Various embodiments of the inventions of the present disclosure provide a combination of feature-based approach and deep learning approach for distinguishing between normal heart sounds and abnormal heart sounds. A feature-based classifier (60) is applied to a phonocardiogram (PCG) signal to obtain a feature-based abnormality classification of the heart sounds represented by the PCG signal and a deep learning classifier (70) is also applied to the PCG signal to obtain a deep learning abnormality classification of the heart sounds represented by the PCG signal. A final decision analyzer (80) is applied to the feature-based abnormality classification and the deep learning abnormality classification of the heart sounds represented by the PCG signal to determine a final abnormality classification decision of the PCG signal.Divers modes de réalisation de l'invention concernent une combinaison d'une approche fondée sur des caractéristiques et d'une approche d'apprentissage poussé pour distinguer les bruits du cœur anormaux des bruits du cœur normaux. Un classificateur fondé sur des caractéristiques (60) est appliqué à un signal de phonocardiogramme (PCG) pour obtenir une classification d'anomalie fondée sur des caractéristiques des bruits du cœur représentés par le signal PCG et un classificateur d'apprentissage poussé (70) est également appliqué au signal PCG pour obtenir une classification d'anomalie d'apprentissage poussé des bruits du cœur représentés par le signal PCG. Un analyseur de décision finale (80) est appliqué à la classification d'anomalie fondée sur des caractéristiques et à la classification d'anomalie d'apprentissage poussé des bruits du cœur représentés par le signal PCG pour déterminer une décision finale de classification d'anomalie du signal PCG.
