DOI: https://doi.org/10.1038/s41598-026-45276-9
PMID: https://pubmed.ncbi.nlm.nih.gov/41965773
تاريخ النشر: 2026-04-11
المؤلف: Asmaa Ameen وآخرون
الموضوع الرئيسي: تقنيات فونوكارديوغرافي والتسمع
نظرة عامة
تقدم هذه الدراسة إطارًا جديدًا للتصنيف الآلي للهمسات القلبية من تسجيلات فونوكارديوغرام (PCG)، مع معالجة التحديات مثل تباين الإشارات، عدم توازن الفئات، والاعتماد الزمني. تدمج الطريقة المقترحة تقسيمًا قائمًا على القمم، واستخراج ميزات معامل التردد ميل (MFCC)، وتقنية الزيادة الاصطناعية للأقليات (SMOTE) لتحقيق توازن الفئات، إلى جانب نمذجة زمنية باستخدام الشبكات العصبية المتكررة (RNN). تم تقييم النموذج على مجموعات بيانات PhysioNet 2016 و2022، حيث حقق دقة مثيرة للإعجاب بلغت 98.5% و98.6%، على التوالي، مع دقة عالية، واسترجاع، ودرجات F1، مما يدل على قوته عبر توزيعات الفئات المتنوعة.
في الختام، تؤكد الدراسة على فعالية الجمع بين النمذجة الزمنية والتعلم المتوازن في تعزيز قدرات اكتشاف الهمسات. تشير التقييمات الدقيقة للإطار من خلال طرق التحقق الآمنة من التسرب إلى قوة تمييز قوية، مما يقترح إمكانيته في الفحص القلبي القابل للتوسع وغير الجراحي، خاصة في البيئات ذات الموارد المحدودة. ستهدف الأبحاث المستقبلية إلى التحقق من صحة النموذج سريريًا، وتقييم أدائه في البيئات الصاخبة، وتقييم قابليته للتطبيق عبر مجموعات سكانية متنوعة لضمان القابلية للتعميم وتسهيل التنفيذ في العالم الحقيقي في فحص القلب والأوعية الدموية.
الطرق
في هذه الدراسة، تم تطوير نظام آلي للتمييز بين أنماط صوت القلب الطبيعية وغير الطبيعية باستخدام معاملات التردد ميل (MFCC) للتمثيل الصوتي ونمذجة عميقة زمنية عصبية. تستفيد المنهجية من الخصائص الفسيولوجية لأصوات القلب، وتحديدًا أصوات القلب S1 وS2، وتعالج التحديات التي تطرحها الهمسات المرضية التي تقدم انحرافات طيفية وزمنية. يدمج خط الأنابيب المقترح عدة مكونات: تقسيم مستند إلى الفسيولوجيا، استخراج ميزات MFCC، التعلم الواعي بعدم التوازن من خلال تقنية الزيادة الاصطناعية للأقليات (SMOTE)، وتصنيف الشبكة العصبية المتكررة (RNN) لالتقاط الديناميات الزمنية لتسجيلات فونوكارديوغرام (PCG) بشكل فعال.
للتقييم التجريبي، استخدمت الدراسة مجموعات بيانات أصوات القلب PhysioNet 2016 وPhysioNet 2022، التي تم اختيارها لتوزيعات الفئات المختلفة والتنوع السريري. تتكون مجموعة بيانات PhysioNet 2016 من 2,575 تسجيلًا طبيعيًا و665 تسجيلًا للهمسات، بينما مجموعة بيانات PhysioNet 2022 أكثر توازنًا مع 1,617 حالة طبيعية و1,546 حالة همسات. تم توحيد جميع ملفات الصوت إلى معدل عينة قدره 22,050 هرتز ومعالجتها باستخدام كشف القمة، مما أسفر عن إجمالي 45,795 شريحة تدريب، و11,143 شريحة تحقق، و13,923 شريحة اختبار لمجموعة بيانات PhysioNet 2016، و45,342 شريحة تدريب، و11,108 شريحة تحقق، و13,317 شريحة اختبار لمجموعة بيانات PhysioNet 2022. لتخفيف تسرب البيانات، تم إجراء التقسيم على مستوى التسجيل لمجموعة بيانات PhysioNet 2016 وعلى مستوى المريض لمجموعة بيانات PhysioNet 2022. تم تطبيق SMOTE حصريًا على بيانات التدريب لمعالجة عدم توازن الفئات، مما أدى إلى توليد عينات اصطناعية من خلال التداخل بين متجهات الميزات المجاورة، كما هو ملخص في الجدول 3.
النتائج
تظهر نتائج تحقق A-Test، المطبقة على مجموعة بيانات PhysioNet 2022، قوة واستقرار الإطار المقترح القائم على RNN لتصنيف إشارة فونوكارديوغرام. باستخدام توزيع فئات متوازن وتعليقات على مستوى المريض، قامت طريقة A-Test بتقييم أداء المصنف عبر نسب تدريب-تحقق مختلفة، تحديدًا لمؤشرات التحقق التي تتراوح من $k=2$ إلى $k=5$. كانت دقة التصنيف المحققة مرتفعة باستمرار، مع قيم بلغت 98.32%، 98.45%، 98.61%، و98.54% لـ $k=2$، $k=3$، $k=4$، و$k=5$، على التوالي، مما أدى إلى دقة متوسطة قدرها 98.48% وانحراف معياري منخفض قدره 0.12.
تشير هذه النتائج إلى أن الإطار المقترح يحافظ على قدرات تنبؤية مستقرة عبر تكوينات تحقق مختلفة، مما يقترح مخاطر هيكلية منخفضة وقدرة قوية على التعميم. يؤكد الانحراف المعياري المنخفض عبر مؤشرات التحقق على عدم حساسية النموذج للتغيرات في تقسيم بيانات التدريب، وهو أمر حاسم في تحليل الإشارات الحيوية حيث يمكن أن تؤدي خصائص مجموعة البيانات إلى تقديم تباين في تقديرات الأداء. بشكل عام، تؤكد نتائج A-Test موثوقية مقاييس التصنيف المبلغ عنها على كلا مجموعتي البيانات المرجعية.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على التقدم الكبير في تحليل فونوكارديوغرام (PCG) الآلي، لا سيما من خلال دمج تقسيم مستند إلى البداية، واستخراج ميزات معامل التردد ميل (MFCC)، وتقنية الزيادة الاصطناعية للأقليات (SMOTE)، والشبكات العصبية المتكررة (RNNs). يؤكد المؤلفون أن الشبكات العصبية المتكررة فعالة بشكل خاص في تصنيف أصوات القلب بسبب قدرتها على نمذجة الاعتماد الزمني المتأصل في إشارات PCG، والتي تحتوي على معلومات ذات صلة سريرية موزعة عبر دورات القلب. تعترف الدراسة أيضًا بالتحديات التي تطرحها عدم توازن الفئات في مجموعات بيانات PCG وتظهر أن تطبيق SMOTE أثناء التدريب يعزز حساسية النموذج تجاه الفئات الأقل، مما يؤدي إلى تحسين أداء التصنيف مقارنة بأساليب التعلم الآلي التقليدية.
تشير النتائج إلى أن الإطار المقترح حقق معدلات دقة عالية بلغت 98.5% و98.6% على مجموعات بيانات PhysioNet 2016 و2022، على التوالي، مع الحفاظ على مقاييس أداء قوية مثل الحساسية والنوعية. كما يتناول المؤلفون أهمية استخدام استراتيجيات تحقق آمنة من التسرب لتجنب تقديرات أداء مبالغ فيها بسبب ارتباط الشرائح. يقترحون أن الأبحاث المستقبلية يمكن أن تستفيد من استكشاف الهياكل الهجينة التي تجمع بين الشبكات العصبية المتكررة والشبكات العصبية المتزايدة زمنياً (TGNNs) أو النماذج المعتمدة على الانتباه، بالإضافة إلى معالجة التحديات مثل تلوث الضوضاء وتباين بيانات المرضى. بشكل عام، تؤكد النتائج على الإمكانية الكبيرة لأنظمة اكتشاف الهمسات الآلية لتعزيز فحص القلب والأوعية الدموية، لا سيما في البيئات التي تفتقر إلى الوصول إلى الفحص الخبير.
القيود
على الرغم من أن الطريقة المقترحة تظهر أداءً قويًا، إلا أنها ليست خالية من القيود. تشمل المخاوف الرئيسية احتمال الإفراط في التكيف في السيناريوهات التي تحتوي على بيانات تدريب محدودة، مما قد يهدد قابلية تعميم النتائج. بالإضافة إلى ذلك، قد يحد اعتماد الطريقة على افتراضات معينة بشأن توزيع البيانات الأساسية من قابليتها للتطبيق عبر مجموعات بيانات متنوعة.
علاوة على ذلك، تعتبر التعقيد الحسابي قيدًا ملحوظًا آخر، حيث قد تتطلب الطريقة موارد كبيرة للتنفيذ على نطاق واسع. قد يعيق ذلك عمليتها في التطبيقات الواقعية حيث تكون الكفاءة أمرًا بالغ الأهمية. بشكل عام، بينما تظهر الطريقة وعدًا، يجب معالجة هذه القيود لتعزيز فائدتها وفعاليتها في سياقات أوسع.
DOI: https://doi.org/10.1038/s41598-026-45276-9
PMID: https://pubmed.ncbi.nlm.nih.gov/41965773
Publication Date: 2026-04-11
Author(s): Asmaa Ameen et al.
Primary Topic: Phonocardiography and Auscultation Techniques
Overview
This research presents a novel framework for the automated classification of cardiac murmurs from phonocardiogram (PCG) recordings, addressing challenges such as signal variability, class imbalance, and temporal dependencies. The proposed method integrates peak-based segmentation, Mel-Frequency Cepstral Coefficient (MFCC) feature extraction, and Synthetic Minority Over-sampling Technique (SMOTE) for class balancing, alongside Recurrent Neural Network (RNN) temporal modeling. Evaluated on the PhysioNet 2016 and 2022 datasets, the model achieved impressive accuracies of 98.5% and 98.6%, respectively, with high precision, recall, and F1-scores, demonstrating its robustness across varying class distributions.
In conclusion, the study underscores the effectiveness of combining temporal modeling with balanced learning in enhancing murmur detection capabilities. The framework’s rigorous evaluation through leakage-safe validation methods indicates strong discriminative power, suggesting its potential for scalable, non-invasive cardiac screening, especially in resource-limited settings. Future research will aim to validate the model clinically, assess its performance in noisy environments, and evaluate its applicability across diverse populations to ensure generalizability and facilitate real-world implementation in cardiovascular screening.
Methods
In this study, an automated system was developed to differentiate between normal and abnormal heart-sound patterns using Mel-frequency cepstral coefficients (MFCC) for acoustic representation and deep temporal neural modeling. The methodology leverages the physiological characteristics of heart sounds, specifically the S1 and S2 heart sounds, and addresses the challenges posed by pathological murmurs that introduce spectral and temporal deviations. The proposed pipeline integrates several components: physiologically informed segmentation, MFCC feature extraction, imbalance-aware learning through the Synthetic Minority Oversampling Technique (SMOTE), and recurrent neural network (RNN) classification to effectively capture the temporal dynamics of phonocardiogram (PCG) recordings.
For experimental evaluation, the study utilized the PhysioNet 2016 and PhysioNet 2022 heart-sound datasets, chosen for their differing class distributions and clinical variability. The PhysioNet 2016 dataset comprises 2,575 normal and 665 murmur recordings, while the PhysioNet 2022 dataset is more balanced with 1,617 normal and 1,546 murmur cases. All audio files were standardized to a sampling rate of 22,050 Hz and processed using onset-peak detection, resulting in a total of 45,795 training segments, 11,143 validation segments, and 13,923 test segments for PhysioNet 2016, and 45,342 training segments, 11,108 validation segments, and 13,317 test segments for PhysioNet 2022. To mitigate data leakage, partitioning was conducted at the recording level for PhysioNet 2016 and at the patient level for PhysioNet 2022. SMOTE was applied exclusively to the training data to address class imbalance, generating synthetic samples by interpolating between neighboring feature vectors, as summarized in Table 3.
Results
The A-Test validation results, applied to the PhysioNet 2022 dataset, demonstrate the robustness and stability of the proposed RNN-based framework for phonocardiogram signal classification. Utilizing a balanced class distribution and patient-level annotations, the A-Test method assessed classifier performance across various training-validation proportions, specifically for validation indices ranging from $k=2$ to $k=5$. The classification accuracies achieved were consistently high, with values of 98.32%, 98.45%, 98.61%, and 98.54% for $k=2$, $k=3$, $k=4$, and $k=5$, respectively, resulting in a mean accuracy of 98.48% and a low standard deviation of 0.12.
These findings indicate that the proposed framework maintains stable predictive capabilities across different validation configurations, suggesting low structural risk and strong generalization ability. The low standard deviation across validation indices further emphasizes the model’s insensitivity to variations in training data partitioning, which is crucial in biomedical signal analysis where dataset characteristics can introduce variability in performance estimates. Overall, the A-Test results affirm the reliability of the classification metrics reported on both benchmark datasets.
Discussion
The discussion section of the research paper highlights significant advancements in automated phonocardiogram (PCG) analysis, particularly through the integration of onset-based segmentation, Mel-frequency cepstral coefficients (MFCC) feature extraction, Synthetic Minority Oversampling Technique (SMOTE), and recurrent neural networks (RNNs). The authors emphasize that RNNs are particularly effective for heart sound classification due to their ability to model temporal dependencies inherent in PCG signals, which contain clinically relevant information distributed across cardiac cycles. The study also acknowledges the challenges posed by class imbalance in PCG datasets and demonstrates that applying SMOTE during training enhances the model’s sensitivity to minority classes, leading to improved classification performance compared to traditional machine learning approaches.
The results indicate that the proposed framework achieved high accuracy rates of 98.5% and 98.6% on the PhysioNet 2016 and 2022 datasets, respectively, while maintaining robust performance metrics such as sensitivity and specificity. The authors also address the importance of employing leakage-safe validation strategies to avoid inflated performance estimates due to segment correlation. They suggest that future research could benefit from exploring hybrid architectures that combine RNNs with Time-Growing Neural Networks (TGNNs) or attention-based models, as well as addressing challenges such as noise contamination and variability in patient data. Overall, the findings underscore the potential for automated murmur detection systems to enhance cardiovascular screening, particularly in settings with limited access to expert auscultation.
Limitations
The proposed method, while demonstrating robust performance, is not without its limitations. Key concerns include potential overfitting in scenarios with limited training data, which may compromise the generalizability of the results. Additionally, the method’s reliance on specific assumptions regarding the underlying data distribution could restrict its applicability across diverse datasets.
Furthermore, computational complexity is another notable limitation, as the method may require significant resources for large-scale implementations. This could hinder its practicality in real-world applications where efficiency is paramount. Overall, while the method shows promise, these limitations must be addressed to enhance its utility and effectiveness in broader contexts.