心音小波神经网络应用综述

摘要

心音调查是心血管评估的一项重要技术，它包含内脏各组成部分的生理和强迫信息以及它们之间的协作。本文希望为心音解剖搭建一个框架，并对心音进行程序化的调查和整理。用移脊衰减法和归一化平均法分离元素能源，一种完全独特的具有结构学习的软神经系统策略被用于内脏声音表征。探索了关于真实信息的完全不同的途径，表明我们的方法将有效地准备所有尝试过的心音，而不包括那些过去患有不明显心脏疾病的人。

关键字

心音，能量，神经网络

简介

心脏诊断该程序被医生广泛用于测量患者的内部器官功能和视力存在异常．这只是一种令人烦恼的积累能力。如今，该中心发出的信号似乎不仅仅是使用医疗仪器来检测，而是额外发现的心音图在监视器屏幕上。引起HSs杂音和像差的几种病理条件比症状反映的面积单位更早地在心音图中显示。

心音信号处理

它描述了在心音分析和单独的膛线返工作为最受欢迎的方法中有关的各种阶段生物信号过程(1-5］．因此，本文还对最新的心音分析策略与心音临床诊断应用之间存在的差距进行了综述。虽然取得了很大进展，但仍然存在重大差距。分析结果缺乏一致性;患者之间信号处理规则的能力仍然存在问题[6-14];在大多数综述文献中，研究技术的临床验证方法不够严格;而在自身知识的完整性和测量面积单位仍不确定，大多数时候二极管对结果的解释不准确[15-19］．传统心脏的心音信号或PCG信号由两种不同的活动组成，特别是第一心音S1和第二心音S2。它们分别对应传统的心音lup和dup。在心脏异常的情况下，在初始音和第二音之间可能有许多替代的信号活动[20.-26］．

听诊和心音描记术不仅提供必要的临床数据，而且易于使用和价格有效。PCG也是一个极好的诊断程序指导工具，并有助于理解血液动力学心的。在发展中国家，一些医疗设施仍被视为奢侈，这种具有成本效益的治疗方法将改善患有控制性病理的患者的寿命[27-30.］．

17种古老的心音和19种异常的心音被分为模式经验模式分解(EMD)支持峰度。S1、S2，脉搏和心跳杂音分。将这些分段进行人工反向传播神经网络(安)31-35］．完全不同的神经网络用于S1，脉搏杂音和心跳杂音，然后这些网络的相加结果用于特征心脏瓣膜疾病。S1、脉搏和心跳杂音的神经网络架构完全不同[36-42］．

神经网络

对于统计分析和数据建模，通常使用神经网络[43-49］．神经网络通常用于结果分类或预测。

神经网络是以动物营养细胞为支撑，由易加工部件、单元或节点相互关联、相互连接而成，其实用性较弱。网络的处理能力是在单元间的隶属强度或权重中保持的，通过一种方法获得适应学习一组训练模式[50-58］．

神经网络被广泛应用于许多领域

神经网络的应用

下面是神经网络中的应用

1.字符识别

2.图像压缩

3.股市预测

4.旅行推销员的问题

5.医学，电子鼻，证券和贷款申请

6.各种各样的应用程序

神经网络模拟似乎是最近才发展起来的。然而，这一领域在计算机出现之前就已经建立起来了，并且至少经历了一次重大打击和许多其他时代。59-66］．

有许多重要的进步都是由于使用廉价的计算机模拟而促进的。在最初的热情之后，该行业经历了一定程度的挫折和耻辱[67-74］．在这个时代，资金和技术支持几乎可以忽略不计，必要的进展是由相对较少的研究人员创造的。75-87］．Minsky和Papert的印刷书籍，在其中他们总结了研究人员普遍的挫败感(对神经网络)，因此，被大多数人接受，而不是更多的分析。目前，神经网络领域的兴趣有所提高，资金也相应增加[88-99］．

结论

神经网络是适合于预测统计原理的区域单元，可归因于仅从示例中学习，无需被迫添加可能带来额外数据的额外数据混乱而不是预测影响。神经网络的面积单位具有广泛性，面积单位不受噪声影响。另一方面，它通常是可以实现的|不可能|上爬|不可想象|不可想象|难以忍受|完全不可能|不可接受|不可实现|不可实现|不可实现|不切实际}，以计算出神经网络学习到的具体内容，而且估计可能的预测误差也很费力。

参考文献

1. Tikoo S和Malik N.人脸及其特征的神经网络检测、分割和识别。生物电子学报，2016;7:210。
2. Tamal M等。使用合成羟基磷灰石纳米颗粒研究乳业废水:热激活纳米颗粒，处理效率，等温，热力学，动力学建模和人工神经网络建模优化。ICP。2016.
3. Zribi M和Boujelbene Y.基于增量学习算法的乳腺癌大规模分类神经网络。生物医学数据挖掘，2016。
4. Werner FM和Coveñas R.基于神经网络的脑深部刺激在帕金森病中的疗效。细胞组织学杂志。2016。
5. Maduako ID, Yun Z, Patrick B(2016)利用人工神经网络(ANN)模拟和预测尼日利亚伊科姆市的地表温度(LST)动态。遥感与地理学报5:158 doi: 10.4172/2469-4134.1000158
6. Abdulrazak YS等人。基于进化尖峰神经网络多目标差分进化的模因和谐搜索算法。Int J Swarm Intel evolput, 2016。
7. 杜莱德FA和阿里HK。白集炼油厂原油精馏塔人工神经网络控制器。J Chem Eng Process technology . 2016;7:272。
8. Felix-Martin W和Rafael C.根据神经网络的额外抗抑郁药物治疗。《大脑失调》杂志2016;5:203。
9. Raji CG和Vinod CSS。人工神经网络在肝移植术后患者生存预测中的应用。中华健康医学杂志。2016;7:215。
10. 志强Y等。基于动态BP神经网络模型和ARMA模型的人民币汇率预测精度比较。《股票外汇交易》，2016;5:161。
11. Felix-Martin W和Rafael C.抗nmda受体脑炎的症状和治疗选择根据神经网络。中国生物医学杂志。2016;1:e136。
12. 医院治疗质量和效率的神经网络分析。中华健康医学杂志。2015;6:209。
13. Kuldip P等。深度学习神经网络在蛋白质结构预测问题中的简要回顾。Adv Tech生物医学2015;3:139。
14. 基于神经网络的在线签名识别。电子工程学报，2014;4:457。
15. Babu AS和Reddy SK.基于ARIMA、神经网络和模糊神经元的汇率预测。《证券外汇交易》，2015;4:155。
16. 菲利克斯·马丁W和拉斐尔·C.根据神经网络治疗双相情感障碍。中华细胞病理学杂志。2015;6:368。
17. Abou-Nassif GA。利用人工神经网络和线性回归模型预测机织物的拉伸和透气性。纺织科学与工程学报，2015;
18. Yusif MH等人。加纳通货膨胀预测-人工神经网络模型方法。《经济管理科学》2015;4:274。
19. Taghipour M等。人工神经网络在人肺上皮癌细胞系MTT检测建模和预测中的应用。生物工程学报。2015;6:17 7。
20. Lohani AK和Krishan G.利用人工神经网络模拟印度旁遮普省东南部的地下水位。地球物理学报，2015;
21. García I和普拉多-普拉多F.研究现状:GSK-3β的理论研究综述和一种新的神经网络QSAR研究，用于使用2d描述子设计新的抑制剂。Biochem Pharmacol(洛杉矶)。2015; 4:170。
22. Agatonovic-Kustrin S, David WM。利用概率神经网络和紫外反射光谱作为养殖珍珠品质客观分级方法。现代化工。2015;3:152。
23. Lohani AK和Krishan G.人工神经网络在印度旁遮普邦阿姆利则和古尔达斯普尔地区地下水位模拟中的应用。地球科学进展。2015;
24. 基于广义Hopfield神经网络的单相交流斩波器SHE PWM设计与实现。IJIRSET。
25. Pushpa N等。基于反向传播神经网络和半监督训练的泰米尔语语音处理。IJIRCCE。
26. 基于神经网络的谐波阻抗测量。IJIRSET。
27. 递归神经网络辨识:非线性过程的比较研究。IJIRSET。2014.
28. 东德VS等。基于神经网络的虹膜识别。IJIRSET。2014.
29. Lokhande SK和Dhongde VS.基于神经网络的指纹识别系统。IJIRSET。
30. Fayrouz D和Benyounes O.梯度下降算法的神经网络训练:在太阳能电池上的应用。IJIRSET。2014.
31. Sanjib KH。人工神经网络与水稻产量效率估算。IJIRSET。2014.
32. 用人工神经网络预测水库水位。IJIRSET。2014.
33. Amaury de S等人。巴西西部中心使用神经网络模拟地表和天气影响臭氧浓度。气候天气预报，2015;3:123。
34. 马扬库玛BP，苏尼尔RY.基于人工神经网络的股票价格预测。IJIRSET。2014.
35. Baljit K和Vijay D.基于神经网络的噪声去除和边缘检测新算法综述。IJIRSET。2013.
36. 基于能量、角度和方向梯度特征的神经网络在线签名验证。IJIRSET。2013.
37. 弗洛伦斯等人。利用神经网络和决策树预测心脏病发作风险。IJIRCCE。2014.
38. 基于Contourlet变换和神经网络的高效虹膜识别系统。IJIRSET。2014.
39. Sanjivani B和Ranjan R.帕金森的神经网络诊断:一项调查。IJIRSET。2013.
40. Noori PSB和Devaki SR.开发了一种人工神经网络模型，以预测α和近α钛合金的性质作为其成分的函数。IJIRSET。2014.
41. Priyanka D和Parsai议员。基于MATLAB的基于PCA与反向传播神经网络的人脸识别。IJIRCCE。2014.
42. Anu A和Paulchamy B.使用人工神经网络检测乳腺癌。IJIRSET。2014.
43. 基于神经网络的数控立铣削加工方法及几何参数优化。IJIRSET。2014.
44. 使用多级神经网络的黑色素瘤自动检测。IJIRSET。2014.
45. 基于DFT的自分类神经网络的信道估计。IJIRCCE。2014.
46. Sudeshana P等人。乌贾因市敏感区Rspm和Spm污染物环境的人工神经网络模拟ICP。2014.
47. Priyanka Y等人。基于人工神经网络的乌贾因工业区sox和nox污染物环境模拟。ICP。2014.
48. 基于Parul C和Hardeep sr神经网络的静态手势识别系统。IJIRCCE。2014.
49. Ajay SR等人。人工神经网络在CAPP操作排序中的应用。IJIRSET。2013.
50. 基于人工神经网络技术的机织织物缺陷自动检测算法。IJIRCCE。2014.
51. Srinivas N等。基于神经网络和遗传规划的心电信号心律失常识别。IJIRSET。2013.
52. 狄格MS等。基于人工神经网络的入侵分类与网络入侵检测系统的发明。IJIRCCE。2015.
53. 用于说话人识别的模糊聚类- MFCC +神经网络。IJAREEIE。2014.
54. Ramesh BVS和Girija PN。基于循环神经网络的泰卢固语持续时间建模。IJIRCCE。2015.
55. Rachana PB和Suvarna KG。基于神经网络的OFDM系统频偏补偿。IJAREEIE。2014.
56. 一种利用人工神经网络识别英语字符的新方法。IJAREEIE。2014.
57. 基于支持向量机神经网络的糖尿病视网膜病变最优二分类器。《学校社会协作平台》2015。
58. Aqhsa QS和Narayanan K.利用人工神经网络检测MRI图像中的肿瘤。IJAREEIE。2014.
59. Hartaranjit S等人。一种基于神经网络的非合成医学图像边缘检测方法。IJAREEIE。2014.
60. Nageswara RK等。基于人工神经网络的糖尿病足溃疡蛋白二级结构预测。IJIRCCE。2013.
61. 神经网络是大脑的模仿吗?中华计算机科学与工程学报，2015;
62. 需求侧管理中负荷预测的人工神经网络方法。IJAREEIE。2015.
63. Monirul IMd。一种基于人工神经网络的不依赖文本说话人识别方法。IJIRCCE。2013.
64. 基于自适应神经网络分类的图像伪造检测。IJAREEIE。2013.
65. Gurumoorthy K等人。在并网光伏系统中应用各种PWM和神经网络技术减少谐波失真。IJAREEIE。2013.
66. Dhanalakshmi N和Vijaya KK。基于人工神经网络的数字气体识别系统。IJAREEIE。2014.
67. Anjali R和Manju RM。基于支持向量机和神经网络的离线签名验证。IJAREEIE。2013.
68. 利用人工神经网络优化自适应低频减载提高电力系统稳定性。IJAREEIE。2013.
69. 基于模糊神经网络的车牌定位与识别。IJAREEIE。2014.
70. Swetha GC和Sudarshana RHR。基于人工神经网络的电网电压稳定性评估。IJAREEIE。2014.
71. Rashmi J, Bhawana G.利用人工神经网络预测太阳辐射。IJAREEIE。2013.
72. Shaik RK等人。基于粒子群优化和神经网络的摩擦力伺服系统频域辨识。IJAREEIE。2013.
73. Kusuma G等。基于pi和人工神经网络技术的DTC IM仿真。IJAREEIE。2013.
74. 基于混沌神经网络的图像认证哈希算法。IJAREEIE。2014.
75. 基于神经网络的永磁同步电机双环速度控制器设计与仿真。IJAREEIE。2013.
76. Shashank M和Tripathi GS。无线通信中用于位置估计的各种神经网络算法比较。IJAREEIE。2013.
77. Ramaa PVM概率神经网络用于脑肿瘤分类。IJAREEIE。2013.
78. Pankaj S等人。基于VxWorksRTOS端口toMPC8260的脑模型神经网络控制器的设计与实现。IJAREEI。2013.
79. 增量监督和无监督学习的神经模型。瑞士洛桑理工学院，1990年。
80. Barschdorff D等人。人工神经网络在先天性和后天心脏病心音图分析中的应用。模糊系统研究进展——应用与理论(3)，医学推理的比较方法，世界科学出版公司1995;271-288。
81. Basak J等。范畴知觉的联结主义模型:理论与实现。神经网络学报，1993;4:257-269。
82. 本特点。天然和人工心脏瓣膜声音的时频分析。爱丁堡大学电气与电子系博士论文，1996。
83. Berlich R等人。前馈神经网络与监督生长神经气体算法的性能比较。1996.
84. Berlich R和Kunze M.前馈神经网络和监督生长神经Gas算法性能的比较。物理研究中的核仪器与方法。1997;39:374 -277。
85. Jörg B和Gerald S.动态细胞结构学习完美拓扑保持映射，神经计算，1995;7:845-865。
86. Burzevski V和Mohan CK。分层生长细胞结构，载于:ICNN96:神经网络国际会议论文集，1996。
87. Carpenter GA和Grossberg S. ART2:模拟输入模式的稳定类别识别代码的自组织。应用光学，1987;26:19 19-4930。
88. Chin-Der W和Stelios CAT。自组织聚类算法dignet和ART2的比较研究，神经网络，1997;10:737-753。
89. Cohen A.生物医学信号处理，博卡拉顿-佛罗里达:CRC出版社，1997;75-79。
90. Ingrid D.关于小波的十场讲座，工业与应用数学学会，费城，PA, 1992。
91. 心脏杂音的时频分析。第二部分:时频表示的优化和性能评估。医学生物工程与计算，1997;35:480-485。
92. Z等人。磁共振和CT图像的遗传算法分类。近:IEEE-EMBS第20届年度国际会议。1998; 20:1418 - 1421。
93. Dokur Z和Ölmez T.基于新型混合神经网络的心电搏动分类。生物医学中的计算机方法与程序。2001;66:167-181。
94. Zümray D.利用遗传算法训练的混合神经网络分割MR和CT图像，神经处理通讯，2002;16:211-225。
95. Zümray D和塔默Ö。基于混合神经网络的超声图像分割，模式识别，2002;23:1825-1836。
96. Fritzke B.一个成长的神经气体网络学习拓扑。1994.
97. 生长细胞结构——无监督和有监督学习的自组织网络。神经网络，1994;7:1441-1460。
98. 一种基于小波分解与重构的心音分割方法。1997; 1630 - 1633。
99. 梁涛。心脏疾病的声学诊断。1998; 389 - 398。