CN107249466B - 用于冠状动脉疾病的风险指征 - Google Patents

用于冠状动脉疾病的风险指征 Download PDF

Info

Publication number
CN107249466B
CN107249466B CN201680011399.0A CN201680011399A CN107249466B CN 107249466 B CN107249466 B CN 107249466B CN 201680011399 A CN201680011399 A CN 201680011399A CN 107249466 B CN107249466 B CN 107249466B
Authority
CN
China
Prior art keywords
sound
sound recording
recording
recordings
heart
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.)
Active
Application number
CN201680011399.0A
Other languages
English (en)
Other versions
CN107249466A (zh
Inventor
塞缪尔·埃米尔·施密特
约翰内斯·扬·史杜尔克
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.)
Acarix AS
Original Assignee
Acarix AS
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 Acarix AS filed Critical Acarix AS
Publication of CN107249466A publication Critical patent/CN107249466A/zh
Application granted granted Critical
Publication of CN107249466B publication Critical patent/CN107249466B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02444—Details of sensor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • 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
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Signal Processing (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Acoustics & Sound (AREA)
  • Cardiology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

公开了指示冠状动脉疾病的风险的方式。获得了心跳的第一多个第一声音记录和环境背景的第二多个第二声音记录。通过使用同时录制的第二声音记录，对每个第一声音记录进行滤波。对每个第一声音记录进行滤波包括：确定第一声音记录的心跳的心脏舒张期，以及基于在第一声音记录中的和在同时录制的第二声音记录中的心脏舒张期，对第一声音记录进行自适应滤波。在此之后，基于经滤波的第一声音记录，确定冠状动脉疾病风险的指征。

Description

用于冠状动脉疾病的风险指征
技术领域
本发明涉及冠状动脉疾病的风险的指示，并且特别涉及被配置成根据测量的声学信号指示冠状动脉疾病的风险的方法和系统。
背景
冠状动脉疾病(CAD)是在冠状动脉内斑块逐渐产生的状况。这些动脉用富氧血液来供应心肌。斑块使动脉变窄，并且减少流向心脏的血流，这可能导致心绞痛或心脏病发作。随着时间的推移，CAD可能削弱心肌并导致心力衰竭和心律失常。CAD是最常见的心脏病类型之一，因此，用于估计或指示CAD的风险的有效且准确的工具很重要。
历史上，CAD的检测涉及患者病史、身体检查、压力测试、以及可能的对于冠状动脉造影的分析。在身体检查期间，经常将听诊器用于检查心脏的声音。虽然在现代诊所中，听诊器的作用似乎正在逐渐消失，但利用综合诊断算法的新型电子听诊器可能会改变趋势，并且扩大听诊器的临床潜力。因此，需要开发有效且准确的诊断算法来估计CAD风险。
在心跳期间生成了许多不同的心音。声音是由心脏结构的血液湍流和振动产生的，心脏结构的血液湍流和振动主要归因于心脏内的瓣膜关闭。一般可以识别四个声音，其通常被称为S1、S2、S3和S4。
S1声音经常是最大声的心音，并且是心室收缩期间的第一个心音。S1通常被描述为“啦(lubb)”音。S1发生在心室收缩期的开始时，并且涉及在心房和心室之间的房室瓣闭合。
S2声音经常被描述为“答(dubb)”音。S2发生在舒张期的开始时，并且涉及将主动脉和肺动脉分别与左心室和右心室分离的半月瓣的关闭。S1声音和S2声音是可以用听诊器容易听到的“正常心音”。
然而，在40岁以上的人的正常心脏中经常不能听到S3声音和S4声音。这些通常归因于“异常心音”。S3声音(也被称为“心室奔马律”)发生在心脏舒张早期，并且由心室壁扩张到其达到其弹性极限的点引起。S4声音(也被称为“心房奔马律”)发生在心房收缩的结束附近，并且也由心室壁扩展直到其达到弹性极限为止而引起。
心音可用于加强诊断，并帮助评估心脏疾病的重要类型的严重程度。例如，在40岁以后，S3可以指示充血性心力衰竭，并且S4可以指示高血压、急性心肌梗塞、或者CAD。不幸的是，研究表明，即使经验丰富的医生也不能可靠地检测到重要的心音。因此，已经开发了各种诊断工具来支持医生检测可能的心脏疾病。例如，在WO 2008/000254A1和WO2012/080209A1中描述了这种工具。
使用算法检测或估计CAD风险的现有的电子听诊器存在问题。与CAD相关的杂音很弱，并且在CAD声音和非CAD声音之间的差异通常很小且难以检测。所使用的算法很可能对其他类型的噪声(诸如，环境噪声和源于患者的生理噪声)敏感。这限制了电子听诊器的可用性，因为必须控制环境以避免环境噪声。环境噪声可能难以控制，并且因此电子听诊器(特别是便携式电子听诊器)的实际应用受到限制。需要降低电子听诊器(特别是用于估计CAD风险的电子听诊器)对于环境噪声的敏感性。当确定了CAD风险或者将CAD风险分类时，还需要改善效率和准确性。
因此，目的是解决在以上概述的问题和技术挑战中的一些问题和技术挑战。
概述
根据第一方面，通过用于指示对于人的冠状动脉疾病的风险的方法来实现以上目的。该方法包括：(a)获得第一多个第一声音记录，其中，每个第一声音记录具有人的心跳，以及(b)获得第二多个第二声音记录，其中，每个第二声音记录具有在此人周围的环境背景并且与第一多个第一声音记录被同时录制。该方法还包括：(c)通过使用第二多个第二声音记录中的同时录制的第二声音记录，对第一多个第一声音记录中的每个第一声音记录进行滤波。对每个第一声音记录进行滤波包括：(i)确定每个第一声音记录中的心跳的心脏舒张期，以及(ii)对第一声音记录进行自适应滤波，以减少源于在第一声音记录中存在的并且在同时录制的第二声音记录中存在的环境背景的噪声。自适应滤波基于第一声音记录的第一部分并且基于同时录制的第二声音记录的第二部分，并且其中第一部分和第二部分被心脏舒张期覆盖。该方法还包括：(d)基于第一多个经滤波的第一声音记录，确定对于冠状动脉疾病的风险的指征。
可选地，在进行滤波(c)时，进行自适应滤波的第二步骤(ii)可以由下列步骤代替：(ii)确定每个第一声音记录的第一部分和同时录制的第二声音记录的第二部分，其中，第一部分和第二部分被心脏舒张期覆盖。在这种替代方案中，进行过滤(c)将采用下列步骤继续：(iii)确定用于每个第一声音记录的自适应滤波器，其中，自适应滤波器基于第一部分和第二部分，并且被配置用于减少源自在每个第一声音记录中和在同时录制的第二声音记录中均存在的环境背景的噪声，以及(iv)将自适应滤波器应用于每个第一声音记录。
在本文中应当把被心脏舒张期覆盖理解为包含与心脏舒张期的范围对应的第一部分和第二部分，或者位于心脏舒张期内的第一部分和第二部分。第一部分和第二部分可以具有相等的长度。第一部分和第二部分可以是同时的，或者对应于相同的时间段。在整个这些详述中，可以将每次单独出现的声级理解为功率或振幅，诸如第一声音记录或第二声音记录的功率或振幅。
在第一声音记录中的源自环境背景的噪声通常通过人的胸部传播，这可能导致相对于对应的第二声音记录中的噪声的时延和频移。
自适应滤波器或滤波的整体效果在于减少或消除了环境噪声对于CAD风险的指征的影响，这给予了更加稳健的并且准确的结果。此外，自适应滤波考虑到关于噪声减少或消除的优化。声级的大变化可能会导致自适应滤波器中的伪像。通过使第一部分和第二部分被心脏舒张期覆盖，在形成自适应滤波器时排除了强的S1声音和S2声音，从而能够检测到较弱的与CAD相关的心音，这导致了在确定CAD风险的指征时的提高的准确性。
从在第一声音记录中的心音中直接减去在第二声音记录中录制的环境声音将会引入误差，因为与环境声音对应的心音中的噪声是延迟的，并且由于通过胸部而具有改变的频率分布。因此，自适应滤波将提高确定CAD风险的指征的准确性。
人的胸部的传递函数随时间而变化。通过如上所述地限定第一时期和第二时期的时间间隔，可以假定传递函数是不随时间变化的，这允许对胸部的更准确的建模和更准确的自适应滤波器。
避免噪声的一种可选方式是消除嘈杂的第一声音记录。自适应滤波器考虑到以有效并且准确的方式减少或消除第一声音的噪声，这意味着在确定CAD风险的指征时可以使用更多的第一声音记录。在嘈杂的环境中，需要更少的第一声音记录来确定CAD风险，并实现CAD的更快的指示。
根据第二方面，通过用于指示对于人的冠状动脉疾病的风险的系统来实现以上目的，其中，该系统包括：(A)第一声学传感器，其被配置成放置在人的胸部上并用于录制心跳，以及(B)第二声学传感器，其被配置为放置在人身上并用于录制环境背景声音。该系统还包括：(C)处理器，其与第一声学传感器和第二声学传感器可操作地连接。该处理器被配置成：(a)采用第一声学传感器获得第一多个第一声音记录，其中，每个第一录音具有人的心跳，以及(b)采用第二声学传感器获得第二多个第二声音记录，其中，每个第二声音记录具有在此人周围的环境背景并且与第一多个第一声音记录被同时录制。该处理器还被配置成：(c)通过使用第二多个第二声音记录中的同时录制的第二声音记录，对第一多个第一声音记录中的每个第一声音记录进行滤波。对每个第一声音记录进行滤波包括：(i)确定每个第一声音记录中的心跳的心脏舒张期，以及(ii)对第一声音记录进行自适应滤波，以减少源于在第一声音记录中和在同时录制的第二声音记录中均存在的环境背景的噪声。自适应滤波基于第一声音记录的第一部分并且基于同时录制的第二声音记录的第二部分，并且其中第一部分和第二部分被心脏舒张期覆盖。该处理器还被配置成：(d)基于第一多个经滤波的第一声音记录，确定对于冠状动脉疾病的风险的指征。
可选地，在对每个第一声音记录进行滤波(c)中，进行自适应滤波的第二步骤(ii)可以由下列步骤代替：(ii)确定每个第一声音记录的第一部分和同时录制的第二声音记录的第二部分，其中，第一部分和第二部分被心脏舒张期覆盖。然后，滤波(c)将采用下列步骤继续：(iii)确定用于每个第一声音记录的自适应滤波器，其中，自适应滤波器基于第一部分和第二部分，并且被配置用于减少源自在每个第一声音记录中和同时录制的第二声音记录中均存在的环境背景的噪声，以及(iv)将自适应滤波器应用于每个第一声音记录。
在本文中应当把处理器理解为包括专用于所描述的功能的处理器。可选地，处理器可以是通用处理器。在本文中应当把处理器理解为还包括单独对过程进行处理的单个处理器或协作对过程进行处理的一组处理器。处理器可以包括用于执行其功能或运行程序代码指令的暂态存储器。该系统可以是便携式电子听诊器。
关于第一方面描述的效果和优点对于根据第二方面的系统来说也是正确的。
根据第三方面，以上目的通过在系统中使用的计算机程序产品来实现，该系统包括：(A)第一声学传感器，其被配置成放置在人的胸部上并用于录制心跳，(B)第二声学传感器，其被配置为放置在人身上并用于录制环境背景声音，以及(C)处理器，其与第一声学传感器和第二声学传感器可操作地连接。计算机程序产品包括程序代码指令，其被配置成在由系统的处理器执行时使得处理器：(a)采用第一声学传感器获得第一多个第一声音记录，其中，每个第一记录具有人的心跳，以及(b)采用第二声学传感器获得第二多个第二声音记录，其中，每个第二声音记录具有在此人周围的环境背景并且与第一多个第一声音记录中的第一声音记录被同时录制。计算机程序产品还包括程序代码指令，其被配置为：(c)通过使用第二多个第二声音记录中的同时录制的第二声音记录，对第一多个第一声音记录中的每个第一声音记录进行滤波。对每个第一声音记录进行滤波包括：(i)确定每个第一声音记录中的心跳的心脏舒张期，以及(ii)对第一声音记录进行自适应滤波，以减少源于在第一声音记录中和在同时录制的第二声音记录中均存在的环境背景的噪声。自适应滤波基于第一声音记录的第一部分并且基于同时录制的第二声音记录的第二部分，并且其中第一部分和第二部分被心脏舒张期覆盖。计算机程序产品还包括程序代码指令，其被配置为：(d)基于第一多个经滤波的第一声音记录，确定对于冠状动脉疾病的风险的指征。
关于第一方面描述的效果和优点对于根据第三方面的计算机程序产品来说也是正确的。
根据第四方面，以上目的通过使用在人周围的环境背景的第二声音记录来对此人的心跳的第一声音记录进行滤波的方法来实现。第二声音记录与第一声音记录被同时录制，并且该方法包括：(i)确定第一声音记录中的心跳的心脏舒张期。该方法还包括：(ii)对第一声音记录进行自适应滤波，以减少源于在第一声音记录中存在的并且在第二声音记录中存在的环境背景的噪声。自适应滤波基于第一声音记录的第一部分并且基于第二声音记录的第二部分，并且第一部分和第二部分被心脏舒张期覆盖。
与对于第一方面一样，自适应滤波的整体效果在于减少或消除了环境噪声的影响。自适应滤波考虑到关于噪声减少或消除的优化。声级的大变化可能会导致自适应滤波器中的伪像。通过使第一部分和第二部分被心脏舒张期覆盖，在形成自适应滤波器时排除了强的S1声音和S2声音，从而能够检测到较弱的心音。如上所述，人的胸部的传递函数随着时间而变化。通过限定第一部分和第二部分的时间间隔，可以假定传递函数是不随时间变化的，这允许对胸部的更准确的建模和更准确的自适应滤波器。
根据第五方面，以上目的通过电子听诊器实现，该电子听诊器包括：(A)第一声学传感器，其被配置成放置在人的胸部上并用于录制心跳，以及(B)第二声学传感器，其被配置为放置在人身上并用于录制环境背景声音。该电子听诊器还包括：(C)处理器，其与第一声学传感器和第二声学传感器可操作地连接。该处理器被配置成：(a)采用第一声学传感器获得第一声音记录，其中，第一多个第一声音记录中的每个第一声音记录具有人的心跳，以及(b)采用第二声学传感器获得第二声音记录，其中，第二声音记录具有在此人周围的环境背景并且与第一声音记录被同时录制。该处理器还被配置成：(c)通过使用同时录制的第二声音记录，对第一声音记录进行滤波。滤波包括：(i)确定第一声音记录中的心跳的心脏舒张期，以及(ii)对第一声音记录进行自适应滤波，以减少源于在第一声音记录中和在同时录制的第二声音记录中均存在的环境背景的噪声。自适应滤波基于第一声音记录的第一部分并且基于同时录制的第二声音记录的第二部分，并且其中第一部分和第二部分被心脏舒张期覆盖。
关于第四方面描述的效果和优点对于根据第五方面的电子听诊器来说也是正确的。
在第三至第五方面中，进行自适应滤波的第二步骤(ii)可以由下列步骤代替：(ii)确定每个第一声音记录的第一部分和同时录制的第二声音记录的第二部分，其中，第一部分和第二部分被心脏舒张期覆盖，(iii)确定用于每个第一声音记录的自适应滤波器，其中，自适应滤波器基于第一部分和第二部分，并且被配置用于减少源自在每个第一声音记录中和同时录制的第二声音记录中均存在的环境背景的噪声，以及(iv)将自适应滤波器应用于每个第一声音记录。
在以下详细描述中或在所附权利要求中解释了以上方面的附加的或可选的特征。从详细描述中也可以解释另外的目的。
在本发明的不同方面中，确定指征的步骤(d)可以包括：(d1)根据经滤波的第一声音记录确定一个或更多个第一心音级，其中，每个第一心音级根据在经滤波的第一声音记录内的第一时期确定，以及(d2)基于一个或更多个第一心音级确定冠状动脉疾病风险。第一时期可以对应于心脏舒张期、或在心脏舒张期内的一段时期、或第一声音记录中的第一部分、或在第一部分内的一部分。
基于第一多个经滤波的第一声音记录来确定冠状动脉疾病风险的指征的步骤(d)可以包括：执行在WO 2012/080209A1中描述的用于诊断冠状动脉疾病的方法之一，其中第一多个经滤波的第一声音记录作为录制的声学数据。
在步骤(ii)中，可以对完整的第一声音记录、或者在与心脏舒张期对应的时期、或者在心脏舒张期内的时期、或者对第一声音记录的第一部分、或者对在第一部分内的一部分、或者在第一时期进行自适应滤波。
如上所述，心跳音的振幅有很大变化，这可能导致自适应滤波中有伪像，并且降低了在确定CAD风险的指征时的准确性。在心脏舒张期中可以指示CAD的声音振幅可以有几个大小等级，其比“正常心音”(诸如，S1声音和S2声音)更小。因此，将第一部分、第二部分和第一时期限于心脏舒张期或限于心脏舒张期内的时期，协同地有助于提高确定CAD风险的准确性，这进一步给予了对于CAD的更准确的指征。
第一声音记录的第一部分和同时录制的第二声音记录的第二部分可以从心脏舒张期开始之后的100至200ms之间开始，或者从心脏舒张期开始之后的150ms处开始。第一声音记录的第一部分和同时录制的第二声音记录的第二部分可以具有小于400ms的长度，或者小于300ms的长度。确定心脏舒张期的步骤(i)还可以包括确定S2声音的开始，并且第一声音记录的第一部分和同时录制的第二声音记录的第二部分可以从S2声音开始之后的100至200ms之间开始，或从S2声音开始之后的150ms处开始。确定心脏舒张期的步骤(i)还可以包括确定S4声音的开始，并且第一声音记录的第一部分和同时录制的第二声音记录的第二部分可以在S4声音开始之前结束。第一部分的和第二部分的范围的以上限制有助于避免强的心音，这改善了自适应滤波。如果第一时期如上所述地由第一部分限制，则因此可以实现对于CAD的更准确的指示。如果第一时期对应于第一部分，则这些限制是特别有利的，因为它们考虑到第一时期的经滤波的长度对于获得与CAD可能相关的强的声音信号来说足够长。
在步骤(ii)中，自适应滤波可以基于维纳滤波器(Wiener filter)。这允许快速滤波，快速滤波可以应用于整个第一声音记录。可选地或者附加地，在步骤(ii)中，自适应滤波可以基于递归最小二乘自适应滤波器、最小均方(LMS)自适应滤波器和/或归一化LMS自适应滤波器。
根据第一方面的方法还可以包括在执行过滤的步骤(c)之前：(e)确定在第二多个第二声音记录中的每个第二声音记录的第一噪声级，以及(f)丢弃这样的第一声音记录：该第一声音记录具有带有在第一确定噪声级之上的第一噪声级的同时录制的第二声音记录。在第二方面中的处理器还可以被配置成在步骤(c)之前执行以上的步骤(e)和(f)。类似地，第三方面的计算机程序产品可以包括被配置成使处理器在步骤(c)之前执行以上的步骤(e)和(f)的程序代码指令。
在步骤(e)中，第一噪声级可以基于完整的第二声音记录或者至少对应于或覆盖在第二声音记录中的完整心跳的时期的声级的方差。在步骤(e)中，可以在确定第一噪声级之前执行对于完整的第二声音记录或者至少对应于或覆盖在第一声音记录中的完整心跳的时期的第一带通滤波。第一带通滤波可以允许在60-300Hz内通过。在步骤(f)中，第一确定噪声级可以是大约65dB。
通过对第二多个第二声音记录的上述处理，消除了受到在心跳的较长部分或一部分期间延续的常规背景噪声(诸如，告警或人的言语)影响的第一声音记录。这种方式，步骤(e)和(f)的特征有助于更加稳健地确定CAD风险的指征。
根据第一方面的方法还可以包括在执行滤波的步骤(c)之前：(g)确定在第一多个第一声音记录中的每个声音记录的第二心音级，以及(h)丢弃这样的第一声音记录：该声音记录具有低于第一确定心音级的第二心音级。第二方面中的处理器还可以被配置成在步骤(c)之前执行以上的步骤(g)和(h)。类似地，第三方面的计算机程序产品可以包括被配置成使处理器在步骤(c)之前执行以上的步骤(g)和(h)的程序代码指令。
在步骤(g)中，第二心音级可以基于完整的第一声音记录或者至少对应于或覆盖在第一声音记录中的完整心跳的时期的声音级的平均值或者方差。在步骤(g)中，可以在确定第二心音级之前执行对于完整的第一声音记录或者至少对应于或覆盖在第一声音记录中的完整心跳的时期的第二带通滤波。第二带通滤波可以允许在60-300Hz内通过。在步骤(h)中，第一确定心音级可以是大约60dB。
对于第一多个第一声音记录的上述处理可以确保在用于确定CAD风险的指征之前已适当地获得了第一多个第一声音记录。例如，如果第一声学传感器没有以正确的方式置于患者身上，则心音级可能低于60dB，并且丢弃受影响的第一声音记录。这有助于更加稳健地确定CAD风险的指征。
根据第一方面的方法还可包括在执行滤波的步骤(c)之后并且在确定指征的步骤(d)之前：(i)确定在第二多个第二声音记录中的每个第二声音记录的第二时期的第二噪声级，以及(j)丢弃每个这样的第一声音记录：该第一声音记录具有带有在第二确定噪声级之上的在第二时期的第二噪声级的同时录制的第二声音记录。第二方面中的处理器还可被配置成在步骤(c)之后并且在步骤(d)之前执行以上的步骤(i)和(j)。类似地，第三方面的计算机程序产品可以包括被配置成使处理器在步骤(c)之后并且在步骤(c)之前执行以上的步骤(i)和(j)的程序代码指令。
第二时期可以对应于心脏舒张期、或在心脏舒张期内的一段时期、或在第二声音记录中的第二部分。在步骤(i)中，第二噪声级可以基于第二时期的声级的方差。在步骤(i)中，可以在确定第二噪声级之前进行第三带通滤波。第三带通滤波可以允许在100-1200Hz内通过。可以在第二时期进行第三带通滤波。在步骤(j)中，第二确定噪声级可以是大约60dB。
尽管使用了自适应滤波器以及可选的如上所述的步骤(e)和(f)的丢弃，然而一些心跳仍然可能受到在心脏舒张期中的非常强烈并且短暂的环境噪声(如门关闭或物品掉落)污染。这种环境噪声可以通过步骤(i)和(j)来避免，从而有助于更加稳健并且准确地确定CAD风险的指征。
根据第一方面的方法还可包括在执行滤波的步骤(c)之后并且在确定指征的步骤(d)之前：(k)确定在第一多个第一声音记录中的每个声音记录在第三时期的第三心音级，以及(l)丢弃具有超过第二确定心音级的所述第三心音级的第一声音记录。第二方面中的处理器还可被配置成在步骤(c)之后并且在步骤(d)之前执行以上的步骤(k)和(l)。类似地，第三方面的计算机程序产品可以包括被配置成使处理器在步骤(c)之后并且在步骤(d)之前执行以上的步骤(k)和(l)的程序代码指令。
第三时期可以对应于心脏舒张期、或在心脏舒张期内的一段时期、或第一声音记录中的第一部分，或对应于第二时期。在步骤(k)中，第三心音级可以基于第三时期的声级的平均值或方差。在步骤(k)中，第三心音级可以基于第三时期的声级的方差的中值。在步骤(k)中，可以在确定第三心音级之前进行第四带通滤波。第四带通滤波可以允许在100-1200Hz内通过。可以在第三时期进行第四带通滤波。在步骤(l)中，所确定的第三心音级可以在0.5和6dB之间、或大约3dB，大于第三时期的声级的平均值或方差的中值。可以在迭代过程中重复执行步骤(k)和(l)。
除了环境噪声之外，第一声音记录可受到内部生理噪声(诸如，肠音或蠕动声)污染。可以通过有助于更加稳健并且准确地确定CAD风险的指征的步骤(k)和(l)来消除这种内部噪声。
第二方面的系统或者第五方面的电子听诊器可以包括用于支撑第一声学传感器和第二声学传感器的、并且用于将第二声学传感器定位在第一声学传感器处的支撑件。该系统可以包括用于容纳第一声学传感器和第二声学传感器的壳体。壳体可以被配置成使第一声学传感器与环境背景声学屏蔽。
可以将第三方面的程序代码指令存储在非暂态存储器中。
在概述和详细描述中的上述方面与权利要求一起阅读，并且可以进一步包括在权利要求中描述的任意特征。
附图简述
图1是几个重叠录制的心跳的图，
图2示意性地示出了系统的实施例，
图3是示意性地示出一般方法的实施例的流程图，
图4是示出方法的详细实施例的流程图，
图5是示出确定CAD风险的指征的详细实施例的流程图，
图6示意性地示出了系统的另一个实施例，
图7是示出用于滤波的方法的详细实施例的流程图，以及
图8是示出自适应滤波的详细实施例的流程图。
附图的详细描述
下列详细描述参照附图。在不同附图中的相同参考数字标识了相同的或类似的元件、步骤或者特征。此外，为了说明和解释一些示例实施例的目的，提供了以下详细描述。
图1是几个重叠录制的心跳的图。指示了S1、S2、S3和S4声音，以及心脏舒张后期或心脏舒张期10。已使心跳相对于它们各自的S2声音对准。水平轴指示相对于S2声音的开始的以毫秒为单位的时间。垂直轴表示以帕斯卡为单位的声压。
图2示意性地示出了用于指示人的CAD风险的系统12的实施例。系统12具有第一声学传感器14，其可以放置在人18的胸部上并且录制心跳。系统12还具有第二声学传感器16，其可以放置在人18身上并且录制环境背景音。处理器20与第一声学传感器14和第二声学传感器16连接。处理器20具有暂态存储器22，暂态存储器22可以存储来自第一声学传感器14和第二声学传感器的声音记录，并且通过暂态存储器22可以执行程序代码指令。
系统12包括支撑件26，其支撑第一声学传感器14和第二声学传感器16，并将第二声学传感器16定位在第一声学传感器14处。系统12还具有壳体28，其容纳第一声学传感器14和第二声学传感器16。系统12还具有非暂态存储器24，其存储用于处理器的程序代码指令。
以上的系统的一个用途是电子听诊器。在实施例的变型中，程序代码指令使处理器执行用于指示CAD风险的方法。下面描述这种方法或相关方法的几个实施例。
在系统的一个实施例中，其还具有指示器25，其与处理器30可操作地连接。指示器25可以例如具有显示确定的指征的一组不同颜色的灯或显示器。这样的指征可以是颜色编码的，或是通过可与CAD风险相关联的数字表示的。
图3是示意性地示出了用于指示人的CAD风险的一般方法100的实施例的流程图。获得第一多个第一声音记录102，其中第一记录中的每一个具有人的心跳。还获得第二多个第二声音记录104，其中每个第二声音记录具有在此人周围的环境背景并且与第一多个第一声音记录被同时录制。这意味着每个第二声音记录形成了与第一声音记录的配对。
随后，执行对于第一多个第一声音记录中的每个第一声音记录的滤波106。滤波是自适应的，并且使用了同时录制的第二声音记录。在每个第一声音记录的滤波106中，首先确定第一声音记录中的心跳的心脏舒张期108。随后执行对于第一声音记录的自适应滤波110。自适应滤波被配置成减少源自在第一声音记录中和在同时录制的第二声音记录中均存在的环境背景的噪声。
自适应滤波110基于或生成于第一声音记录的第一部分并且基于同时录制的第二声音记录的第二部分，其中，第一部分和第二部分被心脏舒张期覆盖并且位于心脏舒张期间内。
在滤波106之后，基于第一多个经滤波的第一声音记录，确定CAD风险的指征107。
在图8中显示了示出自适应滤波110的详细实施例的流程图。首先，确定第一声音记录的第一部分140，并且确定同时录制的第二声音记录的第二部分142。随后，基于第一部分和第二部分确定自适应滤波器144，使得其可以减少源自在第一声音记录和第二声音记录中均存在的环境背景的噪声。随后，由自适应滤波器滤波第一声音记录的一部分(例如，第一部分)146。
图4是示出了用于指示人的CAD风险的方法100的详细实施例的流程图。关于图3描述的步骤被包括并采用相同的索引号来指示。
对于第一声音记录的每个第一部分和同时录制的第二声音记录的第二部分，第一部分和第二部分具有相等的长度，并且第一部分和第二部分是并发的。第一声音记录的第一部分和同时录制的第二声音记录的第二部分从心脏舒张期开始之后的150ms开始。此外，第一声音记录的第一部分的长度和同时录制的第二声音的第二部分具有不长于300ms的长度。
当确定108心脏舒张期时，S2声音的开始被确定112。例如，这可以如同Schmidt等人在(Physiol.Meas.31(2010)513–529)中所述地完成。第一声音记录的第一部分和同时录制的第二声音记录的第二部分从S2声音开始之后的150ms处开始。
另外，S4声音的开始也被确定114。例如，这可以通过根据心跳各自的S1声音使心跳对准来完成。S4声音与S1声音相关联，这意味着S4声音通常与S1声音对准。在S4声音之前的活动被认为与先前的心跳有关。S4声音的开始被认为是根据随后的S1声音的对准而开始使心跳同步的时间。此外，第一声音记录的第一部分和同时录制的第二声音记录的第二部分在S4声音开始之前终止。然而，上述300ms的长度可能导致第一时期和第二时期在S4声音开始之前终止。
自适应滤波基于维纳滤波器，并且对每个第一声音记录的第一部分进行滤波。在可选的实施例中，自适应滤波基于最小二乘滤波器。
在滤波106之前，在第二多个第二声音记录中的每个第二声音记录的第一噪声级被确定116，并且每个具有带有在第一确定噪声级之上的第一噪声级的同时录制的第二声音记录的第一声音记录被丢弃118。第一噪声级基于完整的第二声音记录的声级的方差。在确定第一噪声级之前，进行第一带通滤波，其允许完整的第二声音记录在60-300Hz内通过。此外，将第一确定噪声级设置为65dB。
在滤波106之前，在第一多个第一声音记录中的每个声音记录的第二心音级也被确定120，并且具有低于第一确定心音级的第二心音级的第一声音记录被丢弃122。第二心音级基于对应的完整的第一声音记录的声级的方差。在确定第一噪声级之前，进行第二带通滤波，其允许完整的第一声音记录在60-300Hz内通过。此外，将第一确定心音级设置为60dB。
在滤波106之后并且在CAD的指征的确定107之前，对于每个第二声音记录中的第二时期的第二噪声级被确定124。另外，每个具有带有在第二确定噪声级之上的第二噪声级的同时录制的第二声音记录的第一声音记录被丢弃126。每个第二时期在范围上对应于在相同的第二声音记录中的第二部分。第二噪声级基于第二时期的声级的方差。在确定第二噪声级之前，进行第三带通滤波，其允许在100-1200Hz内通过。此外，将第二确定噪声级设置为60dB。
在滤波106之后并且在CAD的指征的确定107之前，每个第一声音记录中的第三时期的第三心音级被确定128。此外，如果第三心音级超过第二确定心音级，则第一声音记录被丢弃130。第三时期对应于第一声音记录的第一部分。在确定第三心音级之前，进行第四带通滤波，其允许在100-1200Hz内通过。第三心音级基于第三时期的声级的方差。将所确定的第三心音级设置为大于第三时期的声级的方差的中值大约3dB。
图5是示出CAD风险的指征的确定107的详细实施例的流程图。可以在上述方法中实现该步骤。来自经滤波的第一声音记录的一个或更多个第一心音级被确定132。根据经滤波的第一声音记录内的第一时期确定每个第一心音级。CAD风险然后基于一个或更多个第一心音级来确定134。每个第一时期在范围上对应于在对应的第一声音记录中的心脏舒张期。
确定CAD风险的一个示例是计算一个或更多个第一心音级的平均值。如果平均值大于预定值，则指示高风险，并且如果平均值低于预定值，则指示低风险。
图6示意性地示出了系统32的另一个实施例。系统32具有第一声学传感器34以及第二声学传感器36，该第一声学传感器34被配置成放置在人38的胸部上并用于录制心跳，该第二声学传感器36被配置为放置在人38身上并用于录制环境背景声音。系统32还具有控制单元40，控制单元40与第一声学传感器34和第二声学传感器36可操作地连接。
控制单元40可以采用第一声学传感器34获得第一多个第一声音记录，并且每个第一声音记录具有人38的心跳。此外，控制单元40可以采用第二声学传感器36获得第二多个第二声音记录，并且每个第二声音记录具有在人38周围的环境背景并且与第一多个第一声音记录被同时录制。
控制单元40具有滤波单元42，该滤波单元42可以通过使用第二多个同时录制的第二声音记录，对第一多个第一声音记录中的每个第一声音记录进行滤波。滤波单元42具有第一确定单元44和自适应滤波器单元46，该第一确定单元44可以确定第一声音记录中的心跳的心脏舒张期，该自适应滤波器单元46可以对第一声音记录进行自适应滤波以用于减少源于在第一声音记录中并且在同时录制的第二声音记录中均存在的环境背景的噪声。自适应滤波基于第一声音记录的第一部分并且基于同时录制的第二声音记录的第二部分。另外，第一部分和第二部分被心脏舒张期覆盖。
系统32还具有第二确定单元48，该第二确定单元48与控制单元40单元可操作地连接，其可以基于第一多个经滤波的第一声音记录来确定CAD风险的指征。在系统32的另一个实施例中，控制单元40另外具有指征单元45，其与可以指示所确定的指征的第二确定单元48可操作地连接。指征单元45可以例如具有显示所确定的指征的一组不同颜色的灯或显示器。这样的指征可以是按照颜色编码的，或是通过与CAD风险相关联的数字表示的。
图7是示出了对于人的心跳的第一声音记录进行滤波的方法200的实施例的流程图。通过使用在人周围的环境背景的第二声音记录来进行滤波，其中，第二声音记录与第一声音记录被同时录制。第一声音记录中的心跳的心脏舒张期首先被确定202。随后，第一声音记录的自适应滤波被执行204，以用于减少源于在第一声音记录中并且在第二声音记录中均存在的环境背景的噪声。自适应滤波基于第一声音记录的第一部分并且基于第二声音记录的第二部分，并且其中第一部分和第二部分被心脏舒张期覆盖。
下面描述用于在上述实施例中实现维纳滤波器的程序代码指令的示例实施例(在这种情况下是MATLAB代码)。滤波函数定义为：
函数[z,Hd]＝维纳滤波器_c(噪声,x,M)；
在另一个实施例中，滤波器函数被定义为：
函数[z]＝维纳滤波器_p(噪声,x,M)；
在以上函数中，x是将要去噪的信号、或第一声音记录中的第一部分；噪声是代表噪声信号或第二声音记录中的第二部分的矢量；M是滤波器阶数；z是经滤波的信号或者经滤波的第一部分；并且Hd是数字滤波器系数。例如，滤波器阶数可以是对应于25ms的200个样本。然后生成噪声信号的自相关矩阵：
rxx＝xcorr(噪声,M)；
rxx＝rxx(M+1:结束)；
Rxx＝托普利兹(rxx)；
确定在信号和噪声之间的互相关：
rys＝xcorr(x,噪声,M)；
rys＝rys(M+1:结束)；
生成滤波器系数：
w＝(Rxx^(-1))*rys'；
然后生成数字滤波器系数：
Hd＝struct('b',w,'a',1)；
然后生成噪声信号：
de＝滤波器(w,1,噪声)；
从信号中减去噪声信号：
z＝x-de；
在整个详述中，可以通过有线或无线连接来实现可操作地连接，或者可操作地连接对应于有线或无线连接。进一步参考WO 2008/000254 A1、WO2009080040A1和WO 2012/080209 A1，以用于执行上述步骤或提供上述特征。
项目清单
10 心脏舒张期
12 系统
14 第一声学传感器
16 第二声学传感器
18 人
20 处理器
22 暂态存储器
24 非暂态存储器
25 指示器
26 支撑件
28 壳体
32 系统
34 第一声学传感器
36 第二声学传感器
38 人
40 控制单元
42 滤波单元
44 第一确定单元
45 指征单元
46 自适应滤波器单元
48 第二确定单元。

Claims (20)

1.一种用于滤波的方法，所述方法包括：
(a)获得第一多个第一声音记录，其中，每个第一声音记录具有人的心跳，
(b)获得第二多个第二声音记录，其中，每个第二声音记录具有在人周围的环境背景并且与所述第一多个第一声音记录中的第一声音记录被同时录制，
(c)通过使用所述第二多个第二声音记录中的同时录制的第二声音记录，对所述第一多个第一声音记录中的每个第一声音记录进行滤波，对每个第一声音记录进行滤波包括：
(i)确定所述每个第一声音记录中的心跳的心脏舒张期，以及
(ii)确定所述每个第一声音记录的第一部分和所述同时录制的第二声音记录的第二部分，其中，所述第一部分和所述第二部分被所述心脏舒张期覆盖，
(iii)确定用于所述每个第一声音记录的自适应滤波器，其中，所述自适应滤波器基于所述第一部分和所述第二部分，并且被配置用于减少源自在所述每个第一声音记录中和所述同时录制的第二声音记录中均存在的所述环境背景的噪声，以及
(iv)将所述自适应滤波器应用于所述每个第一声音记录。
2.根据权利要求1所述的方法，其中，在经滤波的第一声音记录内的第一时期对应于在所述心脏舒张期内的时期。
3.根据权利要求1-2中任一项所述的方法，其中，所述第一部分和所述第二部分具有相等的长度，并且所述第一部分和所述第二部分是并发的。
4.根据权利要求1-2中任一项所述的方法，其中，所述自适应滤波器基于维纳滤波器，并且所述自适应滤波器能够应用于所述每个第一声音记录的所述第一部分。
5.根据权利要求3所述的方法，其中，所述自适应滤波器基于维纳滤波器，并且所述自适应滤波器能够应用于所述每个第一声音记录的所述第一部分。
6.根据权利要求1-2和5中任一项所述的方法，其中，在执行滤波的步骤(c)之前，所述方法还包括：
(e)确定在所述第二多个第二声音记录中的每个第二声音记录的第一噪声级，其中，所述第一噪声级基于完整的第二声音记录的声级的方差，以及
(f)丢弃具有带有高于第一确定噪声级的第一噪声级的同时录制的第二声音记录的第一声音记录，其中，所述第一确定噪声级是65dB。
7.根据权利要求3所述的方法，其中，在执行滤波的步骤(c)之前，所述方法还包括：
(e)确定在所述第二多个第二声音记录中的每个第二声音记录的第一噪声级，其中，所述第一噪声级基于完整的第二声音记录的声级的方差，以及
(f)丢弃具有带有高于第一确定噪声级的第一噪声级的同时录制的第二声音记录的第一声音记录，其中，所述第一确定噪声级是65dB。
8.根据权利要求4所述的方法，其中，在执行滤波的步骤(c)之前，所述方法还包括：
(e)确定在所述第二多个第二声音记录中的每个第二声音记录的第一噪声级，其中，所述第一噪声级基于完整的第二声音记录的声级的方差，以及
(f)丢弃具有带有高于第一确定噪声级的第一噪声级的同时录制的第二声音记录的第一声音记录，其中，所述第一确定噪声级是65dB。
9.根据权利要求1-2、5和7-8中任一项所述的方法，其中，在执行滤波的步骤(c)之前，所述方法还包括：
(g)确定在所述第一多个第一声音记录中的每个第一声音记录的第二心音级，其中，所述第二心音级基于完整的第一声音记录的声级的平均值或方差，以及
(h)丢弃具有低于第一确定心音级的第二心音级的第一声音记录，其中，所述第一确定心音级是60dB。
10.根据权利要求3所述的方法，其中，在执行滤波的步骤(c)之前，所述方法还包括：
(g)确定在所述第一多个第一声音记录中的每个第一声音记录的第二心音级，其中，所述第二心音级基于完整的第一声音记录的声级的平均值或方差，以及
(h)丢弃具有低于第一确定心音级的第二心音级的第一声音记录，其中，所述第一确定心音级是60dB。
11.根据权利要求4所述的方法，其中，在执行滤波的步骤(c)之前，所述方法还包括：
(g)确定在所述第一多个第一声音记录中的每个第一声音记录的第二心音级，其中，所述第二心音级基于完整的第一声音记录的声级的平均值或方差，以及
(h)丢弃具有低于第一确定心音级的第二心音级的第一声音记录，其中，所述第一确定心音级是60dB。
12.根据权利要求6所述的方法，其中，在执行滤波的步骤(c)之前，所述方法还包括：
(g)确定在所述第一多个第一声音记录中的每个第一声音记录的第二心音级，其中，所述第二心音级基于完整的第一声音记录的声级的平均值或方差，以及
(h)丢弃具有低于第一确定心音级的第二心音级的第一声音记录，其中，所述第一确定心音级是60dB。
13.根据权利要求2所述的方法，其中，在执行滤波的步骤(c)之后，所述方法还包括：
(i)确定在所述第二多个第二声音记录中的每个第二声音记录的第二时期的第二噪声级，其中，所述第二时期对应于所述第一时期，并且所述第二噪声级基于所述第二时期的方差，以及
(j)丢弃具有带有在所述第二时期中高于第二确定噪声级的第二噪声级的同时录制的第二声音记录的每个第一声音记录，其中，所述第二确定噪声级是60dB。
14.根据权利要求2或13所述的方法，其中，在执行滤波的步骤(c)之后，所述方法还包括：
(k)确定在所述第一多个第一声音记录中的每个第一声音记录的第三时期的第三心音级，其中，所述第三时期对应于所述第一时期，并且所述第三心音级基于所述第三时期的声级的方差的中值，以及
(l)丢弃具有超过第二确定心音级的所述第三心音级的所述第一声音记录，其中，所确定的第三心音级大于所述第三时期的声级的平均值或方差的中值3dB。
15.一种用于指示人的冠状动脉疾病的风险的系统，其中，所述系统包括：
(A)第一声学传感器，所述第一声学传感器被配置成放置在人的胸部上并用于录制心跳，
(B)第二声学传感器，所述第二声学传感器被配置为放置在人身上并用于录制环境背景声音；
(C)处理器，所述处理器与所述第一声学传感器和所述第二声学传感器可操作地连接，并且被配置成：
(a)采用所述第一声学传感器获得第一多个第一声音记录，其中，每个第一声音记录具有人的心跳，
(b)采用所述第二声学传感器获得第二多个第二声音记录，其中，每个第二声音记录具有在人周围的环境背景并且与所述第一多个第一声音记录中的第一声音记录被同时录制，
(c)通过使用所述第二多个第二声音记录中的同时录制的第二声音记录，对所述第一多个第一声音记录中的每个第一声音记录进行滤波，对每个第一声音记录进行滤波包括：
(i)确定所述每个第一声音记录中的心跳的心脏舒张期，以及
(ii)确定所述每个第一声音记录的第一部分和所述同时录制的第二声音记录的第二部分，其中，所述第一部分和所述第二部分被所述心脏舒张期覆盖，
(iii)确定用于所述每个第一声音记录的自适应滤波器，其中，所述自适应滤波器基于所述第一部分和所述第二部分，并且被配置用于减少源自在所述每个第一声音记录中和所述同时录制的第二声音记录中均存在的所述环境背景的噪声，以及
(iv)将所述自适应滤波器应用于所述每个第一声音记录。
16.根据权利要求15所述的系统，其中，所述处理器还被配置为：
(d)基于第一多个经滤波的第一声音记录，确定对于冠状动脉疾病的风险的指征。
17.根据权利要求15或16所述的系统，其中，所述系统还包括支撑件，所述支撑件用于支撑所述第一声学传感器和所述第二声学传感器，并且用于将所述第二声学传感器定位在所述第一声学传感器处。
18.一种在系统中使用的计算机存储介质，所述系统包括：(A)第一声学传感器，所述第一声学传感器被配置成放置在人的胸部上并用于录制心跳，(B)第二声学传感器，所述第二声学传感器被配置为放置在人身上并用于录制环境背景声音，以及(C)处理器，所述处理器与所述第一声学传感器和所述第二声学传感器可操作地连接，所述计算机存储介质储存程序代码指令，所述程序代码指令被配置成在由所述系统的处理器执行时，使所述处理器：
(a)采用所述第一声学传感器获得第一多个第一声音记录，其中，每个第一声音记录具有人的心跳，
(b)采用所述第二声学传感器获得第二多个第二声音记录，其中，每个第二声音记录具有在人周围的环境背景并且与所述第一多个第一声音记录中的第一声音记录被同时录制，
(c)通过使用所述第二多个第二声音记录中的同时录制的第二声音记录，对所述第一多个第一声音记录中的每个第一声音记录进行滤波，对每个第一声音记录进行滤波包括：
(i)确定所述每个第一声音记录中的心跳的心脏舒张期，以及
(ii)确定所述每个第一声音记录的第一部分和所述同时录制的第二声音记录的第二部分，其中，所述第一部分和所述第二部分被所述心脏舒张期覆盖，
(iii)确定用于所述每个第一声音记录的自适应滤波器，其中，所述自适应滤波器基于所述第一部分和所述第二部分，并且被配置用于减少源自在所述每个第一声音记录中和所述同时录制的第二声音记录中均存在的所述环境背景的噪声，以及
(iv)将所述自适应滤波器应用于所述每个第一声音记录，以及
(d)基于第一多个经滤波的第一声音记录，确定对于冠状动脉疾病的风险的指征。
19.一种用于滤波的方法，所述方法通过使用在人周围的环境背景的第二声音记录来对人的心跳的第一声音记录进行滤波，其中，所述第二声音记录与所述第一声音记录被同时录制，所述方法包括：
(i)确定所述第一声音记录中的心跳的心脏舒张期，以及
(ii)确定所述第一声音记录的第一部分和同时录制的第二声音记录的第二部分，其中，所述第一部分和所述第二部分被所述心脏舒张期覆盖，
(iii)确定用于所述第一声音记录的自适应滤波器，其中，所述自适应滤波器基于所述第一部分和所述第二部分，并且被配置用于减少源自在所述第一声音记录中和所述同时录制的第二声音记录中均存在的所述环境背景的噪声，以及
(iv)将所述自适应滤波器应用于所述第一声音记录。
20.一种电子听诊器，包括：
(A)第一声学传感器，所述第一声学传感器被配置成放置在人的胸部上并用于录制心跳，
(B)第二声学传感器，所述第二声学传感器被配置为放置在人身上并用于录制环境背景声音；
(C)处理器，所述处理器与所述第一声学传感器和所述第二声学传感器可操作地连接，并且被配置成：
(a)采用所述第一声学传感器获得第一声音记录，其中，第一多个第一声音记录中的每个第一声音记录具有人的心跳，
(b)采用所述第二声学传感器获得第二声音记录，其中，所述第二声音记录具有在人周围的环境背景并且与所述第一声音记录被同时录制，以及
(c)通过使用同时录制的第二声音记录，对所述第一声音记录进行滤波，所述滤波包括：
(i)确定所述第一声音记录中的心跳的心脏舒张期，
(ii)确定所述第一声音记录的第一部分和所述同时录制的第二声音记录的第二部分，其中，所述第一部分和所述第二部分被所述心脏舒张期覆盖，
(iii)确定用于所述第一声音记录的自适应滤波器，其中，所述自适应滤波器基于所述第一部分和所述第二部分，并且被配置用于减少源自在所述第一声音记录中和所述同时录制的第二声音记录中均存在的所述环境背景的噪声，以及
(iv)将所述自适应滤波器应用于所述第一声音记录。
CN201680011399.0A 2015-04-09 2016-04-08 用于冠状动脉疾病的风险指征 Active CN107249466B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP15163018.3A EP3078329A1 (en) 2015-04-09 2015-04-09 Indication of risk for coronary artery disease
EP15163018.3 2015-04-09
PCT/EP2016/057798 WO2016162503A1 (en) 2015-04-09 2016-04-08 Indication of risk for coronary artery disease

Publications (2)

Publication Number Publication Date
CN107249466A CN107249466A (zh) 2017-10-13
CN107249466B true CN107249466B (zh) 2021-02-19

Family

ID=52814911

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680011399.0A Active CN107249466B (zh) 2015-04-09 2016-04-08 用于冠状动脉疾病的风险指征

Country Status (4)

Country Link
US (1) US10849567B2 (zh)
EP (2) EP3078329A1 (zh)
CN (1) CN107249466B (zh)
WO (1) WO2016162503A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11045163B2 (en) 2017-09-19 2021-06-29 Ausculsciences, Inc. Method of detecting noise in auscultatory sound signals of a coronary-artery-disease detection system
US11284827B2 (en) 2017-10-21 2022-03-29 Ausculsciences, Inc. Medical decision support system
EP3476299A1 (en) 2017-10-26 2019-05-01 Acarix A/S Risk determination of coronary artery disease
JP7504770B2 (ja) 2020-11-02 2024-06-24 日清紡マイクロデバイス株式会社 電子聴診器

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5109863A (en) 1989-10-26 1992-05-05 Rutgers, The State University Of New Jersey Noninvasive diagnostic system for coronary artery disease
US5503161A (en) * 1993-10-25 1996-04-02 Van Den Heuvel; Raymond C. Universal medical instrument based on spectrum analysis
US7006638B1 (en) 1994-08-30 2006-02-28 Bang & Olufsen Technology A/S Electronic stethoscope
US5913826A (en) 1996-06-12 1999-06-22 K-One Technologies Wideband external pulse cardiac monitor
JP3577417B2 (ja) * 1998-08-18 2004-10-13 博志 松本 冠状動脈病変診断装置および診断方法
CA2290247C (en) 1999-11-24 2008-06-17 Stergios Stergiopoulos Method and device for measuring systolic and diastolic blood pressure and heart rate in an environment with extreme levels of noise and vibrations
US6805671B2 (en) 2000-11-24 2004-10-19 Her Majesty The Queen In Right Of Canada, As Represented By The Minister Of National Defence Method and device for measuring systolic and diastolic blood pressure and heart rate in an environment with extreme levels of noise and vibrations
CA2478912C (en) * 2002-03-18 2016-11-15 Sonomedica, Llc Method and system for generating a likelihood of cardiovascular disease from analyzing cardiovascular sound signals
WO2004032741A1 (en) 2002-10-09 2004-04-22 Bang & Olufsen Medicom A/S A procedure for extracting information from a heart sound signal
CA2481631A1 (en) 2004-09-15 2006-03-15 Dspfactory Ltd. Method and system for physiological signal processing
US7733224B2 (en) 2006-06-30 2010-06-08 Bao Tran Mesh network personal emergency response appliance
US20100145210A1 (en) 2006-06-26 2010-06-10 Claus Graff Multi parametric classification of cardiovascular sounds
WO2008036911A2 (en) * 2006-09-22 2008-03-27 University Of Medicine And Dentistry Of New Jersey System and method for acoustic detection of coronary artery disease
EP2014234A1 (en) 2007-06-04 2009-01-14 Universita'degli Studi Di Milano Auscultation device with high ambient noise rejection and operating method thereof
CN101951830B (zh) 2007-12-20 2012-11-28 阿克瑞克公司 用于监视声信号的粘贴片
WO2009138932A1 (en) 2008-05-12 2009-11-19 Koninklijke Philips Electronics N.V. Method and apparatus for processing heart sound signals
EP2462871A1 (en) * 2010-12-13 2012-06-13 Acarix A/S System, stethoscope and method for indicating risk of coronary artery disease
US20120172676A1 (en) 2010-12-29 2012-07-05 Stichting Imec Nederland Integrated monitoring device arranged for recording and processing body sounds from multiple sensors

Also Published As

Publication number Publication date
US10849567B2 (en) 2020-12-01
EP3280332A1 (en) 2018-02-14
CN107249466A (zh) 2017-10-13
EP3078329A1 (en) 2016-10-12
WO2016162503A1 (en) 2016-10-13
US20180020987A1 (en) 2018-01-25

Similar Documents

Publication Publication Date Title
CA2819293C (en) System, stethoscope and method for indicating risk of coronary artery disease
KR101974482B1 (ko) 전자 청진 장치, 자동 진단 장치 및 자동 진단 방법
JP5576116B2 (ja) 心血管音のマルチパラメータ分類
JP4819687B2 (ja) 特異値分解を使用する聴診音を分析する方法および診断装置
CN107249466B (zh) 用于冠状动脉疾病的风险指征
AU2017285334B2 (en) Quantitative seismocardiography
EP2461750A1 (en) Medical decision support system
US10004473B2 (en) Heart rate detection method and device using heart sound acquired from auscultation positions
CN103479383A (zh) 心音信号分析的方法及装置和具有其的智能心脏听诊器
Leal et al. Noise detection in phonocardiograms by exploring similarities in spectral features
Schmidt Detection of coronary artery disease with an electronic stethoscope
US7479113B2 (en) Method and device for automatically determining heart valve damage
JPH0315441A (ja) 心音計
WO2019188768A1 (ja) シャント音解析装置及び方法、コンピュータプログラム並びに記憶媒体
KR100910591B1 (ko) 피 측정자의 움직인 정도를 측정하여 부정맥을 판단할 수있는 혈압 측정 방법
Wang et al. Feature extraction of the VSD heart disease based on Audicor device measurement
JP2007244412A (ja) 血管の異常診断装置及び異常診断方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant