In this study, a new automated pattern recognition system for interpretation of lung sound signals based on wavelet decomposition of signals and classification using neural network is developed. Inputs to the system are the lung sound signals acquired by a stethoscope in a noiseless environment. Features for the objective concise representation of lung sound signals are generated by means of wavelet decomposition. Classification of the features is performed using a back propagation neural network with adaptive learning rate. Ten different types of lung sound signals are analysed. Fifty-one record windows obtained from young humans are studied. Thirty of the record windows in database are selected to be used for training phase of the neural network. The results show that the intelligent pattern recognition system used to interpret ten different types of lung sound are acquired a high success.

Bu çalışmada, akciğer seslerini değerlendirmek için işaretlerin dalgacık ayrışımı ve sinir ağları kullanılarak yeni bir otomatik örüntü tanıma sistemi geliştirildi. Sistemin girişleri, gürültüsüz bir ortamda steteskop ile alınan akciğer ses işaretleridir. Akciğer ses işaretlerinin özelliklerini çıkarmak için dalgacık ayrışımı kullanıldı. Bu özelliklerin sınıflandırılması, uyarlamalı öğrenme oranlı geri yayınım sinir ağı kullanılarak gerçekleştirildi. Akciğer ses işaretlerinin 10 farklı türü incelendi. Genç kişilerden elde edilen 51 kayıt penceresi çalışma için derlendi. Yapay sinir ağını eğitmek için ise bu veri tabanından 30 kayıt penceresi seçildi. Geliştirilen akıllı örüntü tanıma sisteminin başarımını değerlendirmek için 10 farklı akçiğer ses türü kullanılarak, yüksek bir başarıya ulaşıldı.