گوشدادن به صداها و ارتعاشات تولیدشده ناشی از فعالیت مکانیکی قلب و تفسیر آنها روش متداولی است که در ارزیابی وضعیت سیستم قلبی-عروقی بهکار می رود. از مزایای این روش می توان به آسانی انجام آن، زمان مورد نیاز کم، هزینه پایین و غیرتهاجمیبودن اشاره کرد. اما بهدلیل محدودیتهای شنوایی انسان، ماهیت گذرا و غیرایستان صداهای قلب، و انرژی پایینتر صداهای پاتولوژیک نسبت به صداهای طبیعی یافتن نشانههای بیماری و تصمیمگیری برمبنای صداهای شنیدهشده از طریق گوشی پزشکی نیاز به کسب مهارت و تمرین و تکرار زیاد دارد. هدف این رساله ارائه چهارچوبی جهت تشخیص خودکار نابهنجاریهای دریچهای با تحلیل صداهای قلبی ضبطشده از طریق گوشی پزشکی است. روش پیشنهادی ما جهت رسیدن به یک طبقهبندی مقاوم صداهای سالم و پاتولوژیک، مدلسازی پارامتری سیگنال، ساخت سیگنال الگوی وابسته به شخص بهکمک پارامترهای مدل و سپس استخراج ویژگیهای تفکیککننده از این سیگنال الگو بهمنظور طبقهبندی صداهای قلبی است. در راستای هدف فوق، ابتدا تجزیه وفقی سیگنال به حداقل تعداد ممکن اتمهای پارامتری انتخابشده از یک دیکشنری فوقکامل از اتمها را انجام دادیم. این اتمها که به بهترین شکل بر ساختارهای محلی سیگنال منطبق هستند، مدلی از سیگنال را که دربرگیرنده ساختارهای زیربنایی و رفتارهای بنیادی آن است فراهم میکنند. ما از پارامترهای مدل اتمی حاصل که دارای معانی فیزیکی قابلتفسیر هستند جهت استخراج ویژگی استفاده نمودیم. مزیت اصلی ویژگیهای حاصل این است که برخاسته از ماهیت سیگنال هستند و الگوهای رفتاری موجود در سیگنال را آشکارسازی میکنند. در مرحله بعد و باتوجه به خاصیت شبهتناوبی سیگنال صدای قلب و جهت آشکارسازی رفتارهای پایای تکرارشونده در سیکلهای مختلف سیگنال pcg، برآن شدیم تا برمبنای سیگنال مدلشده در مرحله قبل یک سیگنال الگو برای هر شخص استخراج کنیم. منظور از استخراج سیگنال الگو ایجاد یک تکسیکل بیولوژیکی نماینده، با ادغام اطلاعات سیکلهای متوالی سیگنال pcg است. از مزیتهای اساسی استخراج سیگنال نمونه برای هر شخص، ارائه نمایش فشردهای از فعالیتهای زیربنایی و رخدادهای پاتولوژیکی تکرارشونده قلبی است. مزیت دیگر این سیگنال مقاومبودن آن نسبت به نویز و تغییرات سیکل به سیکل سیگنال pcg است. در پایان قابلیت سیگنال مدلشده و سیگنال الگوی ساختهشده را در نمایانترکردن تفاوتهای بین افراد سالم و بیماران با نابهنجاری دریچهای با استخراج دو دستهویژگی مختلف از آنها سنجیدیم. این دو دستهویژگی عبارتند از: ویژگیهای مبتنیبر پارامترهای مدل وفقی و ویژگیهای مبتنیبر نمایش زمان-فرکانس وفقی. روشهای پیشنهادی برروی دو مجموعه داده متشکل از 75 و 90 سیگنال pcg سالم و بیمار با استفاده از روش leave-one-outو دو طبقهبندی کننده مختلف mlp و lda مورد ارزیابی قرار گرفت. بر اساس نتایج بهدستآمده، سیگنال الگو با حفظ رفتارهای تکرارشونده و پایای مرتبط با فعالیتهای غیرطبیعی قلب و حذف نویزهای تصادفی حاضر در برخی سیکلها، بهطور قابلملاحظهای دقت طبقهبندی را افزایش داده و طبقهبندی مقاومی را فراهم میکند.