Περίληψη
Αντικείμενο της διατριβής αποτελούν οι συρίττοντες, παθολογικοί αναπνευστικοί ήχοι που συνδέονται με παθήσεις των αεραγωγών. Συγκεκριμένα, η διατριβή πραγματεύεται δύο προβλήματα που σχετίζονται με τους συρίττοντες: την ανίχνευσή τους και την ανάλυση των χαρακτηριστικών τους. Για την ανίχνευση των συριττόντων προτείνονται δύο μέθοδοι. Κατά την πρώτη μέθοδο, η οποία βασίζεται στο μετασχηματισμό Fourier βραχέως χρόνου, χρησιμοποιούνται διαφορετικά κριτήρια ανίχνευσης στις επιμέρους ζώνες συχνοτήτων, καθώς το φάσμα των αναπνευστικών ήχων δεν έχει την ίδια μορφή σε όλο το εύρος των συχνοτήτων του. Επιπλέον, μέσω του αντίστροφου μετασχηματισμού εισάγεται η αναπαράσταση στο χρόνο του σήματος που έχει υποστεί επεξεργασία στο πεδίο χρόνου-συχνότητας. Η μέθοδος παρουσιάζει υψηλά ποσοστά ανιχνευσιμότητας, ευαισθησίας και ειδικότητας (TDR=90,2%, SE=92,1%, SP=89,8%). Ωστόσο, η αναλυτικότητά της στο χρόνο και τη συχνότητα περιορίζεται από την επιλογή του μήκους του χρονικού παραθύρου. Η δεύτερη μέθ ...
Αντικείμενο της διατριβής αποτελούν οι συρίττοντες, παθολογικοί αναπνευστικοί ήχοι που συνδέονται με παθήσεις των αεραγωγών. Συγκεκριμένα, η διατριβή πραγματεύεται δύο προβλήματα που σχετίζονται με τους συρίττοντες: την ανίχνευσή τους και την ανάλυση των χαρακτηριστικών τους. Για την ανίχνευση των συριττόντων προτείνονται δύο μέθοδοι. Κατά την πρώτη μέθοδο, η οποία βασίζεται στο μετασχηματισμό Fourier βραχέως χρόνου, χρησιμοποιούνται διαφορετικά κριτήρια ανίχνευσης στις επιμέρους ζώνες συχνοτήτων, καθώς το φάσμα των αναπνευστικών ήχων δεν έχει την ίδια μορφή σε όλο το εύρος των συχνοτήτων του. Επιπλέον, μέσω του αντίστροφου μετασχηματισμού εισάγεται η αναπαράσταση στο χρόνο του σήματος που έχει υποστεί επεξεργασία στο πεδίο χρόνου-συχνότητας. Η μέθοδος παρουσιάζει υψηλά ποσοστά ανιχνευσιμότητας, ευαισθησίας και ειδικότητας (TDR=90,2%, SE=92,1%, SP=89,8%). Ωστόσο, η αναλυτικότητά της στο χρόνο και τη συχνότητα περιορίζεται από την επιλογή του μήκους του χρονικού παραθύρου. Η δεύτερη μέθοδος ανίχνευσης βασίζεται στο συνδυασμό της εμπειρικής αποσύνθεσης ενδογενών ρυθμών συνόλου με τη στιγμιαία συχνότητα. Πυρήνα της αποτελεί η παρατήρηση ότι η στιγμιαία συχνότητα ενός σήματος παραμένει σταθερή όταν στο σήμα κυριαρχούν συνιστώσες συγκεκριμένης συχνότητας, όπως οι συρίττοντες. Η μέθοδος παρουσιάζει υψηλά ποσοστά ανιχνευσιμότητας, ευαισθησίας και ειδικότητας (TDR=94,0%, SE=94,9%, SP=98,4%), βελτιωμένα σε σύγκριση με την προηγούμενη μέθοδο. Για την ανάλυση των χαρακτηριστικών των συριττόντων, και συγκεκριμένα για την ανίχνευση φαινομένων μη γραμμικότητας, επιλέγεται ο συνδυασμός φασμάτων τρίτης τάξης, τα οποία διατηρούν την πληροφορία της φάσης, με το μετασχηματισμό κυματιδίων, ο οποίος παρέχει τη δυνατότητα παρακολούθησης της εξέλιξης της μη γραμμικότητας με το χρόνο. Μέσω του φάσματος και της συνάφειας κυματιδίων τρίτης τάξης, καθώς και των αντίστοιχων στιγμιαίων μεγεθών, εισάγεται ένας νέος χώρος ανάλυσης των συριττόντων. Για τη διερεύνηση της ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ συριττόντων που προέρχονται από ασθενείς με άσθμα ή χρόνια αποφρακτική πνευμονοπάθεια εισάγεται μία σειρά από δείκτες που βασίζονται στα παραπάνω μεγέθη. Συνοψίζοντας, η παρούσα διατριβή πραγματεύεται το πρόβλημα της ανίχνευσης των συριττόντων και της ανάλυσης των χαρακτηριστικών τους προτείνοντας για την επεξεργασία τους συνδυαστικές μεθόδους, οι οποίες μπορούν να συμβάλουν στη δημιουργία ενός συστήματος αυτόματης διάγνωσης βασισμένο στους αναπνευστικούς ήχους.
περισσότερα
Περίληψη σε άλλη γλώσσα
The dissertation deals with wheezes, i.e., pathological breath sounds whose presence is related to airways' obstruction. In particular, the dissertation addresses two problems corresponding to wheezes: their detection and the analysis of their characteristics. For their detection, two methods are proposed. In the first method, which is based on Short-Time Fourier Transform, different detection criteria are set for different frequency bands, since the spectrum of breath sounds is not the same in their whole frequency range. Additionally, through the inverse transform the representation in time of the signal which has been processed in the time-frequency domain is introduced. The proposed method exhibits high detectability, sensitivity and specificity (TDR=90.2%, SE=92.1%, SP=89.8%). Despite the high percentages, the resolution in time and in frequency of the suggested method is limited by the selected window length. The second method for wheeze detection is based on the combination of t ...
The dissertation deals with wheezes, i.e., pathological breath sounds whose presence is related to airways' obstruction. In particular, the dissertation addresses two problems corresponding to wheezes: their detection and the analysis of their characteristics. For their detection, two methods are proposed. In the first method, which is based on Short-Time Fourier Transform, different detection criteria are set for different frequency bands, since the spectrum of breath sounds is not the same in their whole frequency range. Additionally, through the inverse transform the representation in time of the signal which has been processed in the time-frequency domain is introduced. The proposed method exhibits high detectability, sensitivity and specificity (TDR=90.2%, SE=92.1%, SP=89.8%). Despite the high percentages, the resolution in time and in frequency of the suggested method is limited by the selected window length. The second method for wheeze detection is based on the combination of the ensemble empirical mode decomposition and the instantaneous frequency. The kernel of this method is the observation that the instantaneous frequency of a signal remains constant when the signal is dominated by particular frequency components, such as wheezes. The proposed method exhibits high detectability, sensitivity and specificity (TDR=94.0%, SE=94.9%, SP=98.4%), which are improved comparing to the previous method. For the analysis of wheeze characteristics, and in particular the detection of non-linear phenomena, third-order spectra, which preserve the phase information of the signal, are combined with the wavelet transform, which allows capturing non-linearities across time. Through wavelet bispectrum and bicoherence and the corresponding instantaneous values a new analysis domain is introduced. For the investigation of statistically significant differences between wheezes from patients with asthma and COPD, a set of features is introduced based on these mathematical tools. Summarizing, the current dissertation deals with the problem of wheeze detection and wheeze characteristics analysis based on combinatory approaches. The proposed methods may contribute in a diagnosis-assisting device based on breath sounds.
περισσότερα