L'analyse en composantes indépendantes améliore-t-elle la classification des signaux sonores cardiaques par rapport à l'analyse en composantes principales ?
L'analyse en composantes indépendantes combinée avec un classificateur Naïve Bayes fournit une classification très précise des signaux sonores cardiaques.
L'analyse des signaux sonores cardiaques est une méthode de base pour l'examen cardiaque. Elle peut indiquer la présence de troubles cardiaques et fournir des informations cliniques dans le processus de diagnostic. Dans cette étude, une nouvelle méthode de réduction de dimension des caractéristiques basée sur l'analyse en composantes indépendantes (ACI) a été proposée pour la classification de quatorze types de sons cardiaques différents ; la méthode a été comparée à l'analyse en composantes principales. Les vecteurs de caractéristiques sont classés par des machines à vecteurs de support, une analyse discriminante linéaire et des classificateurs Naïve Bayes (NB) en utilisant une validation croisée à 10 plis. L'ACI combinée avec NB atteint les meilleures performances moyennes avec une sensibilité de 98,53 %, une spécificité de 99,89 %, des g-moyens de 99,21 % et une précision de 99,79 %.
Yücel Koçyiğit (ven,) a étudié cette question.