earticle

논문검색

정보기술

뉴럴네트워크를 이용한 심음의 정상 비정상 분류

원문정보

Classificatin of Normal and Abnormal Heart Sounds Using Neural Network

윤희진

피인용수 : 0(자료제공 : 네이버학술정보)

초록

영어

The heart disease taking the second place of the cause of the death of modern people is a terrible disease that makes sudden death without noticing. To judge the aortic valve disease of heart diseases a name of disease was diagnosed using psychological data provided from physioNet. Aortic valve is a valve of the area that blood is spilled from left ventricle to aorta. Aortic stenosis of heart troubles is a disease when the valve does not open appropriately in contracting the left ventricle to aorta due to narrowed aortic valve. In this paper, 3126 samples of cardiac sound data were used as an experiment data composed of 180 characteristics including normal people and aortic valve stenosis patients. To diagnose normal and aortic valve stenosis patients, NEWFM was utilized. By using an average method of weight as an feature selection method of NEWFM, the result shows 91.0871% accuracy.

한국어

현대인의 사망원인 2위를 차지하고 있는 심장병은 자각 증세 없이 갑자기 돌연사를 당할 수 있는 무서운 질병으로 예방이 중요하다. 심장병 중 대동맥판막 협착증을 판단하기 위해서 physioNet에서 제공하는 심음 데이터 중 S1과 S2 사이의 수축 심음 데이터를 이용하여 병명을 진단하였다. 대동맥 판막은 좌심실에서 대동맥으로 피가 유출되는 부위의 판막이다. 심장병 중 대동맥판막 협착증은 대동맥판막이 좁아져 좌심실의 수축 시 판막이 열리지 않는 질환이다. 위 논문에서는 정상인과 대동맥판막 협착증 환자를 합쳐 특징이 180개로 이루어진 3126개의 샘플 심음 데이터를 실험데이터로 사용하였다. 정상과 대동맥판막 협착증 환자를 구분하기 위해 가중퍼지신경망(NEWFM, Neural Network with Weighted Fuzzy Membership Function)이용하였다. 가중퍼지신경망의 특징선택 방법으로 가중치의 평균 방법을 이용하였으며, 분류 결과는 91.0871%의 정확도를 나타내었다.

목차

요약
 Abstract
 1. 서론
 2. 실험 
  2.1 실험데이터
  2.2 가중퍼지소속함수기반 신경망
  2.3 실험 방법
 3. 결과 및 결론
 REFERENCES

저자정보

  • 윤희진 Yoon Heejin. 장안대학교 IT학부 인터넷정보통신과 조교수

참고문헌

자료제공 : 네이버학술정보

    함께 이용한 논문

      ※ 기관로그인 시 무료 이용이 가능합니다.
      ※ 학술발표대회집, 워크숍 자료집 중 4페이지 이내 논문은 '요약'만 제공되는 경우가 있으니, 구매 전에 간행물명, 페이지 수 확인 부탁 드립니다.

      • 4,000원

      0개의 논문이 장바구니에 담겼습니다.