Classification, visualization and transient analysis of respiratory sound patterns

Abstract

Akciğer ve solunum sistemi hastalıklarının tanısında kolaylığı, hastaya fazla zorluk çıkarmaması, ve herhangi bir cerrahi müdahale gerektirmemesi nedeni ile en çok kullanılan yöntem dinleme yöntemidir. Ölçme ve sinyal işleme tekniklerindeki gelişmeler, dinleme yoluyla tam için de yeni ufuklar açmış, ve son yıllarda `akıllı steteskop` kavramı ortaya çıkmıştır. Akıllı steteskopla anlatılmak istenen, solunum seslerim kaydedebilen, ses işaretlerini işleyebilen, bu işaretleri ileri tekniklerle görselleştirebilen ve sınıflandırabilen bilgisayar tabanlı bir cihazdır. Bu cihazdan beklenen, tıp doktoruna hastalık tanısında yardımcı olacak bilgileri sağlamasıdır. Bu tez çalışmasında, akıllı steteskop kavramı çerçevesinde ileri sinyal işleme ve sınıflandırma teknikleri araştırılmış, ve yeni yöntemler önerilmiştir. Önerilen tüm sinyal işleme ve sınıflandırma tekniklerinin başarımı, teknik yazında varolan diğer yöntemlerle karşılaştınlmıştır. Çalışmada ilk olarak önerilen yöntem, tam amaçlı kullanılabilecek çok-katlı bir sınıflandırma ve karar birleştirme yöntemidir. Yöntem solunum sesi işaretlerinin çevrimselliğinden kaynaklanan durağan olmama özelliğini gözönüne alarak, ses işareti örüntülerini iki aşamada sınıflandırır. Bu yöntemin sınıflandırma başanmını, tek-katlı sınıflandıncılara göre, anlamlı derecede iyileştirdiği yapılan sınıflandırma deneyleriyle gösterilmiştir. Geliştirilen ikinci yöntem, çok boyutlu solunum sesi öznitelik uzayının iki boyuta indirgenerek görselleştirilmesini, veri uzayındaki potansiyel yapının, sınıflar içi/arası ilişkilerin görsel olarak incelenebilmesini sağlayan, doğrusal olmayan, bir eşlemleme yöntemidir. Böylesi bir görselleştirme aracılığı ile tıp doktorlarına hastalık tanısında yorumlarım katabileceği görsel bir aygıt tasarlanması amaçlanmıştır. Solunum sesi verileri ile yapılan eşlemleme deneyleri, önerilen yöntemin başarımının, teknik yazında en sık kullanılan yöntemler kadar iyi veya daha iyi olduğunu göstemiştir. Bu çalışmada olarak önerilen üçüncü yöntem, hastalıklı solunum sesi işaretlerindeki, hastalık tiplerine ilişkin bilgi taşıyan, çıtırtı adı verilen geçici rejimlerin sezimi için geliştirilmiştir. Yöntem, işaret uzayının zaman-sıklık analizleriyle alt uzaylara aynştırılmasına ve doğrusal olmayan operatörler yardımıyla `çıtırtı işareti-arkaplan solunum sesi işareti` oranının kuvvetlendirilmesine dayanır. Sonuç olarak, bu tez çalışmasında önerilen sinyal işleme ve sınıflandırma yöntemleri solunum sistemi hastalıklarının tanısında kullanılabilecek bir cihazın geliştirilmesine katkıda bulunmuştur.

Among the methods for the diagnosis of respiratory disorders auscultation is still the most rewarding method since it is simple, patient-friendly and non-invasive. Recent advancements in measurement and signal processing techniques have opened the path for intelligent stethoscopes. By an intelligent stethoscope, one intends a computerized auscultation device which can register and process the sound signals, display mem with sophisticated visualization techniques and can provide to the physician diagnostic aids. This research is a case in point that it advances and investigates various signal processing and classification techniques for an intelligent stethoscope. Firstly, for diagnostic purposes, a multi-stage signal classification and decision fusion scheme has been developed. This scheme significantly improved the classification performance by having on one hand two-tiered decision mechanism rather than a single stage classification and on the other hand by combating the non-stationarity of respiratory sounds due to their cyclic behavior. Secondly, a nonlinear mapping method for the interactive analyses of sound patterns has been developed Experiments in visual assessment of respiratory sound patterns using were promising from the medical diagnostic point of view both due to its flexibility and the fact that it outperformed competitor mapping techniques in the literature. Thirdly, a transient detection scheme based on the use of time-scale analysis and nonlinear operators has been investigated. The method was found to be superior to existing algorithms in both detection performance and fidelity of extracted waveforms. In conclusion, these three advances in respiratory sound analysis and classification contributed to the development of an auscultation based diagnostic device implementable on any signal processing board on PC.