a thousand neural networks trained. The best performance rates for each wavelet reach values from 88% to 92.36% for the test group, in a set of 275 respiratory cycles. In the second technique, named Filtering by Selective Spectral Analysis, the lung sound is decomposed until its fourth level, the approximation coefficients spectra are calculatedand, based on the highest frequency component found on those coefficients, a multiband FIR filter is determined. This filter is used to eliminate all frequency components in the approximation coefficients except the highest one. After the filtering procedure, the signal is recomposed by wavelet reconstruction. In order to evaluate the proposed technique, ten wavelets were used in the decomposition and reconstruction stages. The wavelet which presented the best performance attenuated heart sounds 6 dB more than the adventitious sounds that occur in the same spectral band. For measuring this attenuation, the Power Spectral Density was used. This procedure showed satisfactory results, elimination the normal airflow noise and cardiac sounds, leaving only the adventitious sounds in the recorded lung sounds.-
Descrição: dc.descriptionNesta tese, descrevem-se técnicas matemáticas visando a caracterização e classificação de sons pulmonares adventícios, por meio de sua análise espectral. Para alcançar este objetivo, desenvolveu-se duas novas metodologias, que utilizam Análise em Multiresolução, implementada a partir da Transformada Wavelet Discreta. A primeira metodologia desenvolvida é utilizada para classificar automaticamente os sons pulmonares em quatro grupos: sons normais e sons adventícios contínuos e descontínuos, notificando também o caso de ocorrência das duas anomalias no mesmo ciclo respiratório. Durante o processamento, o ciclo respiratório é decomposto até seu décimo nível, calculando a energia dos coeficientes detalhe em cada nível de decomposição, assim como a energia dos coeficientes de aproximação. Deste cálculo, obtém-se uma curva de variação da energia em relação ao nível de decomposição, sendo que as curvas obtidas se mostraram curvas caracterísitcas em relação ao tipo de som adventício. Tais curvas são aplicadas a uma simulação de Rede Neural Artificial de Função de Base Radial, que atua como classificador entre os quatro grupos. Esta técnica foi testada utilizando dez wavelets, sendo treinadas cem redes neurais para cada uma. Os melhores resultados apresentaram índice de acerto entre 88% e 92,36% para o conjunto de teste, em um total de 275 ciclos respiratórios. A segunda metodologia, denominada Filtragem por Análise Espectral Seletiva, decompõe o som pulmonar até seu quarto nível, calculando o espectro dos coeficientes aproximação e, baseado na componente de frequência prepoderante, calcula um filtro FIR multibanda. Este filtro é utilizado para eliminar todas as {sic} componentes espectrais dos coeficientes de aproximação, com exceção do mais proeminente. Após o procedimento de filtragem, o sinal é recomposto através de reconstrução wavelet. Para a avaliação de seus resultados, foram testadas dez wavelets no processo de decomposição e reconstrução. Para a wavelet que apresentou melhores resultados, obteve-se uma atenuação dos sons cardíacos da ordem de 6dB em relação aos sons adventícios que ocorrem na mesma faixa espectral, utilizando a Densidade Espectral de Potência dos sinais como referência. Esta metodologia mostrou resultados satisfatórios na tarefa de eliminar tanto os ruídos relativos ao fluxo aéreo normal nas vias aeríferas quanto os sons cardíacos, mantendo somente os sons adventícios nas gravações de sons pulmonares.-
Formato: dc.format11,7 MB-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherPrograma de Pós-Graduação em Engenharia Elétrica e Informática Industrial-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectPulmões - Sons-
Palavras-chave: dc.subjectAparelho respiratório - Fisiologia-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectAnálise espectral-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectSpectrum analysis-
Título: dc.titlePropostas de técnicas para caracterização e classificação automática de sons pulmonares adventícios-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.