Ekstraksi Ciri Komponen Aortik dan Pulmonari Suara Jantung Diastolik dengan Menggunakan Analisis Non Stasioner

The 6th – Electrical Power, Elctronics, Communications, Controls, and Informatics Seminar 2012 30-31 Mei, Universitas Brawijaya, Malang, Indonesia

Ekstraksi Ciri Komponen Aortik dan Pulmonari Suara Jantung Diastolik dengan Menggunakan Analisis Non Stasioner Ira Puspasari*, Achmad Arifin, Rimuljo Hendradi Bidang Keahlian Teknik Elektronika, Program Pascasarjana Teknik Elektro Institut Teknologi Sepuluh Nopember Surabaya *Email: [email protected]

Abstrak–-Dalam rangka mengembangkan sistem diagnosa suara jantung secara elektronik, bagian ekstraksi ciri menjadi bagian yang sangat penting. Oleh karena itu, perlu dipelajari metode ekstraksi ciri yang efektif untuk menggali dinamika yang terkandung dalam data suara jantung. Pada penelitian ini telah dipelajari lebih spesifik dari beberapa metode ekstraksi ciri, dengan metode pengolahan sinyal non stasioner: Short Time Fourier Transform dan Wavelet Transform. Dari hasil penelitian durasi S2 suara jantung normal sebesar 0.071 ± 0.01017, durasi A2 sebesar 0.021 ± 0,0096 detik dari total data, dan durasi P2 sebesar 0.016 ± 0,0039 detik. Dari hasil suara mitral regurgitasi, tampak bahwa countour yang dihasilkan dari S2 tidak terpisah sedurasi S2 sebesar 0.02537 ± 0.00115 detik. Hasil penelitian ini menunjukkan bahwa terdapat time split pada komponen A2 dan P2 yaitu sebesar 0.03 ± 0.0144 detik untuk jantung normal. Penelitian selanjutnya adalah pemodelan suara jantung yang diharapkan mampu lebih mendiskripsikan dan memberikan informasi tentang karakteristik suara jantung secara objektif. Kata Kunci—ekstraksi ciri, pengolahan sinyal, suara jantung, Time-frequency analysis

I. PENDAHULUAN

S

ampai saat ini dokter masih menggunakan stetoskop untuk memantau kinerja jantung. Stetoskop menghasilkan suara yang lemah, sehingga untuk mendiagnosis diperlukan kepekaan dan pengalaman. Selain itu adanya noise lingkungan, frekuensi dan amplitudo yang rendah, pola suara yang relatif sama, time split antar suara jantung sangat pendek, sehingga hasil diagnosis sangat dipengaruhi oleh subjektivitas dokter [1]. Suara jantung normal mempunyai rentang frekuensi antara 20 Hz hingga 400 Hz, sedangkan suara jantung abnormal mempunyai rentang frekuensi hingga 1000 Hz. Jantung yang tidak normal memperdengarkan suara tambahan yang disebut murmur [1]. Murmur disebabkan oleh pembukaan katup yang tidak sempurna atau stenosis (yang memaksa darah melewati bukaan sempit) atau regurgitasi yang disebabkan oleh penutupan katup yang tidak sempurna dan mengakibatkan airan balik darah [2]. Detak jantung menghasilkan dua suara yang berbeda

pada stetoskop yang sering dinyatakan dengan lub-dub [3]. Suara lub merupakan suara jantung pertama (S1) yang disebabkan oleh penutupan katup tricuspid dan mitral (anrioventrikular) yang memungkinkan aliran darah dari atria (serambi jantung) ke ventricle (bilik jantung) dan mencegah aliran balik. Suara jantung pertama memiliki empat komponen, biasanya hanya komponen dua dan tiga yang terdengar disebut M1 dan T1. Suara dub merupakan suara jantung kedua (S2) dan disebabkan oleh penutupan katup semilunar (aortic dan pulmonary) yang membebaskan darah ke sistem sirkulasi paru – paru dan sistemik [4]. Suara jantung kedua memiliki dua komponen yaitu aortic (A2 ) dan pulmonary (P2) yang selama ini sering tersembunyi karena terpisah waktu kurang dari 30 ms [2]. Penelitian Jipping Xu dkk [5], menganalisa komponen aortic dan pulmonary suara jantung kedua dengan menggunakan sebuah model sinyal nonlinier transien, hasilnya menunjukkna bahwa pendekatan ini mampu mengisolasi dan mengekstrak overlapping komponen A2 dan P2. Penelitian berikutnya adalah ekstraksi otomatis dari komponen A2 dan P2 untuk mengetahui tekanan darah normal pada pulmonari-arteri (Pulmonary Artery Pressure) menggunakan algoritma otomatis, yang berdasarkan kombinasi model chirplet Gaussian dan pendekatan sinyal statistik berdasarkan analisa waktu dan frekuensi [6]. Penelitian ini menganalisa ekstraksi ciri dari suara jantung kedua, dengan menggunakan Short Time Fourier Transform (STFT) dan Wavelet Transform (WT) sebagai representsi atas waktu-frekuensi. II. SUARA JANTUNG Siklus jantung adalah interval dari akhir satu kontraksi jantung ke akhir kontraksi berikutnya. Siklus jantung terdiri dari dua periode, yaitu periode kontraksi (sistol) dan relaksasi (diastol) [1]. Selama sistol, ruang jantung memompa darah ke luar; selama diastol, ruang jantung terisi dengan darah. Kejadian ini diperlihatkan pada kurva tekanan (Gambar 1). Selama fase sistolik dan diastolik, suara jantung dihasilkan dari pembukaan dan penutupan katup jantung, aliran darah didalam jantung, getaran otot jantung. Suara

B11-1


jantung pertama memiliki empat komponen. suara jantung pertama (S1), hanya komponen dua dan tiga yang terdengar disebut M1 dan T1. Suara jantung kedua (S2) dan disebabkan oleh penutupan katup semilunar (aortic dan pulmonary) terjadi akhir ventrikular sistole, memiliki dua komponen yaitu aortic (A2) dan pulmonary (P2). Suara jantung ketiga (S3) disebabkan oleh osilasi darah antara dinding aorta dan ventrikular. Suara jantung terakhir (S4) disebabkan oleh turbulensi dari ejeksi darah. Suara jantung ketiga dan keempat disebabkan oleh terminasi fase pengisian ventrikular, setelah fase isovolumetrik dan kontraksi atrial [7]. Jantung yang tidak normal memperdengarkan suara tambahan yang disebut murmur [8]. Murmur disebabkan oleh pembukaan katup yang tidak sempurna atau stenosis (yang memaksa darah melewati bukaan sempit), atau oleh regurgitasi yang disebabkan oleh penutupan katup yang tidak sempurna dan mengakibatkan aliran balik darah. Murmur diklasifikasikan menjadi murmur sistolik dan diastolik, tergantung pada fase terjadinya. Murmur sistolik adalah bunyi yang terdengar terus menerus diantara S1 dan S2 [7]. Murmur diastolik adalah bunyi yang terdengar terus menerus antara S2 dan S1 berikutnya [7]. Murmur diastolik awal dimulai dari S2 dan memuncak pada fase pertama dari tiga fase periode diastol. Hal ini menyebabkan S2 sulit terdengar, sedangkan S1 dapat terdengar dengan mudah. Penyebab yang umum adalah regurgitasi aorta dan pulmonal. Gambar 2 menunjukkan beberapa contoh sinyal murmur.

III. METODE A. Trasformasi Fourier Transormasi Fourier didefinisikan:

X(Ȧ) dari sebuah sinyal

X (ω ) = x (t )e − jωt dt

(1)

dimana t dan Ȧ adalah parameter waktu dan frekuensi. Spektrum dari x (t) terdiri dari komponen frekuensi yang bukan nol. Analisa Fourier sangat penting untuk melihat frekuensi yang terkandung di dalamnya. Tetapi analisis fourier memiliki kelemahan, pada saat transformasi domain frekuensi, maka informasi waktu akan hilang [9]. Metode ini banyak digunakan untuk memonitor kondisi secara kontinyu parameter fisik seperti: respiratori, denyut jantung, velositas aliran darah, tekanan darah, tekanan intracranial dan aktivitas kelistrikan otak. Kelemahan dari Transformasi Fourier adalah tidak dapat digunakan untuk sinyal yang tidak stasioner [10]. Dennis Gabor (1946) menggunakan Transformasi Fourier untuk menganalisa sebagian kecil sinyal pada waktu tertentu, yang dinamakan Short Time Fourier Transform [11]. STFT merupakan hasil dari Transormasi Fourier dan sinyal x (t) dengan pendekatan waktu window w (t). Adanya window menambah dimensi waktu, sehingga dapat memperoleh analisa frekuensi-waktu. Transformasi Fourier dengan ekspansi frekuensi-waktu didefinisikan:

X (t , ω ) = x(t ) w(τ − t )e − jωt dτ

(2)

dimana w(t) merupakan window yang diaplikasikan pada sinyal. Bererapa jenis window yang biasa digunakan adalah Hamming window, Von Hann window, Black man window, dan Rectanguler window.

Gambar 1. Gambar Hubungan Suara Jantung dan Siklus Jantung [1].

B. Transformasi Wavelet Wavelet sangat berguna dalam banyak aplikasi ilmiah dan rekayasa, termasuk pemrosesan sinyal, komunikasi, video dan kompresi citra, pencitraan medis, dan ilmiah visualisasi. Konsep wavelet dapat dilihat sebagai sebuah sintesis dari ide-ide yang berasal selama beberapa dekade terakhir yaitu dalam teknik, fisika, dan matematika murni [11]. Transformasi Wavelet adalah metode tranformasi yang mengadopsi metode Fourier Transform dan Short Time Fourier Transform (STFT). Seperti halnya STFT, Wavelet Transform mentransformasi sinyal dalam domain waktu menjadi signal dalam domain waktu dan frekuensi (dalam hal ini dibentuk menjadi translasi domain dan skala). Transformasi Wavelet didefinisikan: 1 t −τ WT (t , a) = x(τ )g ∗ dτ (3) a

a = a X (ω )G ∗ (aω )e jωt dω

Gambar 2. Suara jantung normal dan abnormal [1].

dengan * adalah konjugat komplek, g(t) adalah analisa wavelet. X(Ȧ) dan G(Ȧ) adalah Transformasi Fourier dari x(t) dan g (t). Parameter a adalah skala yang proposional terhdap frekuensi. Transformasi wavelet dibagi menjadi dua yaitu: Discrete Wavelet Transform (DWT) dan Continous Wavelet Transform (CWT). Secara matematis Continuous Wavelet Transform (CWT) dari suatu signal x(t) dapat di definisikan: B11-2


(a)

(c)

(b)

(d)

Gambar 3: (a) Sinyal suara jantung normal satu siklus, (b) STFT dari (a), (c) Sinyal suara jantung abnormal satu siklus (Mitral Regurgitasi), (d) STFT dari (c). ట ట ‫ܹܶܥ‬௫ ሺ߬ǡ ‫ݏ‬ሻ ൌ ߰௫ ሺ߬ǡ ‫ݏ‬ሻ ൌ

̱ ଵ ‫ݔ ׬‬ሺ‫ݐ‬ሻ ඥȁ௦ȁ ି̱

ή ߰‫ כ‬ቀ

௧ିఛ ௦

ቁ ݀‫ݐ‬

(4) dimana s menunjukkan skala, Ĳ adalah time shift yang menunjukkan pergeseran atau translasi mother wavelet dan ȥ* ((t-Ĳ)/s) menunjukkan mother wavelet. C. Center Of Grafity (COG) COG adalah titik pusat pivot dari sebuah area. Jika (tCOG, sCOG) adalah koordinat dari CWT koefisien sebagai magnitudo yang ternormalisasi, di mana lokasinya adalah (t1, s1), (t2, s2),…,(tn,sn), waktu-koordinat diberikan pada persamaan: n

t

i

× si

(5)

i =1

t COG =

n

s

i

i =1

Sedangkan untuk menentukan skala-koordinat: n

s COG =

s

i

× ti

i =1

(6)

n

t

i

i =1

IV. HASIL Penelitian ini menggunakan sebuah suara jantung normal dan abnormal, suara jantung normal terdiri dari empat siklus dengan waktu 3, 96 detik dan frekuensi sampling 8000 sampel/detik. Dari data diambil satu

Gambar 4. Satu siklus suara jantung normal.

Hamming window, lebar window adalah 100 point, dan jumlah window yang digunakan STFT adalah 28 point. Gambar 3 (a) adalah gambar satu siklus jantung normal dan (b) adalah STFT dari (a). Komponen A2 dan P2 terletak pada frekuensi 200 – 400Hz. Sedangkan suara jantung abnormal yang digunakan dalam penelitian ini adalah Mitral Regurgitasi dengan waktu 2,66 detik. Gambar 3 (c) merupakan Sinyal Mitral Regurgitasi, dan 3 (d) adalah STFT dari (c). Selanjutnya sinyal abnormal diolah dengan menggunakan STFT, ditunjukkan pada gambar 8. Pada gambar tersebut belum bisa diketahui informasi tentang komponen A2 dan P2, karena terjadi overlapping frekuensi.

siklus selama 0,8 detik yang terdiri dari S1 dan S2 suara jantung yang ditunjukkan pada gambar 4. Untuk melihat lebih jelas komponen A2 dan P2 digunakan STFT pada gambar 3, dengan menggunakan B11-3


Gambar 5: (a) Sinyal suara jantung normal satu siklus, (b) Koefisien CWT untuk (a). Spektrum warna menunjukkan magnitudo ternormalisasi dari koefisien wavelet, dimana ungu dan merah merepresentasikan energi terendah dan tertinggi. (c) Komponen A2 dan P2 pada sinyal suara jantung kedua (S2), (d). Sinyal suara jantung abnormal (Mitral Regurgitasi) satu siklus, (e) Koefisien CWT untuk (d). Spektrum warna menunjukkan magnitudo ternormalisasi dari koefisien wavelet, dimana ungu dan merah merepresentasikan energi terendah dan tertinggi. Satu siklus mengandung suara pertama dan suara kedua. (f) Komponen A2 dan P2 pada sinyal suara jantung kedua (S2).

Pada penelitian ini, sebuah sinyal normal dan abnormal mitral regurgitasi, diekstrak informasinya dengan menggunakan CWT. Nilai ekstraksi ciri koefisien CWT berupa matrix. Selain untuk memperoleh parameter frekuensi-waktu, masing – masing contour di di threshold oleh nilai thresholding magnitudo. Gambar 5 (a) menunjukkan sebuah contoh sinyal normal yang kemudian diekstrak dengan menggunakan metode CWT (gambar 5(b)). Nilai thresholding magnitudo ditentukan, untuk memperoleh suara jantung kedua (S2) yang mengandung komponen A2 dan P2. Gambar 5 (d) menunjukkan sebuah contoh sinyal abnormal yaitu Mitral regurgitasi, yang kemudian diekstrak dengan menggunakan metode CWT (gambar (e)). Nilai thresholding magnitudo ditentukan, untuk memperoleh suara jantung kedua (S2) yang mengandung komponen A2 dan P2, yaitu gambar (f). Regurgitasi Katup Mitral (Inkompetensia Mitral, Insufisiensi Mitral), (Mitral Regurgitation) adalah kebocoran aliran balik melalui katup mitral setiap kali ventrikel kiri berkontraksi. Suara jantung kedua memiliki dua komponen dasar: komponen A2 dan P2. Kedua katup ini menutup pada saat akhir sistol ventrikular. Biasanya, katup aortic menutup terlebih dahulu dibandingkan pulmonari. Sinyal A2 biasanya muncul mendahului P2 dan lebih keras suaranya dibandingkan P2. Namun untuk kasus patologi tertentu, A2 dan P2 bisa berada dalam waktu yang sama, sehingga sinyal terlihat tunggal. Seperti yang ditunjukkan pada tabel 1, durasi S2 suara jantung normal sebesar 0.071 ± 0.01017, durasi A2 sebesar 0.021 ± 0,0096 detik dari total data, dan durasi P2 sebesar 0.016 ± 0,0039 detik. Dari hasil suara mitral regurgitasi, tampak bahwa countour yang dihasilkan dari S2 tidak terpisah sedurasi S2 sebesar 0.02537 ± 0.00115 detik.

V. PEMBAHASAN Pada Penelitian ini membahas ekstraksi ciri suara jantung kedua yang tersusun atas dua komponen, yaitu komponen A2 dan Komponen P2. Untuk memperoleh informasi tentang waktu dan frekuensi, digunakan perbandingan transformasi fourier dan transformasi wavelet yaitu Continous Wavelet Transform (CWT). Terdapat S2 yang terdengar suara tunggal, tetapi sebenarnya terdapat dua komponen A2 dan P2 yang saling overlapping. Adanya threshold, dalam pemfilteran data sangatlah penting, ketika data yang dibutuhkan hanya S2, data S1 harus dihilangkan. Penggunaan threshold, bisa diubah-ubah tergantung pada kebutuhan. penelitian ini menggunakan thresholding sebesar 5. Selanjutnya digunakan STFT untuk melihat frekuensi, magnitudo serta window (fungsi waktu), dari hasil STFT Tabel 1. Durasi Waktu pada Parameter Temporal. Durasi waktu dalam rata-rata ± stadard deviasi Parameter Normal Mitral Regurgitasi S2 0.071 ± 0.010 0.025 ± 0.001 A2 0.021 ± 0,009 P2 0.016 ± 0,004 Tabel 2. Karakteristik dengan Menggunakan COG Durasi waktu dalam rata-rata ± stadard deviasi Parameter Normal Mitral Regurgitasi waktu COG dari S2 0.643 ± 0.038 0.412 ± 0.120 waktu COG dari A2 0.616 ± 0.010 waktu COG dari P2 0.669 ± 0.019 split waktu antara A2 & P2 0.030 ± 0.014 -

hanya dapat melihat bahwa ada dua frekuensi dominan, tetapi belum mampu menganalisa lebih detail terjadinya A2 dan P2, serta time splitting A2 dan P2.Suara jantung kedua memiliki komponen penyusun, yaitu: (suara oleh penutupan katup aortic) A2 dan P2 (suara oleh penutupan

B11-4


katup pulmonary), yang terpisah lebih dari 0.020 detik. Split dua komponen suara jantung, disebabkan oleh time delay antara komponen ortic dan komponen pulmoanari. Hasil penelitian ini menunjukkan bahwa terdapat time split pada komponen A2 dan P2 yaitu sebesar 0.03 ± 0.0144 detik, seperti pada penelitian yang dilakukan oleh Hong – hong [12] dengan metode paket wavelet, dapat menentukan time delay sebesar 10 ms. Satu siklus S2 pada jantung normal penelitian ini sebesar 0.071 ± 0.01017 detik, sedangkan satu sikus S2 pada Mitral regurgitasi sebesar 0.02537 ± 0.00115 detik. Durasi dari komponen A2 sebesar 0.021 ± 0,0096 detik, lebih lama jika dibandingkan durasi P2 sebesar 0.016 ± 0,0039 detik. Hal ini berarti bahwa siklus S2 normal lebih lama jika dibandingkan dengan S2 abnormal. Time delay antara A2 dan P2 sangat penting secara klinis, untuk menganalisa adanya kelainan jantung secara kualitatif dan kuantitatif. Telah diperlihatkan bahwa metode CWT lebih akurat dan tepat daripada STFT untuk menentukan karakteristik sinyal suara jantung manusia secara simultan dalam domain waktu dan frekuensi. Estimasi dari metode ini mampu mengkarakterisasi secara objektif dan jelas. Jadi, akan sangat membantu secara klinik baik kualitatif dan kuantitatif. Oleh karena itu, pada penelitian selanjutnya akan dilakukan pemodelan suara jantung yang diharapkan mampu lebih mendiskripsikan dan memberikan informasi tentang karakteristik suara jantung secara objektif.

VI. KESIMPULAN Pada penelitian ini digunakan STFT dan Wavelet Transform untuk melihat frekuensi dominan kompenen A2 dan P2. Hasil yang diperoleh adalah dengan menggunakan STFT belum bisa memberikan hasil yang akurat, karena masih terlihat over lapping sinyal, sehingga komponen penyusun belum terlihat jelas. Sedangkan dengan menggunakan Wavelet Transform dapat memberikan informasi waktu dan magnitudo dari komponen penyusun S2, durasi S2 suara jantung normal

sebesar 0.071 ± 0.01017, durasi A2 sebesar 0.021 ± 0,0096 detik dari total data, dan durasi P2 sebesar 0.016 ± 0,0039 detik. Dari hasil suara mitral regurgitasi, tampak bahwa countour yang dihasilkan dari S2 tidak terpisah sedurasi S2 sebesar 0.02537 ± 0.00115 detik. Hasil penelitian ini menunjukkan bahwa terdapat time split pada komponen A2 dan P2 yaitu sebesar 0.03 ± 0.0144 detik untuk jantung normal. Penelitian selanjutnya adalah pemodelan suara jantung yang diharapkan mampu lebih mendiskripsikan dan memberikan informasi tentang karakteristik suara jantung secara objektif. DAFTAR PUSTAKA [1]

A. Abbas K dan Bassam, Rasha (2009), Phonocardiography Signal Processing, Morgan & Claypool Publisher. [2] M. Akay (1990), Noninvasive detection of coronary stenoses before and after angioplasty using methods, IEEE trans. vol. 37. [3] R.Lande dan Pelupessy (1989), Bunyi jantung, Cermin Dunia Kedokteran No. 56, Universitas Hasanudin. [4] J.Xu, dan LG Durand (2000), Non Linear Transient Chirp Signal modelling of the Aortic and Pulmonary Component of the Second Heart Sound. IEEE Trans Biomed Eng vol 47. [5] A.Rizal, dan Suryani, Vera (tidak ada tahun), Pengenalan Suara Jantung menggunakan Dekomposisi Paket Wavelet dan Jaringan Syarat Tiruan ART2 (Adaptive Resonance Theory 2), Sekolah Tinggi Teknologi Telkom Bandung. [6] B.Popov (2004), Automated Extraction of Aortic and Pulmonary Components of the Second Heart Sound for the Estimations of Pulmonary Artery Pressure, IEEE EMBS. [7] M.D. Lehrer, Steven, (1994), Memahami Bunyi dan Bising Jantung Anak, Alih Bahasa Dr. Damayanti, DSA, Binarupa Aksara, Jakarta Barat. [8] M. Barkat, (2005), Signal detection and estimation, Artech House, Inc, Canton Street, Norwood. [9] S.M, Debbal Amin dan Fethi Reguig-Bereksi (2008), Features of Heartbeat Sound signal Normal and Pathological, Bentham Science Publisher Ltd. [10] S. Emanuel dan D. abner J (1994), Rapid Interpretation of heart sound and murmurs (Interpretasi Akurat Bunyi Jantung), Second Edition, Alih bahasa: Soenarno, dr, Penerbit buku kedokteran. [11] M.S., Obaidat (1993), Phonocardiogram Signal Analysis: techniques and performance comparison, Journal of medical engineering and technology. [12] H. Seung (1999), Comparison between Short Time Fourier and Wavelet Transform for Feature Extraction of Heart Sound, IEEE TENCON.

B11-5

Ekstraksi Ciri Komponen Aortik dan Pulmonari Suara Jantung Diastolik dengan Menggunakan Analisis Non Stasioner

Recommend Documents