Трансформаційні досягнення в сфері здоров’я серця плода із застосуванням BiLSTM мереж для класифікації фонокардіограми плода

Автор(и)

DOI:

https://doi.org/10.20535/S0021347024030026

Анотація

В статті представлено передову методологію класифікації фонокардіограми плода FPCG (Fetal PhonoCardioGram) з використанням мереж двонаправленої довгої короткотривалої пам’яті BiLSTM (Bidirectional Long Short-Term Memory). Визнаючи ключову роль моніторингу серця плода при ранньому виявленні аномалій, дослідження розглядає FPCG сигнали, що стосуються серцевої діяльності плода. Інноваційний підхід включає попередню обробку FPCG сигналів з використанням мел-частотних кепстральних коефіцієнтів MFCC (Mel-Frequency Cepstral Coefficients) і спектрограм, а також стратегічне застосування BiLSTM мереж, що забезпечує стійку класифікаційну структуру. Двонаправлений характер LSTM архітектури підвищує здатність моделі фіксувати часові залежності як в прямому, так і в зворотному напрямках, полегшуючи розпізнавання складних патернів у серцевих скороченнях плода. Експериментальні результати демонструють точність 98%, підтверджуючи ефективність і точність підходу BiLSTM у класифікації FPCG. Це дослідження значно вдосконалює автоматизовані методи оцінки серцевого здоров’я плода, що створює перспективи трансформаційних покращень в пренатальній медицині.

Посилання

P. Chetlur Adithya, R. Sankar, W. A. Moreno, S. Hart, “Trends in fetal monitoring through phonocardiography: Challenges and future directions,” Biomed. Signal Process. Control, vol. 33, pp. 289–305, 2017, doi: https://doi.org/10.1016/j.bspc.2016.11.007.

R. Sameni, M. Samieinasab, “Shiraz university fetal heart sounds database,” PhysioNet, 2021. https://physionet.org/content/sufhsdb/1.0.1/.

Z. Cömert, A. F. Kocamaz, “Comparison of machine learning techniques for fetal heart rate classification,” Acta Phys. Pol. A, vol. 132, no. 3, pp. 451–454, 2017, doi: https://doi.org/10.12693/APhysPolA.132.451.

A. K. Mittra, N. K. Choudhari, “Time-frequency analysis of foetal heart sound signal for the prediction of prenatal anomalies,” J. Med. Eng. Technol., vol. 33, no. 4, pp. 296–302, 2009, doi: https://doi.org/10.1080/03091900802454384.

V. S. Chourasia, A. K. Tiwari, R. Gangopadhyay, “A novel approach for phonocardiographic signals processing to make possible fetal heart rate evaluations,” Digit. Signal Process., vol. 30, pp. 165–183, 2014, doi: https://doi.org/10.1016/j.dsp.2014.03.009.

С. Х. Аббас, Р. Колікіпогу, В. Л. Реді, Д. П. Марур, Д. Кумар, М. Сінгх, “Платформа поглибленого навчання для аналізу лікувальних факторів в інтернеті медичних речей,” Известия вузов. Радиоэлектроника, vol. 66, no. 3, pp. 174–184, 2023, doi: https://doi.org/10.20535/S0021347023030056.

V. S. Chourasia, A. K. Tiwari, “Fetal heart rate variability analysis from phonocardiographic recordings,” J. Mech. Med. Biol., vol. 11, no. 05, pp. 1315–1331, 2011, doi: https://doi.org/10.1142/S0219519411004174.

D. Springer, L. Tarassenko, G. Clifford, “Logistic regression-HSMM-based heart sound segmentation,” IEEE Trans. Biomed. Eng., pp. 1–1, 2015, doi: https://doi.org/10.1109/TBME.2015.2475278.

S. Zhang, R. Zhang, S. Chang, C. Liu, X. Sha, “A low-noise-level heart sound system based on novel thorax-integration head design and wavelet denoising algorithm,” Micromachines, vol. 10, no. 12, p. 885, 2019, doi: https://doi.org/10.3390/mi10120885.

T. H. Chowdhury, K. N. Poudel, Y. Hu, “Time-frequency analysis, denoising, compression, segmentation, and classification of PCG signals,” IEEE Access, vol. 8, pp. 160882–160890, 2020, doi: https://doi.org/10.1109/ACCESS.2020.3020806.

M. Deng, T. Meng, J. Cao, S. Wang, J. Zhang, H. Fan, “Heart sound classification based on improved MFCC features and convolutional recurrent neural networks,” Neural Networks, vol. 130, pp. 22–32, 2020, doi: https://doi.org/10.1016/j.neunet.2020.06.015.

Ö. Arslan, M. Karhan, “Effect of Hilbert-Huang transform on classification of PCG signals using machine learning,” J. King Saud Univ. - Comput. Inf. Sci., vol. 34, no. 10, pp. 9915–9925, 2022, doi: https://doi.org/10.1016/j.jksuci.2021.12.019.

P. Chen, Q. Zhang, “Classification of heart sounds using discrete time-frequency energy feature based on S transform and the wavelet threshold denoising,” Biomed. Signal Process. Control, vol. 57, p. 101684, 2020, doi: https://doi.org/10.1016/j.bspc.2019.101684.

N. K. Sawant, S. Patidar, N. Nesaragi, U. R. Acharya, “Automated detection of abnormal heart sound signals using Fano-factor constrained tunable quality wavelet transform,” Biocybern. Biomed. Eng., vol. 41, no. 1, pp. 111–126, 2021, doi: https://doi.org/10.1016/j.bbe.2020.12.007.

O. Alshamma, F. H. Awad, L. Alzubaidi, M. A. Fadhel, Z. M. Arkah, L. Farhan, “Employment of multi-classifier and multi-domain features for PCG recognition,” in 2019 12th International Conference on Developments in eSystems Engineering (DeSE), 2019, pp. 321–325, doi: https://doi.org/10.1109/DeSE.2019.00066.

I. Vican, “Method for classification of fetal phonocardiography signals using empirical mode decomposition and psychoacoustic parameters,” Zagreb, 2022. uri: https://urn.nsk.hr/urn:nbn:hr:168:532472.

S. Magesh, P. S. Rajakumar, “Ensemble feature extraction-based prediction of fetal arrhythmia using cardiotocographic signals,” Meas. Sensors, vol. 25, p. 100631, 2023, doi: https://doi.org/10.1016/j.measen.2022.100631.

A. Darmawahyuni et al., “Accurate fetal QRS-complex classification from abdominal electrocardiogram using deep learning,” Int. J. Comput. Intell. Syst., vol. 16, no. 1, p. 158, 2023, doi: https://doi.org/10.1007/s44196-023-00339-x.

А. И. Рыбин, А. Д. Мельник, Ю. Х. Нижебецкая, И. А. Сушко, С. Н. Литвинцев, “Классификация одно- и двумерных сигналов методами нормализации и нормального преобразования,” Известия вузов. Радиоэлектроника, vol. 59, no. 1, p. 34, 2016, doi: https://doi.org/10.20535/S0021347016010027.

M. aron Goda, P. Hajas, “Morphological determination of pathological PCG signals by time and frequency domain analysis,” in 2016 Computing in Cardiology Conference (CinC), 2016, doi: https://doi.org/10.22489/CinC.2016.324-249.

Z. Cömert, A. F. Kocamaz, “Fetal hypoxia detection based on deep convolutional neural network with transfer learning approach,” in Advances in Intelligent Systems and Computing, Cham: Springer, 2019, pp. 239–248.

J. Li et al., “Automatic classification of fetal heart rate based on convolutional neural network,” IEEE Internet Things J., vol. 6, no. 2, pp. 1394–1401, 2019, doi: https://doi.org/10.1109/JIOT.2018.2845128.

Z. Zhao, Y. Deng, Y. Zhang, Y. Zhang, X. Zhang, L. Shao, “DeepFHR: intelligent prediction of fetal Acidemia using fetal heart rate signals based on convolutional neural network,” BMC Med. Informatics Decis. Mak., vol. 19, no. 1, p. 286, 2019, doi: https://doi.org/10.1186/s12911-019-1007-5.

M. Liu, Y. Lu, S. Long, J. Bai, W. Lian, “An attention-based CNN-BiLSTM hybrid neural network enhanced with features of discrete wavelet transformation for fetal acidosis classification,” Expert Syst. with Appl., vol. 186, p. 115714, 2021, doi: https://doi.org/10.1016/j.eswa.2021.115714.

S. Li, F. Li, S. Tang, F. Luo, “Heart sounds classification based on feature fusion using lightweight neural networks,” IEEE Trans. Instrum. Meas., vol. 70, pp. 1–9, 2021, doi: https://doi.org/10.1109/TIM.2021.3109389.

Y. Xu, B. Xiao, X. Bi, W. Li, J. Zhang, X. Ma, “Pay more attention with fewer parameters: a novel 1-D convolutional neural network for heart sounds classification,” in 2018 Computing in Cardiology Conference (CinC), 2018, doi: https://doi.org/10.22489/CinC.2018.072.

M. B. Er, “Heart sounds classification using convolutional neural network with 1D-local binary pattern and 1D-local ternary pattern features,” Appl. Acoust., vol. 180, p. 108152, 2021, doi: https://doi.org/10.1016/j.apacoust.2021.108152.

R. D. I. Puspitasari, M. A. Ma’sum, M. R. Alhamidi, W. Kurnianingsih Jatmiko, “Generative adversarial networks for unbalanced fetal heart rate signal classification,” ICT Express, vol. 8, no. 2, pp. 239–243, 2022, doi: https://doi.org/10.1016/j.icte.2021.06.007.

A. Bakhshi, A. Harimi, S. Chalup, “CyTex: Transforming speech to textured images for speech emotion recognition,” Speech Commun., vol. 139, pp. 62–75, 2022, doi: https://doi.org/10.1016/j.specom.2022.02.007.

S. Ismail, B. Ismail, I. Siddiqi, U. Akram, “PCG classification through spectrogram using transfer learning,” Biomed. Signal Process. Control, vol. 79, p. 104075, 2023, doi: https://doi.org/10.1016/j.bspc.2022.104075.

R. Khanmohammadi, M. S. Mirshafiee, M. M. Ghassemi, T. Alhanai, “Fetal gender identification using machine and deep learning algorithms on phonocardiogram signals,” arXiv, 2021. https://arxiv.org/abs/2110.06131.

M. G. M. Milani, P. E. Abas, L. C. De Silva, “A critical review of heart sound signal segmentation algorithms,” Smart Heal., vol. 24, p. 100283, 2022, doi: https://doi.org/10.1016/j.smhl.2022.100283.

V. S. Chourasia, A. K. Tiwari, R. Gangopadhyay, “Time-frequency characterization of fetal phonocardiographic signals using wavelet scalogram,” J. Mech. Med. Biol., vol. 11, no. 02, pp. 391–406, 2011, doi: https://doi.org/10.1142/S0219519410003782.

R. Abburi et al., “Adopting artificial intelligence algorithms for remote fetal heart rate monitoring and classification using wearable fetal phonocardiography,” Appl. Soft Comput., vol. 165, p. 112049, 2024, doi: https://doi.org/10.1016/j.asoc.2024.112049.

S. Siami-Namini, N. Tavakoli, A. S. Namin, “The performance of LSTM and BiLSTM in forecasting time series,” in 2019 IEEE International Conference on Big Data (Big Data), 2019, pp. 3285–3292, doi: https://doi.org/10.1109/BigData47090.2019.9005997.

R. Zhao, R. Yan, J. Wang, K. Mao, “Learning to monitor machine health with convolutional bi-directional LSTM networks,” Sensors, vol. 17, no. 2, p. 273, 2017, doi: https://doi.org/10.3390/s17020273.

K. N. Khan et al., “Deep learning based classification of unsegmented phonocardiogram spectrograms leveraging transfer learning,” Physiol. Meas., vol. 42, no. 995003, 2021, doi: https://doi.org/10.1088/1361-6579/ac1d59.

A. Patwa, M. Mahboob Ur Rahman, T. Y. Al-Naffouri, “Heart murmur and abnormal PCG detection via wavelet scattering transform and 1D-CNN,” IEEE Sensors J., vol. 25, no. 7, pp. 12430–12443, 2025, doi: https://doi.org/10.1109/JSEN.2025.3541320.

J. Li, L. Ke, Q. Du, X. Ding, X. Chen, “Research on the classification of ECG and PCG signals based on BiLSTM-GoogLeNet-DS,” Appl. Sci., vol. 12, no. 22, p. 11762, 2022, doi: https://doi.org/10.3390/app122211762.

Аномальний FPCG сигнал

##submission.downloads##

Опубліковано

2024-05-27

Як цитувати

Шарма, Й., Рей, Ш., & Ядав, О. П. (2024). Трансформаційні досягнення в сфері здоров’я серця плода із застосуванням BiLSTM мереж для класифікації фонокардіограми плода. Вісті вищих учбових закладів. Радіоелектроніка, 67(5), 297–308. https://doi.org/10.20535/S0021347024030026

Номер

Том 67 № 5 (2024)

Розділ

Оригінальні статті

Ліцензія

Авторське право (c) 2024 Вісті вищих учбових закладів. Радіоелектроніка

Издатель журнала Известия высших учебных заведений. Радиоэлектроника (сокр. "Известия вузов. Радиоэлектроника"), Национальный технический университет Украины "Киевский политехнический институт", учитывает, что доступ автора к его статье является важным как для самого автора, так и для спонсоров его исследований. Мы представлены в базе издателей SHERPA/RoMEO как зеленый издатель (green publisher), что позволяет автору выполнять самоархивирование своей статьи. Однако важно, чтобы каждая из сторон четко понимала свои права. Просьба более детально ознакомиться с Политикой самоархивирования нашего журнала.

Политика оплаченного открытого доступа POA (paid open access), принятая в журнале, позволяет автору выполнить все необходимые требования по открытому доступу к своей статье, которые выдвигаются институтом, правительством или фондом при выделении финансирования. Просьба более детально ознакомиться с политикой оплаченного открытого доступа нашего журнала (см. отдельно).

Варианты доступа к статье:

1. Статья в открытом доступе POA (paid open access)

В этом случае права автора определяются лицензией CC BY (Creative Commons Attribution).

2. Статья с последующим доступом по подписке

В этом случае права автора определяются авторским договором, приведенным далее.

  • Автор (каждый соавтор) уступает Издателю журнала «Известия высших учебных заведений. Радиоэлектроника» НТУУ «КПИ» на срок действия авторского права эксклюзивные права на материалы статьи, в том числе право на публикацию данной статьи издательством Аллертон Пресс, США (Allerton Press) на английском языке в журнале «Radioelectronics and Communications Systems». Передача авторского права охватывает исключительное право на воспроизведение и распространение статьи, включая оттиски, переводы, фото воспроизведения, микроформы, электронные формы (он- и оффлайн), или любые иные подобные формы воспроизведения, а также право издателя на сублицензирование третьим лицам по своему усмотрению без дополнительных консультаций с автором. При этом журнал придерживается Политики конфиденциальности.
  • Передача прав включает право на обработку формы представления материалов с помощью компьютерных программам и систем (баз данных) для их использования и воспроизводства, публикации и распространения в электронном формате и внедрения в системы поиска (базы данных).
  • Воспроизведение, размещение, передача или иное распространение или использование материалов, содержащихся в статье должно сопровождаться ссылкой на Журнал и упоминанием Издателя, а именно: название статьи, имя автора (соавторов), название журнала, номер тома, номер выпуска, копирайт авторов и издателя "© Национальный технический университет Украины "Киевский политехнический институт"; © автор(ы)".
  • Автор (каждый соавтор) материалов сохраняет все права собственника материалов, включая патентные права на любые процессы, способы или методы и др., а также права на товарные знаки.
  • Издатель разрешает автору (каждому соавтору) материалов следующее:
  1. Право пользоваться печатными или электронными вариантами материалов статьи в форме и содержании, принятыми Издателем для публикации в Журнале. Подробнее см. политики Оплаченного открытого доступа, подписки и самоархивирования.
  2. Право бесплатно копировать или передавать коллегам копию напечатанной статьи целиком или частично для их личного или профессионального использования, для продвижения академических или научных исследований или для учебного процесса или других информационных целей, не связанных с коммерческими целями.
  3. Право использовать материалы из опубликованной статьи в написанной автором (соавторами) книге, монографии, учебнике, учебном пособии и других научных и научно-популярных изданиях.
  4. Право использовать отдельные рисунки или таблицы и отрывки текста из материалов в собственных целях обучения или для включения их в другую работу, которая печатается (в печатном или электронном формате) третьей стороной, или для представления в электронном формате во внутренние компьютерные сети или на внешние сайты автора (соавторов).
  • Автор (соавторы) соглашаются, что каждая копия материалов или любая ее часть, распространенная или размещенная ими в печатном или электронном формате, будет содержать указание на авторское право, предусмотренное в Журнале и полную ссылку на Журнал Издателя.
  • Автор (соавторы) гарантирует, что материалы являются оригинальной работой и представлены впервые на рассмотрение только в этом Журнале и ранее не публиковались. Если материалы написаны совместно с соавторами, автор гарантирует, что проинформировал их относительно условий публикации материалов и получил их подписи или письменное разрешение подписываться от их имени.
  • Если в материалы включаются отрывки из работ или имеются указания на работы, которые охраняются авторским правом и принадлежат третьей стороне, то автору необходимо получить разрешение владельца авторских прав на использование таких материалов в первом случае и сделать ссылку на первоисточник во втором.
  • Автор гарантирует, что материалы не содержат клеветнических высказываний и не посягают на права (включая без ограничений авторское право, права на патент или торговую марку) других лиц и не содержат материалы или инструкции, которые могут причинить вред или ущерб третьим лицам. Автор (каждый соавтор) гарантирует, что их публикация не приведет к разглашению секретных или конфиденциальных сведений (включая государственную тайну). Подтверждением этого является Экспертное заключение (см. перечень документов в Правила для авторов).
  • Издатель обязуется опубликовать материалы в случае получения статьей положительного решения редколлегии о публикации на основании внешнего рецензирования (см. Политика рецензирования).
  • В случае публикации статьи на английском языке в журнале «Radioelectronics and Communications Systems» (Издатель: Аллертон Пресс, США, распространитель Springer) автору (соавторам) выплачивается гонорар после выхода последнего номера журнала года, в котором опубликована данная статья.
  • Документ Согласие на публикацию, который подают русскоязычные авторы при подаче статьи в редакцию, является краткой формой данного договора, в котором изложены все ключевые моменты настоящего договора и наличие которого подтверждает согласие автора (соавторов) с ним. Аналогичным документом для англоязычных авторов является Copyright Transfer Agreement (CTA), предоставляемый издательством Allerton Press.
  • Настоящий Договор вступает в силу в момент принятия статьи к публикации. Если материалы не принимаются к публикации или до публикации в журнале автор (авторы) отозвал работу, настоящий Договор не приобретает (теряет) силу.