Modeling and clustering analysis of pulmonary crackles

Abstract

Bu çalışmanın hedefi, solunum çıtırtılarının birbirini tamamlayan iki analizi olan modelleme ve öbeklemeyi gerçekleştirerek çıtırtıları zaman-sıklık uzayında ifade etmek ve çıtırtı türlerinin en uygun sayısını ve özelliklerini belirlemektir. Çıtırtıların ardalandaki vesikular sesin üzerine eklenmesi nedeniyle, parametreleme analizini doğru yapabilmek için, çıtırtı sinyalinden vesikular sesin temizlenmesi amacıyla bir ön-işlem yöntemi de önerilmiştir. Önerilen modelleme yöntemi olan dalgacık ağları ile modelleme, dalgacık enerjisinin zaman uzaymdaki derişiminden faydalanarak daha az bileşen ile çıtırtının geçici yapısını zaman-sıklık uzayında ifade etmektedir. Modelleme analizinde, kompleks Morlet dalgacıkları, hem Morlet dalgacığı ile çıtırtının dalga şekillerinin benzerliğinden hem de modellemedeki esnek performansından dolayı saklı düğümlerde transfer fonksiyonu olarak kulanılmıştır. Öbekleme analizi çıtırtıların tür sayıları ve bunların özellikleri hakkında yapılan çalışmaların tutarsızlığı nedeni ile yapılmıştır. Bu çalışmalarda çıtırtılar gözlemcilerin duysal algılamalarına göre sınırlandırıldığından, aynı çıtırtıyı etiketlemede farklıklar ortaya çıkmaktadır. Bu öznelliğin üstesinden gelebilmek için, çıtırtılar EM öbekleme analiziyle yönlendirmesiz olarak sınıflandırılmıştır. Bu yöntemde çıtırtı verisinin çok-değişkenli Gauss karışım modeli olarak ifade edilebileceği ve böylece çıtırtı öbeklerinin bileşen uzaylarında normal bir dağılım göstereceği öngörülmüştür. Sonuçlar genellikle kullanılan iki tür olan ince ve kaim çıtırtıların yanında üçüncü bir tür olan orta çıtırtının varlığı konusunda güçlü deliller sunmaktadır. Buna ek olarak, çıtırtı türlerinin nitelendirilmesi, solunum rahatsızlıklarının çıtırtı tabanlı bilgisayar analizine yeni öğeler önermiştir.Anahtar Sözcükler: Solunum Sesleri, Solunum Çıtırtıları, Çıtırtıların Türleri, Dalgacık Ağları, Sinyal Modelleme, EM Öbekleme, Vesikular Sesin Temizlenmesi

The objective of this study is to perform two complementary analyses of pul-monary crackles, i.e. modeling and clustering, in order to interpret crackles in time-frequency domain and also determine the optimal number of crackle types and their characteristics using the modeling parameters. Since the crackles are superimposed on background vesicular sounds, a preprocessing method for the elimination of vesicular sounds from crackle waveform is also proposed for achieving accurate parameteriza-tion. The proposed modeling method, i.e. the wavelet network modeling, interprets the transient structure of crackles in the time-frequency space with a small number of components using the time-localization property of wavelets. in modeling analysis, complex Morlet wavelets are selected as transfer functions in the hidden nodes due to both their similarity with the crackle waveforms and their flexibility in the modeling process. Clustering analysis of crackles probe the discrepancies found among the studies related with the crackle types and their corresponding characteristics. Since, in these studies, crackles are classified according to the auditory perception of the observers, there are inconsistencies found in the labeling of the same crackle. To overcome the inherent subjectivity, the crackles are classified in an unsupervised method using the EM clustering analysis. in this method, it is assumed that the crackle data can be in-terpreted with the multivariate Gaussian mixture model and, therefore, crackle clusters distribute normally in the feature spaces. The results strongly suggest the existence of a third crackle type, medium, in addition to the commonly used two types, i.e. fine and coarse. Moreover, the extracted characteristics of crackle types offer additional features for the computerized crackle-based analysis of pulmonary disorders.Keywords: Lung Sounds, Pulmonary Crackles, Crackle Types, Wavelet Networks, Signal Modeling, EM Clustering, Vesicular Sound Elimination