Modelos acústicos HMM multimodales para sonidos cardiacos y pulmonares

Autores/as

  • Jesus Elias Miranda Vega
  • P. Mayorga Ortiz
  • C. Drugalski
  • D. O. Calderas Ochoa

Resumen

 

Este artículo muestra el proceso de clasificación de señales bioacústicas normales y anormales registradas sobre el tórax humano lo cual incluye los sonidos de corazón y del pulmón. La idea específica es diseñar un sistema de clasificación de señales basado en técnicas de modelado acústico empleando particularmente modelos HMM para detectar secuencias de eventos, y GMM para modelar cúmulos que corresponden a los datos de los eventos. Las modalidades para extraer las características de los datos son vectores MFCC y Octiles. Esta aproximación tiene el potencial de mejorar la clasificación de la precisión en indicadores de diagnóstico auscultatorios, esto es interesante ya que los modelos HMM han demostrado ser menos sensibles al ruido en estudios previos. Resultados preliminares demuestran una precisión del 95\% en clasificación de las señales de sonido evaluadas. Esto es particularmente critico tomando en cuenta la interferencia ambiental en una variedad de consultorios médicos. Debido a que algunas frecuencias del sonido cardiaco son paralelas a los sonidos pulmonares, estas pueden ser modeladas a partir de un mismo registro. Resultados experimentales preliminares de esta aproximación demuestran que es factible el desarrollo de valoraciones de diagnóstico automatizado de pacientes mediante identificadores de diagnóstico auscultatorios en forma temprana usando tecnologías de bajo costo.

Descargas

Los datos de descargas todavía no están disponibles.

Publicado

2014-09-15

Cómo citar

Miranda Vega, J. E., Mayorga Ortiz, P., Drugalski, C., & Calderas Ochoa, D. O. (2014). Modelos acústicos HMM multimodales para sonidos cardiacos y pulmonares. Revista Mexicana De Ingenieria Biomedica, 35(3), 197–209. Recuperado a partir de https://rmib.com.mx/index.php/rmib/article/view/186

Número

Sección

Artículos de Investigación

Citas Dimensions