CN101668486A - 肺功能区域性评价的方法和系统 - Google Patents

Abstract

一种在人的肺部的两个或更多个区域中进行区域性评价的方法和系统。该系统包括多个被设置成固定在胸上的传感器。各传感器生成表示该传感器的位置处的压力波的信号P(x_i，t)。所述传感器被划分成多个子集，其中各子集覆盖所述两个或更多个区域中的特定区域。根据所述信号P(x_i，t)中的各个信号计算能量评价信号。针对各区域，根据该区域的所述能量评价信号计算该区域的评价。

Description

肺功能区域性评价的方法和系统

技术领域

本发明涉及医疗设备和方法，更具体地说，涉及用于对体音(bodysound)进行分析的这种设备和方法。

背景技术

已经使用又被称为“VQ扫描”的放射性核苷酸灌注(radionucleotideperfusion)来进行肺部生理的区域性评价。在该技术中，或者是将放射性粒子注入受试者的血液系统中，或者是使受试者吸入悬浮的放射性粒子。获得肺部的X光图像并且将图像中一个或两个肺划分成两个或更多个区域。然后对各肺部区域执行单独的分析。在大多数的区域性肺部评价中，将两个肺图像中的各个图像都划分成三个部分(上、中和下)，并且获得对各区域中的肺功能或生理的评价。一般地，区域性评价包括确定总的检测到的放射能中在各区域中检测到的一小部分。可以把在各部分中检测到的放射能的量与各部分中的肺部状况联系起来。

医师通常使用体音对各种不同的病变进行诊断。为了检测偶发的(即不正常的或未预料到的)肺音，医师可以将听诊器放置在人的胸部或背部，并且监听患者的呼吸。对偶发的肺音的识别和分类常常会提供关于肺部异常的重要信息。

将一个或更多个麦克风固定到受试者的胸部或背部以记录肺音也是公知的。美国专利6,139,505公开了一种在患者的胸部附近放置多个麦克风的系统。在显示屏上显示或在纸上打印在吸气和呼气过程中麦克风的记录。然后，由医师对记录进行查看，以便检查患者的肺部病变。Kompis等人(Chest，120(4)，2001)公开了一种在患者的胸部上放置M个麦克风并且记录肺音的系统。这些记录产生了M个线性方程并使用最小二乘拟合法来求解这些方程。该系统的解决方案用于确定在记录中检测到的声源在肺部中的位置。

Kushnir等人的美国专利6,887,208公开了用于记录和分析由呼吸道产生的声音的系统和方法。在人的胸上的多个位置处记录呼吸道音，并且对所记录的声音进行处理以产生呼吸道的图像。该处理包括根据所记录的信号确定在从t₁到t₂的时间区间上在胸上的多个位置处的平均声能。此处使用术语一个位置处的“声能”来指代表示了或近似于在该位置处的压力与质量传播速度的乘积的参数。该图像可用于分析呼吸道生理和用于检测病理状态。此外，可以将时间区间划分成多个子区间，并且针对两个或更多个子区间来确定胸上的平均声能。然后可以确定这些子区间中的各子区间的图像，并将其依次显示在显示器上。这形成了表现出呼吸道中的声能在该时间区间中发生的动态变化的影片。

发明内容

本发明提供了对肺机能进行区域性评价的系统和方法。根据本发明，将麦克风附着在胸上体表的多个位置，并且记录在各传感器的位置处的表示肺音的信号。对各信号进行分析以便产生在各传感器的位置处的能量评价信号。把传感器集合划分成子集，其中各子集由位于覆盖了肺部的特定区域的体表上的传感器组成。所述区域可对应于肺部的解剖区域，或者可以与肺部解剖无关地来确定所述区域。针对位置的各子集，基于所述能量评价信号获得下面肺部区域的区域性评价。所述区域性评价可以是动态的，即，在呼吸周期的至少一个部分发生变化的评价。在该情况下，所述区域性评价可以是例如作为各子集中的位置处的评价信号的和、最大信号、最小信号或平均信号计算的信号。所述区域性评价可以是所述子集中的位置处的能量评价(动态的或静态的)值的总和除以整个传感器集合的所述能量评价信号的值的总和。所述区域性评价可以是非动态的或者是总体评价。在该情况下，所述区域性评价可以是在一个呼吸周期的至少一部分上的动态区域性评价的平均值。在一个实施方式中，将各肺划分成三个区域(上、中和下)，并且针对六个区域中的各区域如上所述地获得区域性评价。在另一个实施方式中，将两个肺划分成多个区域，使得各区域都覆盖有相同数量的麦克风。可以以表格的形式来表示所述区域性评价。或者，生成示出肺和所述肺区域的轮廓的图，其中各区域的区域性评价值显示在图中该区域中。

在本发明的一个实施方式中，把呼吸周期划分成一个或更多个时间区间，并且根据本发明针对各时间区间获得肺的区域性评价。

本发明的系统包括N个传感器(麦克风)，所述N个传感器被设置成固定在人的背部或人的胸上的胸部的基本平坦的区域R。所述传感器通常嵌入到使得能够容易地将这些传感器固定在人的皮肤上的基体中。这种基体的形式通常可以是背心或外衣以便容易地安置在人的胸上。可以理解，针对不同尺寸的人、不同年龄、性别等，可以使用不同的基体。

在一个实施方式中，在所述多个位置中的各个位置处计算出的所述参数是平均声能。此处使用术语一个位置处的“声能”来指代表示了或近似于在该位置处的压力与质量传播速度的乘积的参数。在本发明的最优选的实施方式中，根据所计算出的平均声能生成肺的图像。所述图像显示在显示设备上，其中所述图像中的肺被划分成多个肺区域。所述肺区域的区域性评价与肺的图像一起显示。

还应该理解，根据本发明的系统可以是经过适当编程的计算机。同样地，本发明设想了可由计算机读取来执行本发明的方法的计算机程序。本发明进一步设想了以有形的方式实现可由机器执行来执行本发明的方法的指令程序的机器可读存储器。

因此，在本发明的一个方面，提供了一种用于在人的肺的两个或更多个区域中进行区域性评价的系统，该系统包括：

(a)N个传感器，其中n是大于或等于2的整数，各传感器被设置成固定在人的胸上的体表上，第i个传感器固定在位置x_i处并生成表示所述位置x_i处的压力波的信号P(x_i，t)，i＝1至N；所述传感器被划分成多个子集，各子集覆盖所述两个或更多个区域中的特定区域；以及

(b)处理器，该处理器被设置成：

(i)接收在一个时间段中获得的所述信号P(x_i，t)，并且根据各信号P(x_i，t)计算在所述位置x_i处的能量评价信号；和

(ii)针对所述两个或更多个区域中的各个区域，在涉及由覆盖在所述区域上的传感器所获得的所述能量评价信号的计算中计算对所述肺的评价。

在本发明的另一方面，提供了一种在人的肺的两个或更多个区域中进行区域性评价的方法，该方法包括以下步骤：

(a)接收N个信号P(x_i，t)，其中N是大于或等于2的整数，各信号都由固定在人的胸部上的体表上的传感器产生，第i个传感器固定在位置x_i处并生成表示所述位置x_i处的压力波的信号P(x_i，t)，i＝1至N；所述传感器被划分成多个子集，各子集覆盖所述两个或更多个区域中的特定区域，并且在一个时间区间中获得所述信号P(x_i，t)；以及

(b)根据各信号P(x_i，t)计算在所述位置x_i处的能量评价信号；以及

(c)针对两个或更多个区域中的各个区域，在涉及由覆盖所述区域的传感器所获得的所述能量评价信号的计算中计算所述肺的评价。

附图说明

为了理解本发明并明白如何在实践中执行本发明，现在将参考附图，仅通过非限制性示例对优选的实施方式进行说明，在附图中：

图1示出了根据本发明一个实施方式的用于执行肺功能区域性评价的系统；

图2示出了根据本发明一个实施方式的用于执行肺功能区域性评价的方法；

图3示出了在图2的方法中使用的能量评价信号计算方法；

图4示出了能量评价信号计算方法；

图5示出了使用能量评价信号来计算呼吸功能区域性评价的方法；

图6示出了声音传感器在受试者的肺上面的布置；

图7示出了覆盖人的左肺(图7a)和右肺(图7b)的传感器的函数σ_fs ^norm(x_i，k)；

图8示出了覆盖了左肺(图8a)的传感器和覆盖了右肺(图8b)的传感器的函数R_σ(x_i，k)；

图9示出了函数R_σ ^L(k)；

图10示出了函数K^L(k)(曲线(a))和函数K^Ld(k)(曲线(b))；

图11示出了被划分成三个区域的左肺的区域性评价、上部区域的区域性评价(曲线(a))、中部区域的区域性评价(曲线(b))以及下部区域的区域性评价(曲线(c))；以及

图12示出了被划分成三个区域的右肺的区域性评价、上部区域的区域性评价(曲线(a))、中部区域的区域性评价(曲线(b))以及下部区域的区域性评价(曲线(c))。

具体实施方式

图1示意性地示出了总体上由100表示的、根据本发明一个实施方式的用于执行肺的区域性评价的系统。系统100包括N个声音传感器，其中N是大于或等于2的整数。在图1中示出了4个传感器105a、105b、105c、和105d。这仅仅是示例性的，而且可以使用具有大于或等于2的任意数量的传感器的传感器阵列来实现本发明的系统和方法。传感器105可以是任何类型的声音传感器，如麦克风和多普勒位移检测器。

将传感器105的集合设置成附着到人110的背部或胸部的基本平坦的区域R，区域R覆盖了此人的肺部。可以使用在本领域中公知的任意手段将传感器105施加于受试者，例如，使用粘合剂、吸盘或紧固带(fastening strap)。可以将传感器嵌入到使得可以容易地将这些传感器附着到人的皮肤上的基体中。这种基体的形式可以是背心或外衣以便容易置于人的胸上。应该理解，针对不同尺寸的人、针对不同的年龄、性别等，可以使用不同的基体。

使用在平坦区域R中定义的二维坐标系中的二维位置信号x＝(x₁，x₂)来表示区域R中的位置。第i个传感器(i＝1至N)固定在区域R中的位置x_i处并产生相应的模拟电压信号115，此处用表示到达位置x_i处的体内压力波的P(x_i，t)来表示该信号。

将传感器105划分成至少两个子集，其中各子集由覆盖了肺部的特定区域的传感器组成。例如，将传感器划分成两个子集，其中一个子集覆盖了左肺而另一子集覆盖了右肺。又如，可以将各肺部划分成3个区域(上、中和下)并且将传感器划分成六个子集(左肺上区域、左肺中区域、左肺下区域、右肺上区域、右肺中区域和右肺下区域)。

通过多通道模数转换器120使模拟信号115数字化，以生成相应的数字数据信号S(x_i，t)125。将该数据信号125输入到存储器130中。由被设置成对数据信号125进行处理的处理器135访问输入到存储器130的数据。

诸如计算机键盘140或鼠标145的输入装置用于输入与检查相关的信息，诸如个人110的个人详细资料。输入装置140还可以用于输入一个或更多个时间t₁和t₂的值，这些值指定了要对信号S(x_i，t)进行分析的时间或者指定了不对信号S(x_i，t)进行分析的一个或更多个时间区间。系统100可进一步包括用于显示区域性评价结果的显示设备150。

图2示出了根据本发明一个实施方式由处理器135执行的根据信号S(x_i，t)125来执行肺功能区域性评价的方法。在步骤200中，，对信号S(x_i，t)进行滤波以产生相应的滤波后的信号S_f(x_i，t)，以便去除信号S(x_i，t)中的并不是来自于呼吸道音的一个或更多个分量(如，心血管音)。呼吸道音一般地在100到2000Hz的范围内，而心音是在8到70Hz的范围内。因此，可以通过180-350Hz范围内的带通滤波将心音从该信号中去除。带通滤波还从信号中去除了信号伪像(artifact)和偶发的肺音。

在步骤202中，通过时间窗将各信号S_f(x_i，t)划分成多个时间区间，并且在步骤204中计算各区间中各信号的平均值S_k(x_i)，其中

${\stackrel{\‾}{S}}_k\left(x_i\right)=\frac{1}{n}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{S}_f(x_i,t_j)$

其中，k是区间号，t_j是区间内的时间采样，而n是该区间内的采样数量。在步骤206中，计算差分信号S_f(x_i，t)-S_k(x_i)。在步骤208中，在涉及差分信号S_f(x_i，t)-S_k(x_i)的计算中，计算能量评价信号。能量评价信号的计算可以涉及到代数表达式|S_f(x_i，t)-S_k(x_i)|或表达式|S_f(x_i，t)-S_k(x_i)|^p，其中p是预定的常数。在当前优选的实施方式中，p＝2。在如下所述的最优选的实施方式中，使用各区间k中信号S_f(x_i，t)的标准偏差计算能量信号。在步骤210中，针对各肺区域，计算覆盖了该区域的传感器子集的能量评价信号的和。

如上所述，在最优选的实施方式中，使用信号S_f(x_i，t)的标准偏差计算能量评价信号。图3示出了根据本实施方式在图2的步骤208中计算能量评价信号的方法。在步骤215中，计算各区间的标准偏差σ(x_i，k)，其中

$\mathrm{\σ}(x_i,k)={\left(\frac{1}{n}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{(S_f(x_i,t_j)-{\stackrel{\‾}{S}}_k\left(x_i\right))}^2\right)}^{\frac{1}{2}}---\left(2\right)$

其中，如上，k是区间号，t_j是区间内的时间采样，而n是该区间内的采样数量，而S_k(x_i)是在该区间内信号的平均值。

然后在步骤216中计算归一化标准偏差信号σ^norm(x_i，k)，其中，

σ^norm(x_i，k)＝σ(x_i，k)/σ，k＝1...n_k

其中，σ是针对所有区间计算的标准偏差的平均值：

$\stackrel{\‾}{\mathrm{\σ}}=\frac{1}{n_k}\underset{k=1}{\overset{n_k}{\mathrm{\Σ}}}\mathrm{\σ}(x_i,k)---\left(4\right)$

其中，n_k是区间的数量。

接下来，在步骤217中，优选地对信号σ^norm(x_i，k)进行滤波。该滤波优选的是一维中值滤波，例如，如利用MATLAB算法“medfilt”所执行的。这产生了滤波归一化标准偏差信号σ_f ^norm(x_i，k)(k＝1，...，n_k)。在步骤218中，优选地例如利用MATLAB算法“filtfilt”来对信号σ_f ^norm(x_i，k)执行扩展平滑。这产生了经过滤波且平滑的归一化序列σ_fs ^norm(x_i，k)。这是要去除由环境噪声引入信号中的脉冲伪像(“clicks”)。

在步骤220中，在涉及相应的滤波且平滑归一化序列σ_fs ^norm(x_i，k)的计算中，针对各传感器位置x_i并针对各时间区间计算能量评价信号。

在图3的算法的步骤220中，可以使用根据相应的经过滤波且去噪的信号σ_fs ^norm(x_i，k)来计算能量评价信号的任何方法。图4示出了当前优选的根据经过滤波且去噪的信号σ_fs ^norm(x_i，k)来计算能量评价信号的方法。在步骤230中，通过具有n_s个采样的滑动窗将信号σ_fs ^norm(x_i，k)划分成一个或更多个子区间。在步骤232中，计算了各子区间内的各信号σ_fs ^norm(x_i，k)的平均值σ_fs ^norm(x_i，k，s)，其中，σ_fs ^norm(x_i，k，s)是在区间k的子区间s中的信号σ_fs ^norm(x_i，k)的平均值， ${\stackrel{\‾}{\mathrm{\σ}}}_{\mathrm{fs}}^{\mathrm{norm}}(x_i,k,s)=\frac{1}{n_s}\underset{j=1}{\overset{n_s}{\mathrm{\Σ}}}{\mathrm{\σ}}_{\mathrm{fs}}^{\mathrm{norm}}(x_i,k,s,t_j),$ 其中，t_j是子区间s中信号σ_fs ^norm(x_i，k)的值。最后，在步骤234中，针对区间k中的子区间s，计算各信号σ_fs ^norm(x_i，k)的能量评价信号。在本实施方式中，针对各传感器把能量评价信号R_σ(x_i，k)计算成σ_fs ^norm(x_i，k)的方差：

$R_{\mathrm{\σ}}(x_i,k)=\underset{s=1}{\overset{n_s}{\mathrm{\Σ}}}{({\mathrm{\σ}}_{\mathrm{fs}}^{\mathrm{norm}}(x_i,k,s)-{\stackrel{\‾}{\mathrm{\σ}}}_{\mathrm{fs}}^{\mathrm{norm}}(x_i,k,s))}^2---\left(6\right)$

可以通过针对各传感器子集计算该子集中的各传感器在呼吸周期的至少一部分期间内的能量评价信号的总和，来执行区域性评价。这产生了在呼吸周期的至少一部分期间发生变化的动态区域性评价。

图5示出了根据本发明使用能量评价信号R_σ(x_i，k)来计算呼吸功能的动态区域性评价的方法。在步骤240中，针对各区间k，将所有传感器的能量评价信号的总和计算为：

$R_{\mathrm{\σ}}\left(k\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{R}_{\mathrm{\σ}}(x_i,k)---\left(9\right)$

然后，在步骤242中，针对肺的各区域，通过计算覆盖该区域的传感器子集中的各传感器的能量评价信号的总和，获得区域性评价信号。在步骤244中，通过把在步骤242中获得的区域的区域性评价信号除以在步骤240中计算出的由R_σ(k)表示的总信号，获得各区域的相关区域性评价信号。

例如，当把传感器集合划分成两个子集时，一个子集覆盖左肺(“L”子集)而另一个子集覆盖右肺(“R”子集)，获得了左肺能量评价信号与右肺能量评价信号的总和，如下：

$R_{\mathrm{\σ}}^L\left(k\right)=\underset{x_{i\∈L}}{\mathrm{\Σ}}{R}_{\mathrm{\σ}}(x_i,k)---\left(10\right)$

$R_{\mathrm{\σ}}^R\left(k\right)=\underset{X_{i\∈R}}{\mathrm{\Σ}}{R}_{\mathrm{\σ}}(x_i,k)---\left(11\right)$

其中，L和R分别是覆盖了左肺和右肺的传感器集合。

然后，通过把R_σ ^L(k)和R_σ ^R(k)分别除以R_σ(k)分别地获得了左肺区域性评价信号R_σ ^L(k)和右肺区域性评价信号R_σ ^R(k)：

$\stackrel{\‾}{R_{\mathrm{\σ}}^L\left(k\right)}=\frac{R_{\mathrm{\σ}}^L\left(k\right)}{R_{\mathrm{\σ}}\left(k\right)},\stackrel{\‾}{R_{\mathrm{\σ}}^R\left(k\right)}=\frac{R_{\mathrm{\σ}}^R\left(k\right)}{R_{\mathrm{\σ}}\left(k\right)}---\left(12\right)$

这产生了在呼吸周期中随着时间变化的动态区域性评价。

根据动态区域性评价，可以计算出总的区域性评价。在优选实施方式中，计算梯度R_σ ^L(k，s)和R_σ ^R(k，s)的平均值：

$\mathrm{grad}{R}_{\mathrm{\σ}}^L\left(k\right)=\frac{1}{n_d-1}\underset{j=1}{\overset{n_d-1}{\mathrm{\Σ}}}|{{\stackrel{\‾}{R}}_{\mathrm{\σ}}}^L(k,t_{j+1})-{{\stackrel{\‾}{R}}_{\mathrm{\σ}}}^L(k,t_j)|$

$\mathrm{grad}{R}_{\mathrm{\σ}}^R\left(k\right)=\frac{1}{n_d-1}\underset{j=1}{\overset{n_d-1}{\mathrm{\Σ}}}|{{\stackrel{\‾}{R}}_{\mathrm{\σ}}}^R(k,t_{j+1})-{{\stackrel{\‾}{R}}_{\mathrm{\σ}}}^R(k,t_j)|$

然后，分别计算矢量K^L(k)、K^R(k)(此处称为左“标准矢量(criterionvector)”和右“标准矢量”)，其中，

$K^L\left(k\right)=\mathrm{grad}{R}_{\mathrm{\σ}}^L\left(k\right)\·{\mathrm{\σ}}^L\left(k\right){\mathrm{\σ}}^R\left(k\right)$ 并且

$K^R\left(k\right)=\mathrm{grad}{R}_{\mathrm{\σ}}^R\left(k\right)\·{\mathrm{\σ}}^L\left(k\right){\mathrm{\σ}}^R\left(k\right),$ 其中

${\mathrm{\σ}}^L\left(k\right)=\underset{x_{i\∈}L}{\mathrm{\Σ}}\frac{|{\mathrm{\σ}}_{\mathrm{fs}}^{\mathrm{norm}}(x_i,k)-{\stackrel{\‾}{\mathrm{\σ}}}_{\mathrm{fs}}^{\mathrm{norm}}(x_i,k)|}{|{\mathrm{\σ}}_{\mathrm{fs}}^{\mathrm{norm}}(x_i,k)-{\stackrel{\text{-}}{\mathrm{\σ}}}_{\mathrm{fs}}^{\mathrm{norm}}(x_i,k)|}$

${\mathrm{\σ}}^R\left(k\right)=\underset{x_{i\∈}R}{\overset{N_L}{\mathrm{\Σ}}}\frac{|{\mathrm{\σ}}_{\mathrm{fs}}^{\mathrm{norm}}(x_i,k)-{\stackrel{\‾}{\mathrm{\σ}}}_{\mathrm{fs}}^{\mathrm{norm}}(x_i,k)|}{|{\mathrm{\σ}}_{\mathrm{fs}}^{\mathrm{norm}}(x_i,k)-{\stackrel{\text{-}}{\mathrm{\σ}}}_{\mathrm{fs}}^{\mathrm{norm}}(x_i,k)|}$

其中，如前所述，L和R分别是覆盖左肺和右肺的传感器集合。

现在，通过长度n_d和滑动步长都等于1的滑动窗将矢量K^L(k，s)和K^R(k，s)划分成多个区间。计算矢量K^L(k，s)和K^R(k，s)的平均斜率：

$K^{\mathrm{Ld}}\left(k\right)=\frac{1}{n_d-1}\underset{j=1}{\overset{n_d-1}{\mathrm{\Σ}}}|K^L(k,t_{j+1})-K^L(k,t_j)|$

$K^{\mathrm{Rd}}\left(k\right)=\frac{1}{n_d-1}\underset{j=1}{\overset{n_d-1}{\mathrm{\Σ}}}|K^R(k,t_{j+1})-K^R(k,t_j)|$

针对左肺的区域性评价，找出K^Ld(k)的值低于矢量K^Ld(k)的中值的子区域S。优选地通过各端的少量侧翼采样(flanking sample)扩展区间k的低于中值的最长连续区域。该区域是稳定的区域并且其表征了呼吸。在该区间上计算R_σ ^L的平均值R_σ ^L。

如果平均值R_σ ^L高于预定数，例如，55，则把R^Lx定义为在该区间中R_σ ^L的最大值。否则，把R^Lx定义为在该区间中R_σ ^L的最小值。然后，把左肺的总体区域性评价P^L定义成：

$P^L=\frac{R^{\mathrm{Lx}}+\stackrel{\‾}{R_{\mathrm{\σ}}^L}}{2}.$

示例

对于通过本发明的方法实现的区域性评价，在受试者的背部定义了二维坐标系，如图6所示，在以圆300所表示的位置处在人的肺之上的背部上放置了48个传感器。曲线305示出了受试者的肺的假定轮廓。传感器布置在规则的正交网格中，在水平方向和垂直方向上传感器之间的间距是5cm。然后记录信号P(x_i，t)。使用280-350Hz带通滤波器对各信号进行滤波。

在第一次分析中，通过将传感器集合划分成两个子集来执行区域性评价，一个子集覆盖左肺，一个子集覆盖左肺。在图7至图10中示出了结果。

图7示出了覆盖左肺的传感器的函数σ_fs ^norm(x_i，k)(图7a)和覆盖右肺的传感器的函数σ_fs ^norm(x_i，k)(图7b)。

图8示出了覆盖左肺的传感器的函数R_σ(x_i，k)(图8a)和覆盖右肺的传感器的函数R_σ(x_i，k)(图8b)。

图9示出了函数R_σ ^L(k)，函数R_σ ^L(k)等于1-R_σ ^L(k)。

图10示出了函数K^L(k)(曲线(a))和函数K^Ld(k)(曲线(b))。

对于在图7至图10中所示出的结果，左肺的总体区域性评价是0.55，而右肺的总体区域性评价是0.45。

还使用了在图7a和图7b中示出的信号σ_fs ^norm(x_i，k)执行了区域性评价，其中将各肺被划分成三个区域(上、中和下)。图11示出了左肺的区域性评价。曲线(a)示出了上部区域的区域性评价，曲线(b)示出了中部区域的区域性评价，而曲线(c)示出了下部区域的区域性评价。图12示出了右肺的区域性评价。曲线(a)示出了上部区域的区域性评价，曲线(b)示出了中部区域的区域性评价，而曲线(c)示出了下部区域的区域性评价。

Claims (30)

1、一种在人的肺部的两个或更多个区域中进行区域性评价的系统，该系统包括：

(a)N个传感器，其中，n是大于或等于2的整数，各传感器被设置成固定在所述人的胸上的体表上，第i个传感器固定在位置x_i处并生成表示所述位置x_i处的压力波的信号P(x_i，t)，i＝1至N；所述传感器被划分成多个子集，各子集覆盖所述两个或更多个区域中的特定区域；以及

(b)处理器，该处理器被设置成：

(i)接收在一个时间段中获得的所述信号P(x_i，t)，并且根据各信号P(x_i，t)计算在所述位置x_i处的能量评价信号；和

(ii)针对所述两个或更多个区域中的各个区域，在涉及由覆盖了该区域的传感器所获得的所述能量评价信号的计算中计算各区域的评价。

2、根据权利要求1所述的系统，其中，所述处理器被进一步设置成对所述信号P(x_i，t)进行滤波以产生相应的滤波后的信号S_f(x_i，t)，以便去除所述信号中不是由呼吸道音产生的一个或更多个分量。

3、根据权利要求2所述的系统，其中，滤除心血管音。

4、根据权利要求2所述的系统，其中，所述能量评价信号的计算涉及通过时间窗将所述时间段划分成多个区间，并且计算差分信号S_f(x_i，t)-S_k(x_i)，其中，S_k(x_i)是在区间k中所述信号S_f(x_i，t)的平均值。

5、根据权利要求4所述的系统，其中，所述能量评价信号的计算涉及代数表达式|S_f(x_i，t)-S_k(x_i)|。

6、根据权利要求5所述的系统，其中，所述能量评价信号的计算涉及表达式|S_f(x_i，t)-S_k(x_i)|^p，其中p是预定的常数。

7、根据权利要求6所述的系统，其中，p＝2。

8、根据权利要求7所述的系统，其中，所述能量评价信号是各区间k内所述信号S_f(x_i，t)的标准偏差σ(x_i，k)。

9、根据权利要求1所述的系统，其中，把对一个区域的所述评价计算成覆盖该区域的传感器子集的所述能量评价信号的和。

10、根据权利要求8所述的系统，其中，所述能量评价信号的计算进一步涉及归一化标准偏差信号σ^norm(x_i，k)＝σ(x_i，k)/σ的计算，k＝1...n_k，其中，n_k是区间数量，并且，σ是针对所有所述区间计算出的所述标准偏差的平均值，

11、根据权利要求10所述的系统，其中，所述能量评价信号的计算进一步包括对所述信号σ^norm(x_i，k)进行滤波。

12、根据权利要求11所述的系统，其中，所述滤波是用于产生滤波后的归一化标准偏差信号σ_f ^norm(x_i，k)的一维中值滤波，k＝1至n_k。

13、根据权利要求12所述的系统，其中，所述能量评价信号的计算进一步包括对所述信号σ_f ^norm(x_i，k)执行扩展平滑。

14、根据权利要求13所述的系统，其中，所述能量评价信号的计算进一步包括：

(a)通过具有n_s个采样的滑动窗将n_k维信号σ_fs ^norm(x_i，k)划分成一个或更多个子区间；

(b)计算各子区间内的各信号σ_fs ^norm(x_i，k)的平均值σ_fs ^norm(x_i，k，s)，其中，σ_fs ^norm(x_i，k，s)是所述区间k的子区间s中的所述信号σ_fs ^norm(x_i，k)的平均值；以及

(c)针对所述区间k中的各子区间s，计算各信号σ_fs ^norm(x_i，k)的所述能量评价信号。

15、根据权利要求14所述的系统，其中，所述能量评价信号的计算进一步包括把所述能量评价信号R_σ(x_i，k，s)计算成σ_fs ^norm(x_i，k_s)的方差。

16、一种在人的肺部的两个或更多个区域中进行区域性评价的方法，该方法包括以下步骤：

(a)接收N个信号P(x_i，t)，其中N是大于或等于2的整数，各信号都由固定在所述人的胸部上的体表上的传感器产生，第i个传

感器固定在位置x_i处并生成表示所述位置x_i处的压力波的信号P(x_i，t)，i＝1至N；所述传感器被划分成多个子集，各子集覆盖所述两个或更多个区域中的特定区域，并且在一个时间段中获得所述信号P(x_i，t)；

(b)根据各信号P(x，t)计算所述位置x_i处的能量评价信号；以及

(c)针对所述两个或更多个区域中的各个区域，在涉及由覆盖该区域的传感器所获得的所述能量评价信号的计算中计算各区域的评价。

17、根据权利要求16所述的方法，该方法进一步包括以下步骤：对所述信号P(x_i，t)进行滤波以产生相应的滤波后的信号S_f(x_i，t)，以便去除所述信号中不是由呼吸道音产生的一个或更多个分量。

18、根据权利要求17所述的方法，其中，滤除心血管音。

19、根据权利要求17所述的方法，其中，所述能量评价信号的计算涉及通过时间窗将所述时间段划分成多个区间的步骤和计算差分信号S_f(x_i，t)-S_k(x_i)，其中，S_k(x_i)是在区间k中所述信号S_f(x_i，t)的平均值。

20、根据权利要求19所述的方法，其中，所述能量评价信号的计算涉及代数表达式|S_f(x_i，t)-S_k(x_i)|。

21、根据权利要求20所述的方法，其中，所述能量评价信号的计算涉及表达式|S_f(x_i，t)-S_k(x_i)|^p，其中p是预定的常数。

22、根据权利要求21所述的方法，其中，p＝2。

23、根据权利要求22所述的方法，其中，所述能量评价信号是各区间k内所述信号S_f(x_i，t)的标准偏差σ(x_i，k)。

24、根据权利要求16所述的方法，其中，把对一个区域的所述评价计算成覆盖该区域的传感器子集的所述能量评价信号的和。

25、根据权利要求23所述的方法，其中，所述能量评价信号的计算进一步涉及归一化标准偏差信号σ^norm(x_i，k)＝σ(x_i，k)/σ的计算，k＝1...n_k，其中，n_k是区间数量，并且，σ是针对所有所述区间计算出的所述标准偏差的平均值，

26、根据权利要求25所述的方法，其中，所述能量评价信号的计算进一步包括对所述信号σ^norm(x_i，k)进行滤波。

27、根据权利要求26所述的方法，其中，所述滤波是用于产生滤波后的归一化标准偏差信号σ_f ^norm(x_i，k)的一维中值滤波，k＝1至n_k。

28、根据权利要求27所述的方法，其中，所述能量评价信号的计算进一步包括对所述信号σ_f ^norm(x_i，k)执行扩展平滑。

29、根据权利要求28所述的方法，其中，所述能量评价信号的计算进一步包括：

(a)通过具有n_s个采样的滑动窗将n_k维信号σ_fs ^norm(x_i，k)划分成一个或更多个子区间；

(b)计算各子区间内的各信号σ_fs ^norm(x_i，k)的平均值σ_fs ^norm(x_i，k，s)，

其中，σ_fs ^norm(x_i，k，s)是所述区间k的子区间s中的所述信号σ_fs ^norm(x_i，k)的平均值；以及

(c)针对所述区间k中的各子区间s，计算各信号σ_fs ^norm(x_i，k)的所述能量评价信号。

30、根据权利要求29所述的方法，其中，所述能量评价信号的计算进一步包括把所述能量评价信号R_σ(x_i，k，s)计算成σ_fs ^norm(x_i，k_s)的方差。

Images