利用類神經網路分類進行心雜音辨識

心雜音是臨床診斷上的重要參考，可對心臟
結構或病理問題做早期診斷，而今心臟聽診仍是
確認心雜音的重要技術，且需具備相當經驗，因
此我們將評估利用數位聲音訊號處理及類神經
網路(Artificial Neural Network)的方法在心雜音
分析上的應用。
在本研究中，我們已知心雜音主要頻率範圍
在150Hz 到500Hz 之間，我們對所蒐集的樣本，
其中包含正確和有心雜音的樣本，用快速傅利葉
轉換(Fast Fourier Transform,FFT)數位訊號處理
將雜音頻譜的能量比值擷取出，並且利用類神經
網路，建立自動分析模式。
本研究利用32 個已知正常心音和31 個經過
判定有心雜音的樣本來建立類神經網路模組
(Molding)。經過驗證此系統，在15 個測試組中，
判別率高達100 %。但是目前還沒有辦法區分雜
音的來源區域，以及哪些病因所引起的雜音，希
望將來能在於此基礎上，隨著樣本的擴增以及技
術的精進，發展出自動辨識心雜音的輔助系統。