Étude des techniques de détection des sibilants dans les sons respiratoires en vue d'un traitement temps-réel sur FPGA

Boujelben, Ons (2017). Étude des techniques de détection des sibilants dans les sons respiratoires en vue d'un traitement temps-réel sur FPGA. Mémoire. Rimouski, Québec, Université du Québec à Rimouski, Département de mathématiques, informatique et génie, 92 p.

Prévisualisation

PDF Télécharger (2MB) | Prévisualisation

Résumé

RÉSUMÉ: L’identification des bruits pulmonaires normaux et anormaux est une opération importante pour le diagnostic médical des poumons. De nos jours, le stéthoscope est l’outil le plus utilisé pour l’auscultation pulmonaire ; il permet aux spécialistes d’écouter les sons respiratoires du patient pour un usage complémentaire. En dépit de ses avantages, l’interprétation des sons fournis par le stéthoscope repose sur la perception auditive et l’expertise du médecin. L’asthme est une maladie respiratoire caractérisé par la présence d’un son musical (sibilant) superposé aux sons respiratoires normaux. Dans la première étape du projet, nous proposons une étude comparative des techniques de classification les plus pertinentes : le k-plus proches voisins (k-NN), la machine à vecteurs de support (SVM) et le perceptron multicouche (MLP). Nous utilisons pour l’extraction des caractéristiques des sons respiratoires : les coefficients cepstraux à l’échelle de Mel (MFCC) et la transformée par paquets d’ondelettes (WPT). Des étapes de prétraitement ont été appliquées aux signaux respiratoires qui ont été échantillonnés à la fréquence de 6000 Hz et segmentés en utilisant des fenêtres de Hamming de 1024 échantillons.
Dans la deuxième étape, nous proposons d’implémenter sur le circuit de réseau de portes logiques programmables (FPGA) un détecteur automatique des sibilants permettant aux spécialistes de disposer d’une source d’information fiable qui peut les aider établir un diagnostic pertinent de la maladie d’asthme. L’architecture matérielle proposée, basée sur la combinaison MFCC-SVM, a été implémentée en utilisant l’outil de programmation haut niveau générateur système de XILINX (XSG) et le kit de développement ML605 construit autour du circuit FPGA Virtex-6 XC6VLX240T. La phase d’apprentissage du classificateur SVM est faite sur le logiciel MATLAB alors que la phase de test est réalisée avec XSG. Les résultats de classification des sons respiratoires fournis par l’outil XSG sont similaires à ceux produits par le logiciel MATLAB. Concernant l´étude comparative de techniques de classifications, la combinaison MFCC-MLP a présenté le meilleur résultat de classification avec un taux de reconnaissance de 86.2 %. L’évaluation des différentes combinaisons est réalisée avec les paramètres de spécificité et de sensitivité issues de la matrice de confusion. -- Mot(s) clé(s) en français : Mots clés : Sons respiratoires, MFCC, SVM, XSG, Classifications, Sibilants, FPGA, k-NN, MLP, WPT. -- ABSTRACT: Identification of normal and abnormal lung sounds is an important operation for pulmonary medical diagnosis. Nowadays, stethoscope is the most used tool for pulmonary auscultation ; it allows experts to hear the patient’s respiratory sounds for complementary use. Despite its advantages, the interpretation of sounds provided by the stethoscope is based on the sense of hearing and the expertise of the doctor. Asthma is a respiratory disease characterized by the presence of a musical sound (wheezing) superimposed on normal respiratory sounds. First, we propose a comparative study between the most relevant classification techniques : k-Nearest Neighbor (k-NN), the Support Vector Machine (SVM) and the Multi-layer perceptron (MLP). The feature extraction techniques used are : Mel-Frequency Cepstrum Coefficients (MFCC) and the Wavelet Packet Transform (WPT). Preprocessing steps have been applied to the respiratory sounds that have been sampled at 6000 Hz and segmented using Hamming window of 1024 samples.
In a second step, we propose to implement on the FPGA (Field Programmable Gate Array) circuit an automatic wheezes detector, allowing specialists to have a reliable source of information, which can help them to establish an accurate diagnosis of the asthma disease. The proposed hardware architecture, based on MFCC-SVM combination, was implemented using the high-level programming tool XSG (Xilinx System Generator) and the ML605 development kit build around the Virtex-6 XC6VLX240T FPGA chip. The learning phase of the SVM classifier is made on the MATLAB software while the test phase is carried out using XSG. Classification results of the respiratory sounds provided by XSG are similar to those produced by the MATLAB software. Regarding the comparative study of the classification techniques, the combination MFCC-MLP presented the best classification result with a recognition rate of 86.2 %. The evaluation of different combinations is carried out with the specificity and sensitivity parameters, which present the outcome of confusion matrix. -- Mot(s) clé(s) en anglais : Keywords : Respiratory sounds, MFCC, SVM, XSG, Classifiers, Wheezing, FPGA, k-NN, MLP, WPT.

Type de document :	Thèse ou mémoire de l'UQAR (Mémoire)
Directeur(trice) de mémoire/thèse :	Bahoura, Mohammed
Information complémentaire :	Mémoire présenté dans le cadre du programme de maîtrise en ingénierie en vue de l'obtention du grade de maître ès sciences appliquées (M.Sc.A.)
Mots-clés :	Detection Automatique Identification Son Respiratoire Sibilant Diagnostic Asthme
Départements et unités départementales :	Département de mathématiques, informatique et génie > Génie
Déposé par :	DIUQAR UQAR
Date de dépôt :	05 oct. 2017 18:59
Dernière modification :	07 juin 2018 13:09
URI :	https://semaphore.uqar.ca/id/eprint/1274

Actions (administrateurs uniquement)

Éditer la notice