Resumen

MAYORGA-ORTIZ, P.; VALDEZ-GONZALEZ, J.A.; DRUZGALSKI, C.  y  ZELJKOVIC, V.. Detección Automática y Clasificación de Eventos en Sonidos Cardiopulmonares de Sujetos Saludables. Rev. mex. ing. bioméd [online]. 2018, vol.39, n.1, pp.65-80. ISSN 2395-9126.  https://doi.org/10.17488/rmib.39.1.6.

La auscultación de señales basada en un estetoscopio estándar y/o electrónico no solo incluye sonidos internos del cuerpo, también incluye frecuentemente ruido externo de interferencia con componentes en el mismo rango. Esta forma de examinar es incluso afectada por los umbrales auditivos variantes de los profesionales de la salud y el grado de experiencia en reconocimiento de indicadores peculiares. Además, los resultados son a menudo caracterizados en términos cualitativos descriptivos sujetos a interpretaciones individuales. Para direccionar esta preocupación, los estudios presentados en este artículo contienen un procesamiento concurrente de las componentes dominantes de sonidos del corazón (HS) y del pulmón (HS), y una etapa de acondicionamiento que incluye la reducción de HS presente en señales LS. Específicamente, la transformada de Hilbert fue una técnica de caracterización para HS. En el caso de señales enfocadas a LS, las técnicas de detección de actividad de voz y el cálculo de umbrales de algunos componentes de los vectores acústicos de Coeficientes Cepstrales en Frecuencia Mel (MFCC), fueron útiles en la caracterización de eventos acústicos asociados. Las fases de inspiración y expiración fueron diferenciadas por medio de la sexta componente de MFCC. Con el fin de evaluar la eficiencia de esta aproximación, proponemos los Modelos Ocultos de Markov con Modelos Mesclados Gaussianos (HMM-GMM). Los resultados utilizando esta forma de detección son superiores cuando se desarrolla la clasificación con modelos HMM-GMM, la cual refleja las ventajas de la forma de detección cuantificable y clasificación sobre la aproximación clínica tradicional.

Palabras llave : Transformada de Hilbert (HT); Detección de Actividad de Voz (VAD); Modelos Mezclados Gaussianos (GMM); Modelos Ocultos de Markov (HMM).