CN102149317A - 用于呼吸道声音的定量检测的方法和系统 - Google Patents

用于呼吸道声音的定量检测的方法和系统 Download PDF

Info

Publication number
CN102149317A
CN102149317A CN2009801211632A CN200980121163A CN102149317A CN 102149317 A CN102149317 A CN 102149317A CN 2009801211632 A CN2009801211632 A CN 2009801211632A CN 200980121163 A CN200980121163 A CN 200980121163A CN 102149317 A CN102149317 A CN 102149317A
Authority
CN
China
Prior art keywords
signal
event
transducer
time
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2009801211632A
Other languages
English (en)
Inventor
梅拉夫·盖特
迪迪·塞兹本
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
DeepBreeze Ltd
Original Assignee
DeepBreeze Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by DeepBreeze Ltd filed Critical DeepBreeze Ltd
Publication of CN102149317A publication Critical patent/CN102149317A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/41—Detecting, measuring or recording for evaluating the immune or lymphatic systems
    • A61B5/411—Detecting or monitoring allergy or intolerance reactions to an allergenic agent or substance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B7/00—Instruments for auscultation
    • A61B7/003—Detecting lung or respiration noise
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B7/00—Instruments for auscultation
    • A61B7/02—Stethoscopes
    • A61B7/026—Stethoscopes comprising more than one sound collector
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0204—Acoustic sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/04—Arrangements of multiple sensors of the same type
    • A61B2562/046—Arrangements of multiple sensors of the same type in a matrix array
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B7/00—Instruments for auscultation
    • A61B7/02—Stethoscopes
    • A61B7/04—Electric stethoscopes
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Abstract

本发明提供了用于分析呼吸道声音的系统和方法。声音换能器固定在胸部的皮肤上，其产生表示换能器的位置处的压力波的信号。信号的处理涉及执行信号中的事件搜索并确定对于在搜索中检测的事件的事件参数。

Description

用于呼吸道声音的定量检测的方法和系统
发明领域
本发明涉及医疗设备和方法，且更具体地涉及用于分析身体声音的这样的设备和方法。
发明背景
身体声音通常在各种病症的诊断中被医生使用。医生可将听诊器放置在人的胸或背上并监视患者的呼吸，以便检测异常的或未预期的肺部声音。
将一个或多个扩音器固定在对象的胸或背上并记录肺部声音也是已知的。第6,139,505号美国专利公开了一种系统，在该系统中多个扩音器被置于患者胸周围。扩音器在吸和呼期间的记录被显示在屏幕上或打印在纸上。然后记录由医生可见地检查以便检测患者的肺病。
指定给本申请的受让人的第5,887,208号美国专利公开了用于分析个体中的呼吸道声音的方法和系统。换能器(transducer)固定在胸部上。每个换能器产生指示在换能器的位置处的压力波的信号。然后在每个位置的声能量信号由所记录的压力波确定。声能量信号可经历内插程序以获取胸部上换能器不在的位置处的声能量信号。对于一个或多个呼吸循环的各个时间的声能量信号可显示在屏幕上以用于查看以及视觉分析。
慢性阻塞性肺病(COPD)是通过中年发病的进展缓慢的症状临床表现的肺病，该症状包括久咳、生痰、渐进的和持续的呼吸困难和喘息，且因肥胖和长期吸烟而加重。COPD的诊断一般通过用支气管扩张药来进行，且然后通过测定一秒用力呼气容积(FEV1)和用力肺活量(FVC)来确定。用支气管扩张药后的FEV1/FVC＜0.7的比值通常被作为不完全可逆的气流受限的确认，且因此作为COPD的表示。气流的完全可逆性在排除COPD时是有用的(FEV1＞400mL中的上升)。
哮喘是气道壁发炎且倾向于反应于过敏原和刺激物而收紧的肺病。哮喘的症状包括呼吸困难、喘息、咳嗽和胸闷。生痰也可增多。
与COPD相反，哮喘是间歇的、反应的症状例如由过敏和锻炼引发的偶发的喘息和呼吸困难的早发疾病。哮喘与家族病史相关联。哮喘通常响应于支气管扩张药，如用支气管扩张药后的肺活量测定确定的。12％的上升以及至少200mL的FEV1的绝对上升被认为是支气管可逆性的暗示。因此，COPD和哮喘之间的不同的诊断主要基于肺活量测试连同患者病史一起。但是，由于COPD和哮喘患者的肺活量数据的相当多的生理重叠，如肺活量所确定的支气管可逆性不提供两种疾病的不同诊断的清楚标准。另外的试验例如胸部X光透视、呼出气的一氧化氮水平和痰液分析可被执行以确证诊断。但是，患者对这些试验的反应也有相当多的重叠。
发明概述
在以下的说明和一组权利要求中，两个明确描述的、可计算的或可测量的变量在这两个变量相互之间成比例时被认为是彼此等效的。
在其第一方面，本发明提供了用于分析呼吸道声音的系统。本发明的系统包括设置为被应用于个体的胸部或背部皮肤的实质上平坦的区域的一个或多个声音换能器。每个换能器产生表示达到换能器的压力波的模拟电压信号，其依照本发明的方法由处理器处理。
在本发明的方法的一个实施方式中，处理器执行任一个信号的事件搜索。在另一个实施方式中，处理器设置为通过两个或多个信号的时间平均来计算代表信号以在代表信号中执行事件搜索。然后处理器确定由事件搜索检测到的事件的一个或多个参数，例如事件发生的时间、事件的强度、与事件相关联的峰值的高度、半高峰宽、半上升时间、半下降时间或峰值下的面积。
在一个优选的实施方式中，换能器被分为两组或多组换能器。每组优选地是换能器阵列中的一组相邻换能器，且因此覆盖体表面的不同区域。例如，换能器可分为两组，其中一组由覆盖左肺的一个或多个换能器组成，而另一组由覆盖右肺的换能器组成。作为另一个例子，换能器可被分为六组，其中覆盖每个肺的换能器被分为三个子组(覆盖肺的上部、中间和下部)。对于两组或多组换能器中的每组，处理器计算代表信号，如以上所解释，并对每个代表信号执行事件搜索。然后处理器确定通过搜索检测的事件的一个或多个的参数。处理器还可将对于一个换能器组所确定的参数中的任何一个或多个参数的值与对于其他的换能器组中的任意一个或多个参数的值相比较。例如，处理器可计算两组中的相应的峰值发生之间的时间延迟。处理器还可确定特定类型的事件的重复发生之间的时间延迟。处理器还可设置为计算在对个体的治疗用药之前和之后的各种事件参数的值的比较。处理器还可设置为基于比较中的任何一个或多个作出诊断。例如，处理器还设置为诊断哮喘或COPD。
因此，在其第一方面，本发明提供了用于分析个体的呼吸道的至少一部分中的声音的系统，该系统包括：
(a)整数N个换能器，每个换能器设置为被固定在个体的胸部的表面上，换能器被固定在位置xi并产生表示在位置xi处的压力波的信号Z(xi，t)；在预先确定的时间间隔期间的时间t，i＝1到N；以及
(b)处理器设置为：
接收信号Z(xi，t)并处理信号，其中处理包括执行至少一个事件搜索；以及
确定对于在事件搜索中检测到的一个或多个事件的一个或多个事件参数。
事件搜索可对于一个或多个信号Z(xi，t)或对于一个或多个信号P(xi，t)执行，其中信号P(xi，t)在对一个或多个信号Z(xi，t)执行从滤波、去噪、平滑、包络提取以及应用数学变换中选择的一个或多个程序之后被获取。可选地或另外地，换能器可被分为一个或多个子组，且对于一个或多个子组，所述处理包括由从子组中的换能器获取的信号Z(xi，t)或P(xi，t)计算代表信号以及对一个或多个代表信号执行一个或多个事件搜索。换能器子组的代表信号可以是例如由子组中的换能器获取的信号的和或平均信号。
事件可以是例如整个呼吸循环、呼吸循环的吸气相(inspiratory phase)、或呼吸循环的呼气相(expiratory phase)，事件搜索可包括执行峰值搜索、自相关、与预先确定函数的互相关以及傅里叶变换中的任何一个或多个。
一个或多个事件参数可以是例如事件发生所在的时间、事件的持续时间、事件的强度、与事件相关联的峰值的高度、处于半峰高的信号中的与事件相关联的峰值的宽度、信号中与事件相关联的峰值的半上升时间、峰值的半下降时间、峰值下的面积；事件过程中的信号的最大值、吸气相期间的最大值与呼气相期间的最大值的比、吸气相的持续时间与呼气相的持续时间的比、以及事件过程中的信号的形态。
系统中的处理器还可设置为计算事件值和预先确定的阈值或值的范围之间的比较。对于一对或多对的第一代表信号和第二代表信号中的每对，处理器还可被设置为计算对于第一代表函数计算的事件参数值和对于第二代表函数计算的事件参数值之间的一个或多个比较。处理器可设置为基于一个或多个比较来做出诊断。
在本发明的优选实施方式中，处理器设置为：
(a)确定一个或多个初始事件参数的值；
(b)确定一个或多个最终事件参数的值；以及
(c)将初始事件的值与最终事件参数相比较。
在这个实施方式中，处理器可设置为基于比较作出诊断。换能器可被分为一个或多个组，且事件参数是每组的代表信号中的事件发生的时间。在这种情况下，比较涉及确定两个信号之间的同步的程度。可选地或另外地，事件参数是在一时间段期间的信号的平均幅度。在这种情况下，比较可涉及确定在两个不同时间段期间获取的两个信号的幅度的不同。处理器可设置为作出有差别的诊断。具体地，处理器可设置为在比较的基础上诊断哮喘和/或COPD。
在最优选的实施方式中，处理器设置为作出对COPD和哮喘的鉴别诊断，其中：
一个或多个初始事件参数是：
(i)预先确定的时间间隔期间的信号的初始平均值h0，其是在用支气管扩张药之前对于在第一子组换能器上获取的代表信号而计算的；以及
(ii)初始时间延迟
Figure BPA00001269823400051
其是在用支气管扩张药之前在对于第二换能器组计算的信号中的峰值的时间和对于第三换能器组计算的相应的峰值的时间之间的初始时间延迟；
一个或多个最终事件参数是：
(i)预先确定的最终时间间隔期间的信号的最终平均值h1，其是在用支气管扩张药之后对于在第一子组换能器上获取的代表信号而计算的；以及
(ii)最终时间延迟其是在用支气管扩张药之前在对于第二换能器组计算的信号中的峰值的时间和对于第三换能器组计算的相应的峰值的时间之间的最终时间延迟；
且其中处理包括：
(a)计算信号的平均值的变化，Δh，其中Δh＝h1-h0；
(b)计算
Figure BPA00001269823400053
的变化，
Figure BPA00001269823400054
其中
Figure BPA00001269823400055
(c)如果
Figure BPA00001269823400056
作出COPD的鉴别诊断，其中d1是预先确定的第一阈值；
(d)如果(i)
Figure BPA00001269823400057
以及如果(ii)
Figure BPA00001269823400058
作出哮喘的鉴别诊断；
(e)如果(i)
Figure BPA00001269823400059
以及如果(ii)Δh≤0，作出COPD的鉴别诊断；
(f)如果(i)Δh≥0，且如果(ii)作出COPD的鉴别诊断，其中d2是预先确定的第二阈值；以及
(g)如果(i)Δh≥0，且如果(ii)
Figure BPA00001269823400061
作出哮喘的鉴别诊断；
在其另一个方面中，本发明提供了用于分析个体的呼吸道的至少一部分中的声音的方法，该方法包括：
(a)获取表示胸部的位置xi处的压力波的整数N个信号Z(xi，t)；在预先确定的时间间隔期间的时间t，i＝1到N；以及
(b)处理信号Z(xi，t)，其中处理包括执行至少一个事件搜索；以及
(c)确定对于在事件搜索中检测到的一个或多个事件的一个或多个事件参数。
附图的简要描述
为了理解本发明并看其如何在实践中实现，现通过仅是非限制性的例子参考附图描述了优选的实施方式，其中：
图1示出了依照本发明的实施方式的用于获取分析身体声音的系统；
图2示出了依照本发明的一个实施方式的用于实现分析身体声音的方法的流程图；
图3示出了用依照本发明的实施方式的用于作出哮喘和COPD的鉴别诊断的方法的流程图；
图4示出了将声音换能器置于个体的肺部；
图5a、5b和5c示出了从第一个体获取的信号；
图6a、6b和6c示出了从第二个体获取的信号；
图7a、7b和7c示出了从第三个体获取的信号；
图8a、8b和8c示出了从第四个体获取的信号；
图9a、9b和9c示出了从第五个体获取的信号；以及
图10a、10b和10c示出了从第六个体获取的信号。
优选的实施方式的详细描述
图1示出了依照本发明的一个实施方式的用于分析呼吸道声音的一般由100标示的系统。整数N个声音换能器105(其中有四个被示出)被应用于个体110的胸部或背部皮肤的平坦区域。换能器105可通过本领域中已知的技术例如使用胶布、吸附或缚带应用于对象。每个换能器105产生表示到达换能器的压力波的模拟信号115。模拟信号115通过多信道模数转换器120被数字化。数字数据信号Z(xi，t)125，代表在时间t第i个换能器(i＝1到N)的位置xi处的压力波。数据信号125被输入到存储器130。输入到存储器130的数据由设置为处理数据信号125的处理器135来访问。信号Z(xi，t)125可通过例如滤波、去噪、平滑以及包络提取来处理。被处理的信号P(xi，t)可进行数学变换F以产生变换后的信号
Figure BPA00001269823400071
信号
Figure BPA00001269823400072
可显示在显示设备150上。
输入设备例如计算机键盘140或鼠标145用于输入关于检查的相关信息，例如个体110的个人详细信息。输入设备140还可用于在信号被记录或分析过程中输入时间t1和t2的值。可选地，时间t1和t2可在由处理器135执行的信号P(xi，t)的呼吸相分析中自动确定。
在本发明的一个实施方式中，处理器135设置为计算信号
Figure BPA00001269823400073
的子集S的至少一个代表
Figure BPA00001269823400074
其中，例如RS可等于单个信号或RS可通过将集合S中的信号
Figure BPA00001269823400076
进行时间平均来计算。RS可显示在现实设备150中。处理器还设置为对RS执行事件搜索。事件可以是例如呼吸循环的任何一个或多个预先确定的部分，例如吸气相、呼气相或其子部分。事件可由代表信号RS中的特性形态来识别。例如，事件可通过具有一个或多个预先确定的特性的代表信号RS的峰值的存在来限定。作为另外的例子，事件可通过局部最大值、局部最小值、拐点或预先确定的值上方或下方的曲率半径或任何级别的导数来识别。事件还可以是整个记录。处理器135还确定通过事件搜索检测到的事件的一个或多个参数，例如事件发生的时间、与事件相关联的峰值的参数的值、半上升时间、半下降时间或事件过程中的信号下的面积、事件过程中的信号的平均值、最大值或最小值。处理器135可在显示设备150上显示任何一个代表信号RS或被确定的参数。
在一个实施方式中，换能器105被分为两组或多组换能器。每组优选地是换能器阵列中一组相邻的换能器，且因此覆盖身体表面的不同区域。例如，换能器可分为两组，其中一组由覆盖左肺的一个或多个换能器组成，而另一组由覆盖右肺的一个或多个换能器组成。作为另一个例子，换能器可被分为六组，其中覆盖每个肺的换能器被分为三个子组(覆盖肺的上部、中间和下部)。对于两组或多组换能器中的每组，处理器135计算代表信号，如以上所解释，并对每个代表信号执行事件搜索。然后处理器确定通过搜索检测的事件的一个或多个的参数。处理器135可在显示设备150上显示参数中的任何一个。对于至少一个代表信号，处理器还可将对于一个换能器组所确定的参数中的任何一个或多个参数的值与对于其他的换能器组中的任意一组或多组所确定的参数的值相比较。例如，处理器可计算两个数字数据信号Z(xi，t)之间的两组中的相应事件的发生之间的时间延迟。另一个例子，处理器可计算Z(xi，t)中的事件类型的重复发生的发生之间的时间延迟。
图2示出了依照一个实施方式的用于实现本发明的方法的流程图。在步骤200中，信号Z(xi，t)从位于身体表面的预先确定的位置xi(i为从1到N)处的N个换能器获取，其中N个换能器可被分为两个或多个组Si。在步骤205中，使用输入设备140或145中的一个或这两者将t1和t2的值输入到处理器135中，或者其由处理器确定。在步骤210中，对于每个换能器组，换能器组的代表信号被计算。在步骤215中，一个或多个代表信号在显示设备150上被显示。在步骤220中，对于每个代表信号，对于代表信号执行事件搜索。在步骤225中，对于每个代表信号，在信号的事件搜索中检测到的事件的一个或多个参数的值被确定，例如事件发生的事件或事件过程中代表信号的平均值。在步骤230中，所确定的参数值在显示设备上显示。最终，在步骤235中，对于一个或多个参数中的每个参数，对于每个代表信号确定的一个或多个参数的值被处理，以及在步骤240中，处理的结果在显示设备150上被显示。
在本发明的一个实施方式中，三种事件类型被使用，即吸气相、呼气相以及预先确定的时间间隔期间的整个信号。对于事件吸气相和呼气相，事件的参数是与事件的每次发生相关联的峰值的时间τ。对于由预先确定的时间间隔期间的整个信号组成的事件，参数是预先确定的时间间隔期间的信号的平均值h。对于参数τ，处理包括计算时间延迟Δτ＝|τ1-τ2|，其中τ1是第一代表信号中的峰值的时间，而τ2是第二代表信号中的相应峰值的时间。Δτ是在两个代表信号彼此同步的程度的测量。如果代表信号覆盖一个或多个呼吸循环，则Δτ、
Figure BPA00001269823400091
的平均值可被计算。
在其另一个方面，本发明提供了用于COPD和哮喘的鉴别诊断的方法。在本发明的这方面，在用支气管扩张药之前，对于单个代表信号计算h，且对于两个代表信号计算如以上所解释。图3示出了依照本发明的这个方面的COPD和哮喘的鉴别诊断的方法的流程图。在步骤300中，如以上解释参考图2计算初始的h，即h0。在步骤305中，如以上所解释计算初始的
Figure BPA00001269823400093
即
Figure BPA00001269823400094
在步骤310中，对个体用支气管扩张药。在步骤315中，如以上所解释计算最终的h，即h1。在步骤320中，如以上所解释计算最终即
Figure BPA00001269823400096
在步骤325中，在用支气管扩张药后计算h的变化Δh，其中Δh＝h1-h0。在步骤330中，在用支气管扩张药后计算
Figure BPA00001269823400097
的变化
Figure BPA00001269823400098
其中
Figure BPA00001269823400099
在步骤335中，与预先确定的第一阈值d1比较。如果
Figure BPA000012698234000911
则作为用支气管扩张药的结果，两个代表信号的同步的程度降低，且在步骤340中，作出COPD的鉴别诊断，且过程终止。如果在步骤335确定
Figure BPA000012698234000912
不超过d1，那么在步骤345中确定是否
Figure BPA000012698234000913
如果不是(即，
Figure BPA000012698234000914
)，那么作为用支气管扩张药的结果，两个代表信号之间的同步的程度增加，且在步骤350中，哮喘的鉴别诊断被作出。如果在步骤345，确定
Figure BPA000012698234000916
Figure BPA000012698234000917
那么作为用支气管扩张药的结果，代表信号的同步没有大的变化，且过程继续进行到步骤355，在该步骤Δh的符号被确定。如果Δh≤0，那么在步骤360中在用支气管扩张药后h减小，作出COPD的鉴别诊断。如果在步骤355中确定Δh≥0，那么在用支气管扩张药后h增加，且过程继续进行到步骤365，其中
Figure BPA000012698234000918
与预先确定的第二阈值d2相比较。如果在步骤365中确定
Figure BPA00001269823400101
那么在步骤370中作出COPD的鉴别诊断。如果在步骤365中确定
Figure BPA00001269823400102
那么在步骤375中作出哮喘的鉴别诊断，且过程终止。
实施例
本发明的系统和方法用于COPD和哮喘的鉴别诊断。
在以下描述的情况中，40个换能器被置于对象的背上的肺部的由图4中的圈400标示的位置上。曲线405a和405b分别示出了对象的左肺和右肺的假定轮廓。如所见到的，换能器布置于在换能器之间有水平方向和垂直方向5厘米的间隔的规则的正交晶格中。然后信号Z(xi，t)在若干呼吸循环期间被记录。用于产生信号
Figure BPA00001269823400103
的信号Z(xi，t)的处理包括150到250Hz之间的带通滤波、包络提取以及转换为与换能器的饱和电平相关的分贝数。对于参数τ，换能器被分为两组20个换能器。一个组，此处称为“左组换能器”，由覆盖在图4中示出的轮廓405a中的左肺上的换能器组成。另一组，此处称为“右组换能器”，由覆盖在图4中示出的轮廓405b中的右肺上的换能器组成。对于两组换能器中的每组，代表信号被计算，作为由组中的换能器获取的信号
Figure BPA00001269823400104
的平均。对于参数h，40个换能器的整个组被用作单组换能器，且代表信号被计算，作为由这组中的换能器获取的信号
Figure BPA00001269823400105
的平均。
代表信号在用支气管扩张药之前获取，且两个代表信号的初始平均值Δτ，即
Figure BPA00001269823400106
连同初始h0一起被计算，如以上所解释。然后2.5毫克剂量的支气管扩张药沙丁胺醇通过喷雾器被用于对象。在用支气管扩张药15分钟后，最终的
Figure BPA00001269823400107
和h1被计算。在用支气管扩张药后的Δτ中的变化也被计算，h中的变化Δh也被计算。
情况1：
图5a示出了如以上所获取的在用支气管扩张药之前获取的对于对象的左肺(曲线a)和右肺(曲线b)的代表信号。图5b示出了如以上所获取的在用支气管扩张药之后获取的对于对象的左肺(曲线a)和右肺(曲线b)的代表信号。图5c示出了在用支气管扩张药之前(曲线a)和之后(曲线b)的两个肺的以分贝为单位的平均音量水平。
结果在表1中被总结。
表1
在用支气管扩张药后两个肺的同步发生了相当大的增加，如绝对值很大的负值
Figure BPA00001269823400112
(-0.75)所表示。基于此观察，该病例被诊断为哮喘，且该诊断通过肺活量测定和病历被确认。
情况2：
图6a示出了如以上所获取的在用支气管扩张药之前获取的对于对象的左肺(曲线a)和右肺(曲线b)的代表信号。图6b示出了如以上所获取的在用支气管扩张药之后获取的对于对象的左肺(曲线a)和右肺(曲线b)的代表信号。图6c示出了在用支气管扩张药之前(曲线a)和之后(曲线b)的两个肺的以分贝为单位的平均音量水平。对于这种情况的结果在表2中被总结。
Figure BPA00001269823400113
表2
在用支气管扩张药后两个肺的同步发生了相当大的降低，如绝对值很大的正值
Figure BPA00001269823400114
(1.43)所表示。基于此观察，该病例被诊断为COPD，且该诊断通过肺活量测定和病历被确认。
情况3：
图7a示出了如以上所获取的在用支气管扩张药之前获取的对于对象的左肺(曲线a)和右肺(曲线b)的代表信号。图7b示出了如以上所获取的在用支气管扩张药之后获取的对于对象的左肺(曲线a)和右肺(曲线b)的代表信号。图7c示出了在用支气管扩张药之前(曲线a)和之后(曲线b)的两个肺的以分贝为单位的平均音量水平。对于这种情况所获得的结果在表3中被总结。
Figure BPA00001269823400121
表3
在这种情况中，在中没有观察到变化。但是，观察到了Δh的减小。因此作出COPD的诊断，该诊断通过肺活量测定和病历被确认。
情况4：
图8a示出了如以上所获取的在用支气管扩张药之前获取的对于对象的左肺(曲线a)和右肺(曲线b)的代表信号。图8b示出了如以上所获取的在用支气管扩张药之后获取的对于对象的左肺(曲线a)和右肺(曲线b)的代表信号。图8c示出了在用支气管扩张药之前(曲线a)和之后(曲线b)的两个肺的以分贝为单位的平均音量水平。对于这种情况所获得的结果在表4中被总结。
Figure BPA00001269823400123
表4
在这种情况中，两个肺的同步以及h的值没有因用支气管扩张药而改变。因此作出COPD的诊断，该诊断通过肺活量测定和病历被确认。
情况5：
图9a示出了如以上所获取的在用支气管扩张药之前获取的对于对象的左肺(曲线a)和右肺(曲线b)的代表信号。图9b示出了如以上所获取的在用支气管扩张药之后获取的对于对象的左肺(曲线a)和右肺(曲线b)的代表信号。图9c示出了在用支气管扩张药之前(曲线a)和之后(曲线b)的两个肺的以分贝为单位的平均音量水平。对于这种情况所获得的结果在表5中被总结。
Figure BPA00001269823400131
表5
在这种情况中，在用支气管扩张药后两个肺的同步保持不变，而h的值增加。在用支气管扩张药之前，两个肺非同步。因此作出COPD的诊断，该诊断通过肺活量测定和病历被确认。
情况6：
图10a示出了如以上所获取的在用支气管扩张药之前获取的对于对象的左肺(曲线a)和右肺(曲线b)的代表信号。图10b示出了如以上所获取的在用支气管扩张药之后获取的对于对象的左肺(曲线a)和右肺(曲线b)的代表信号。图10c示出了在用支气管扩张药之前(曲线a)和之后(曲线b)的两个肺的以分贝为单位的平均音量水平。对于这种情况所获得的结果在表6中被总结。
Figure BPA00001269823400132
表6
在这种情况中，在用支气管扩张药后两个肺的同步保持不变，而h的值增加。在用支气管扩张药之前，两个肺是同步的。因此作出哮喘的诊断，该诊断通过肺活量测定和病历被确认。

Claims (42)

1.一种用于分析个体的呼吸道的至少一部分中的声音的系统，包括：
(a)整数N个换能器，每个换能器设置为固定在所述个体的胸部的表面上，第i个换能器固定在位置xi并产生表示在所述位置xi处的、在预先确定的时间间隔期间的时间t的压力波的信号Z(xi，t)，i＝1到N；以及
(b)处理器，该处理器设置为：
接收所述信号Z(xi，t)并处理所述信号，其中所述处理包括执行至少一个事件搜索；以及
确定对于在事件搜索中检测到的一个或多个事件的一个或多个事件参数。
2.如权利要求1所述的系统，其中事件搜索是对所述信号Z(xi，t)中的一个或多个信号执行的。
3.如权利要求1所述的系统，其中事件搜索是对一个或多个信号P(xi，t)执行的，其中所述信号P(xi，t)在对所述信号Z(xi，t)中的一个或多个信号执行从滤波、去噪、平滑、包络提取以及应用数学变换中选择的一个或多个程序之后被获取。
4.如权利要求1所述的系统，其中所述换能器被分为一个或多个子组，且对于一个或多个所述子组中的每个子组，所述处理包括由从所述子组中的换能器获取的所述信号Z(xi，t)或P(xi，t)中的一个或多个信号来计算代表信号，以及对所述代表信号中的一个或多个信号执行一个或多个事件搜索。
5.如前述的权利要求中的任一项所述的系统，其中所述事件中的一个或多个事件从整个呼吸循环、呼吸循环的吸气相、以及呼吸循环的呼气相中选择。
6.如权利要求5所述的系统，其中换能器子组的所述代表信号是由该子组中的换能器获取的信号的和或平均信号。
7.如前述的权利要求中的任一项所述的系统，其中所述事件搜索包括执行峰值搜索、自相关、与预先确定函数的互相关以及傅里叶变换中的一个或多个。
8.如前述的权利要求中的任一项所述的系统，其中所述事件参数中的一个或多个参数从包括以下项的组中选择：事件发生的时间、事件的持续时间、事件的强度、与事件相关联的峰值的高度、处于半峰高的信号中的与事件相关联的峰值的宽度、信号中与事件相关联的峰值的半上升时间、峰值的半下降时间、峰值下的面积；事件过程中的信号的最大值、吸气相期间的最大值与呼气相期间的最大值的比、吸气相的持续时间与呼气相的持续时间的比、以及事件过程中的信号的形态。
9.如前述的权利要求中的任一项所述的系统，其中所述处理器还设置为计算事件参数值和预先确定的阈值或值的范围之间的一个或多个比较。
10.如权利要求4所述的系统，其中对于一对或多对第一代表信号和第二代表信号中的每对，所述处理器还设置为计算在对于第一代表函数计算的事件参数值和对于第二代表函数计算的事件参数值之间的一个或多个比较。
11.如权利要求9或10所述的系统，其中所述处理器还被包括来基于所述比较中的一个或多个做出诊断。
12.如前述的权利要求中的任一项所述的系统，其中所述处理器设置为：
(a)确定一个或多个初始事件参数的值；
(b)确定一个或多个最终事件参数的值；和
(c)将所述初始事件参数的值与所述最终事件参数相比较。
13.如权利要求12所述的系统，其中所述处理器还设置为基于所述比较做出诊断。
14.如权利要求12或13中任一项所述的系统，其中所述换能器被分为一组或多组，且事件参数是每组的代表信号中的事件发生的时间，且所述比较涉及确定两个信号之间的同步的程度。
15.如权利要求12到14中任一项所述的系统，其中事件参数是一时间段内的信号的平均幅度。
16.如权利要求12所述的系统，其中所述处理器设置为做出鉴别诊断。
17.如权利要求13到16中任一项所述的系统，其中所述处理器设置为基于所述比较来诊断哮喘。
18.如权利要求13到17中任一项所述的系统，其中所述处理器设置为基于所述比较来诊断COPD。
19.如前述的权利要求中的任一项所述的系统，还包括显示设备。
20.如权利要求19所述的系统，其中所述处理器还设置为在所述显示设备上显示由所述处理器做出的计算、诊断或确定的结果。
21.如权利要求9所述的系统，其中所述处理器设置为做出COPD和哮喘的鉴别诊断，其中：
(a)所述一个或多个初始事件参数是：
(i)在所述预先确定的时间间隔期间的所述信号的初始的平均值h，即h0，该h0是对于施用支气管扩张药之前在第一子组换能器上获取的代表信号而计算的；以及
(ii)初始时间延迟
Figure FPA00001269823300031
该初始时间延迟
Figure FPA00001269823300032
是在施用所述支气管扩张药之前在对于第二换能器组计算的信号中的峰值的时间和对于第三换能器组计算的相应的峰值的时间之间的初始时间延迟；
(b)所述一个或多个最终事件参数是：
(i)最终的h，即h1，该h1是对于施用所述支气管扩张药之后在所述第一子组换能器上获取的代表信号而计算的；以及
(ii)最终时间延迟
Figure FPA00001269823300033
该最终时间延迟
Figure FPA00001269823300034
是在施用所述支气管扩张药之前在对于第二换能器组计算的信号中的峰值的时间和对于第三换能器组计算的相应的峰值的时间之间的最终时间延迟；
且其中所述处理包括：
i)计算h的变化，即Δh，其中Δh＝h1-h0；
ii)计算
Figure FPA00001269823300041
的变化，即
Figure FPA00001269823300042
其中
Figure FPA00001269823300043
iii)如果
Figure FPA00001269823300044
则做出COPD的鉴别诊断，其中d1是预先确定的第一阈值；
iv)如果(i)
Figure FPA00001269823300045
以及如果(ii)则做出哮喘的鉴别诊断；
v)如果(i)
Figure FPA00001269823300047
以及如果(ii)Δh≤0，则做出COPD的鉴别诊断；
vi)如果(i)Δh≥0，且如果(ii)
Figure FPA00001269823300048
则做出COPD的鉴别诊断，其中d2是预先确定的第二阈值；以及
vii)如果(i)Δh≥0，且如果(ii)
Figure FPA00001269823300049
则做出哮喘的鉴别诊断。
22.一种用于分析个体的呼吸道的至少一部分中的声音的方法，包括：
(a)获取表示胸部上的位置xi处的、在预先确定的时间间隔期间的时间t的压力波的整数N个信号Z(xi，t)，i＝1到N；以及
(b)处理所述信号Z(xi，t)，其中所述处理包括执行至少一个事件搜索；以及
(c)确定对于在事件搜索中检测到的一个或多个事件的一个或多个事件参数。
23.如权利要求22所述的方法，其中事件搜索是对所述信号Z(xi，t)中的一个或多个信号执行的。
24.如权利要求22所述的方法，其中事件搜索对一个或多个信号P(xi，t)执行，其中所述信号P(xi，t)在对所述信号Z(xi，t)中的一个或多个信号执行从滤波、去噪、平滑、包络提取以及应用数学变换中选择的一个或多个程序之后被获取。
25.如权利要求22所述的方法，其中所述换能器被分为一个或多个子组，且对于一个或多个所述子组中的每个子组，所述处理包括由从所述子组中的换能器获取的所述信号Z(xi，t)或P(xi，t)中的一个或多个信号来计算代表信号，以及对所述代表信号中的一个或多个信号执行一个或多个事件搜索。
26.如权利要求22到25中任一项所述的方法，其中所述事件中的一个或多个事件从整个呼吸循环、呼吸循环的吸气相、以及呼吸循环的呼气相中选择。
27.如权利要求26所述的方法，其中换能器子组的所述代表信号是由该子组中的换能器获取的信号的和或平均信号。
28.如权利要求22到24中任一项所述的方法，其中所述事件搜索包括执行峰值搜索、自相关、与预先确定函数的互相关以及傅里叶变换中的任意一个或多个。
29.如权利要求22到28中任一项所述的方法，其中所述事件参数中的一个或多个从包括以下项的组中选择：事件发生的时间、事件的持续时间、事件的强度、与事件相关联的峰值的高度、处于半峰高的信号中的与事件相关联的峰值的宽度、信号中与事件相关联的峰值的半上升时间、峰值的半下降时间、峰值下的面积；事件过程中的信号的最大值、吸气相期间的最大值与呼气相期间的最大值的比、吸气相的持续时间与呼气相的持续时间的比、以及事件过程中的信号的形态。
30.如权利要求22到29中任一项所述的方法，还包括计算事件参数值和预先确定的阈值或值的范围之间的一个或多个比较。
31.如权利要求25所述的方法，还包括，对于一对或多对第一代表信号和第二代表信号中的每对，计算在对于第一代表函数计算的事件参数值和对于第二代表函数计算的事件参数值之间的一个或多个比较。
32.如权利要求30或31所述的方法，还包括基于一个或多个所述比较来做出诊断。
33.如权利要求22至32中任一项所述的方法，还包括：
(a)确定一个或多个初始事件参数的值；
(b)确定一个或多个最终事件参数的值；以及
(c)将所述初始事件的值与所述最终事件参数相比较。
34.如权利要求33所述的方法，还包括在确定所述初始事件参数之后对所述个体进行医学治疗。
35.如权利要求34所述的方法，其中所述医学治疗包括用支气管扩张药。
36.如权利要求33到35中任一项所述的方法，包括基于所述比较做出诊断。
37.如权利要求33或36中任一项所述的方法，其中所述换能器被分为一组或多组，且事件参数是每组的代表信号中的事件发生的时间，且所述比较涉及确定两个信号之间的同步的程度。
38.如权利要求33到36中任一项所述的方法，其中事件参数是一时间段内的信号的平均幅度。
39.如权利要求31所述的方法，还包括做出鉴别诊断。
40.如权利要求34到39中任一项所述的方法，还包括基于所述比较诊断哮喘。
41.如权利要求34到40中任一项所述的方法，还包括基于所述比较诊断COPD。
42.如权利要求36所述的方法，其中所述鉴别诊断是COPD和哮喘的鉴别诊断，其中：
(a)所述一个或多个初始事件参数是：
(i)所述预先确定的时间间隔期间的信号的初始的平均值h，即h0，该h0是对于用所述支气管扩张药之前在第一子组换能器上获取的代表信号而计算的；以及
(ii)初始时间延迟
Figure FPA00001269823300071
该初始时间延迟是在用所述支气管扩张药之前在对于第二换能器组计算的信号中的峰值的时间和对于第三换能器组计算的相应的峰值的时间之间的初始时间延迟；
(b)所述一个或多个最终事件参数是：
(i)最终的h，即h1，该h1是对于用所述支气管扩张药之后在所述第一子组换能器上获取的代表信号而计算的；以及
(ii)最终时间延迟
Figure FPA00001269823300073
该最终时间延迟
Figure FPA00001269823300074
是在用所述支气管扩张药之前在对于第二换能器组计算的信号中的峰值的时间和对于第三换能器组计算的相应的峰值的时间之间的最终时间延迟；
且其中所述方法包括：
(a)计算h的变化，即Δh，其中Δh＝h1-h0；
(b)计算
Figure FPA00001269823300075
的变化，即
Figure FPA00001269823300076
其中
Figure FPA00001269823300077
(c)如果
Figure FPA00001269823300078
则做出COPD的鉴别诊断，其中d1是预先确定的第一阈值；
(d)如果(i)
Figure FPA00001269823300079
以及如果(ii)
Figure FPA000012698233000710
则做出哮喘的鉴别诊断；
(e)如果(i)
Figure FPA000012698233000711
以及如果(ii)Δh≤0，则做出COPD的鉴别诊断；
(f)如果(i)Δh≥0，且如果(ii)
Figure FPA000012698233000712
则做出COPD的鉴别诊断，其中d2是预先确定的第二阈值；以及
(g)如果(i)Δh≥0，且如果(ii)则做出哮喘的鉴别诊断。
CN2009801211632A 2008-04-08 2009-04-07 用于呼吸道声音的定量检测的方法和系统 Pending CN102149317A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US6499308P 2008-04-08 2008-04-08
US61/064,993 2008-04-08
PCT/IL2009/000400 WO2009125407A1 (en) 2008-04-08 2009-04-07 Method and system for quantitation of respiratory tract sounds

Publications (1)

Publication Number Publication Date
CN102149317A true CN102149317A (zh) 2011-08-10

Family

ID=40848134

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2009801211632A Pending CN102149317A (zh) 2008-04-08 2009-04-07 用于呼吸道声音的定量检测的方法和系统

Country Status (5)

Country Link
US (1) US20110034818A1 (zh)
EP (1) EP2262416A1 (zh)
JP (1) JP2011519289A (zh)
CN (1) CN102149317A (zh)
WO (1) WO2009125407A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9597011B2 (en) 2012-12-28 2017-03-21 Panasonic Corporation Respiratory phase determination apparatus, respiratory phase determination method and respiratory phase determination program
CN106714682A (zh) * 2014-06-27 2017-05-24 皇家飞利浦有限公司 用于评估加重和/或入院的风险的装置、系统、方法和计算机程序
CN107106082A (zh) * 2015-02-27 2017-08-29 欧姆龙健康医疗事业株式会社 喘鸣相关信息显示装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6464811B2 (ja) * 2015-02-25 2019-02-06 富士通株式会社 相関判定プログラム、相関判定方法、及び相関判定装置
TWI672603B (zh) * 2017-11-17 2019-09-21 高雄醫學大學 一種依據不同性別進行分群的氣喘患者分群方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5159935A (en) * 1990-03-08 1992-11-03 Nims, Inc. Non-invasive estimation of individual lung function
IL117146A0 (en) * 1996-02-15 1996-06-18 Gull Medical Software Systems Diagnosis of lung condition
US6168568B1 (en) * 1996-10-04 2001-01-02 Karmel Medical Acoustic Technologies Ltd. Phonopneumograph system
US6139505A (en) * 1998-10-14 2000-10-31 Murphy; Raymond L. H. Method and apparatus for displaying lung sounds and performing diagnosis based on lung sound analysis
US6383142B1 (en) * 1998-11-05 2002-05-07 Karmel Medical Acoustic Technologies Ltd. Sound velocity for lung diagnosis
US6287264B1 (en) * 1999-04-23 2001-09-11 The Trustees Of Tufts College System for measuring respiratory function
GB0118728D0 (en) * 2001-07-31 2001-09-26 Univ Belfast Monitoring device
US20030130588A1 (en) * 2002-01-10 2003-07-10 Igal Kushnir Method and system for analyzing respiratory tract sounds
US20060243280A1 (en) * 2005-04-27 2006-11-02 Caro Richard G Method of determining lung condition indicators
RU2341180C1 (ru) * 2007-06-13 2008-12-20 Государственное образовательное учреждение дополнительного профессионального образования "Иркутский государственный институт усовершенствования врачей Федерального агентства по здравоохранению и социальному развитию" Способ дифференциальной диагностики обструктивных заболеваний легких

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9597011B2 (en) 2012-12-28 2017-03-21 Panasonic Corporation Respiratory phase determination apparatus, respiratory phase determination method and respiratory phase determination program
CN106714682A (zh) * 2014-06-27 2017-05-24 皇家飞利浦有限公司 用于评估加重和/或入院的风险的装置、系统、方法和计算机程序
CN107106082A (zh) * 2015-02-27 2017-08-29 欧姆龙健康医疗事业株式会社 喘鸣相关信息显示装置
CN107106082B (zh) * 2015-02-27 2020-08-11 欧姆龙健康医疗事业株式会社 喘鸣相关信息显示装置

Also Published As

Publication number Publication date
WO2009125407A1 (en) 2009-10-15
EP2262416A1 (en) 2010-12-22
JP2011519289A (ja) 2011-07-07
US20110034818A1 (en) 2011-02-10

Similar Documents

Publication Publication Date Title
CN100435727C (zh) 用于分析呼吸道气流的方法和系统
Taplidou et al. Analysis of wheezes using wavelet higher order spectral features
CA2464029A1 (en) Non-invasive ventilation monitor
CA2472785A1 (en) System for analyzing and imaging respiratory tract sounds
JP2005065904A (ja) 睡眠時無呼吸症候群診断装置、並びに、信号解析装置及びその方法
Nabi et al. Characterization and classification of asthmatic wheeze sounds according to severity level using spectral integrated features
WO2012042453A1 (en) Apparatus and method for diagnosing obstructive sleep apnea
JP2013123495A (ja) 呼吸音解析装置、呼吸音解析方法、呼吸音解析プログラムおよび記録媒体
JP2010535574A (ja) 動脈のナンディパルス波形の定量的検出に有用な非侵襲装置「ナンディ・トラジーニ」
JP2013123494A (ja) 情報解析装置、情報解析方法、制御プログラム、および、記録媒体
CN102149317A (zh) 用于呼吸道声音的定量检测的方法和系统
Marshall et al. Signal analysis of medical acoustic sounds with applications to chest medicine
Chen et al. Identification of Velcro rales based on Hilbert–Huang transform
Nemati et al. Estimation of the lung function using acoustic features of the voluntary cough
Zhang et al. Development of a novel wireless multi-channel stethograph system for monitoring cardiovascular and cardiopulmonary diseases
Doheny et al. Estimation of respiratory rate and exhale duration using audio signals recorded by smartphone microphones
Huang et al. Deep learning-based lung sound analysis for intelligent stethoscope
Sello et al. Respiratory sound analysis in healthy and pathological subjects: A wavelet approach
Jones A brief overview of the analysis of lung sounds
CN114340487A (zh) 一种处理哮喘患者咳嗽音以应用适当治疗的方法和装置
Zhang et al. A novel respiratory rate estimation method for sound-based wearable monitoring systems
Zhang et al. Digital signal processing and analysis of cardiopulmonary audio using a multi-channel stethograph system
Calabrese et al. A system for the analysis of snore signals
Bandyopadhyaya et al. Automatic lung sound cycle extraction from single and multichannel acoustic recordings
Yeginer et al. Elimination of vesicular sounds from pulmonary crackle waveforms

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20110810