CN111936055A

CN111936055A - 用于指示胃肠道疾病的可能性的方法和系统

Info

Publication number: CN111936055A
Application number: CN201880091734.1A
Authority: CN
Inventors: B·J·马歇尔; K·M·韦伯利; G·A·P·奥尔伍德; X·杜; W·万; A·奥塞兰
Original assignee: University of Western Australia
Current assignee: University of Western Australia
Priority date: 2018-02-14
Filing date: 2018-12-13
Publication date: 2020-11-13
Also published as: EP3752065A4; JP2021517005A; US20210000442A1; CA3090890A1; EP3752065A1; AU2018409049A1; SG11202007753WA; WO2019157552A1

Abstract

提供了一种用于通过分析肠鸣音来指示胃肠(GI)疾病的可能性的系统(10)，所述系统(10)包括被配置为探测肠鸣音并生成表示肠鸣声的相应信号的声音探测器(12)，被安排为在相应信号内辨识多个肠鸣音信号，每个肠鸣音信号表示单个肠鸣音的信号处理器，其中所述系统被安排为从多个肠鸣音信号中的每一个中辨识至少一个特征，以便产生相同的至少一个特征的值的集合，并判定所述值的集合的至少一个统计分布特性，所述至少一个统计分布特性能够至少辅助提供存在还是不存在GI疾病的指示；以及其中所述系统进一步被安排为将所述至少一个统计分布特性与参考参数关联，并基于所述关联判定所述GI疾病的可能性。还提供了相应的方法。

Description

用于指示胃肠道疾病的可能性的方法和系统

技术领域

本发明涉及一种用于指示胃肠道疾病的可能性的方法和系统，更具体而言但非排他地涉及一种用于指示功能性胃肠道病症(如肠易激综合征)的可能性和/或胃肠道器质性病(如炎性肠病)的可能性和/或区分两者的方法和系统。

背景技术

功能性胃肠道(GI)病症(如肠易激综合征(IBS))和GI器质性病(如炎性肠病(IBD)，包括克罗恩病和溃疡性结肠炎)使GI疾病恶化。它们也很常见，例如IBS估计影响全球约11％的人群。

当前用于IBS诊断的金标准是通过基于罗马IV症状的诊断标准。虽然提供了阳性诊断，这些标准并不具有高的可靠性(低灵敏度)。医师通常通过排除过程来诊断IBS，即排除与IBS具有共同症状的许多器质性病。初始筛查通常包括基线血液检查和粪便检查，以排除感染、腹腔病和IBD。通常，即使已发现结肠镜检查仅在一小部分具有IBS症状的患者中显示GI器质性病(如IBD)，初级护理医师也会让患者进行结肠镜检查和活检。

这些侵入性检查是卫生系统的负担，导致延长了胃肠病学检查的候诊名单，以及增加了与IBS相关的经济成本。结肠镜检查不仅使患者不舒服，而且具有显著的风险。除了这些风险外，患者的负担还在多方面，包括身体不适、心理困扰和因工作请假造成的经济成本。此外，由于IBS与肠道中的任何明显结构或生化变化不相关，因此这些侵入性手术不能为IBS提供阳性诊断。排除诊断通常使患者感到困惑和不愿进行治疗。能够为具有有IBS的家族史或症状史的患者提供阳性诊断且具有成本效益的检查，对病情的诊断和整体管理将大有裨益。

此外，对于具有GI器质性病(例如IBD或腹腔病)的患者，在通过活检确认之前，非侵入性检查将是一种非常有用且具有成本效益的筛查工具。

需要一种新的具有成本效益的、准确的和非侵入性的针对胃肠道疾病的诊断检查。

发明内容

如果非侵入性检查可允许判定个体具有GI疾病相对于具有健康肠的可能性，那将是有利的。如果单一非侵入性检查可允许(i)区分健康个体和患有功能性GI病症(如IBS)的个体，(ii)区分健康个体和患有GI器质性病(如IBD)的个体，以及(iii)区分患有功能性GI病症的个体和患有GI器质性病的个体，那将是进一步有利的。因此，如果单一非侵入性检查可允许指示个体具有功能性GI病症相对于健康的可能性，具有GI器质性病相对于健康的可能性，以及具有功能性GI病症相对于具有GI器质性病的可能性，那将是有利的。

广义上讲，本发明的实施方案试图基于患者的肠鸣音来提供患者可能具有GI疾病或可能具有健康肠的可能性的指示。这可为GI疾病(包括功能性GI病症(如IBS)和GI器质性病(如IBD))提供具有成本效益的非侵入性诊断检查。

根据本发明的第一方面，提供了一种系统，其用于通过分析肠鸣音来指示胃肠道(GI)疾病的可能性，该系统包括：

声音探测器，其被配置为探测肠鸣音并生成表示肠鸣音的相应信号；

信号处理器，其被安排为在相应信号内辨识多个肠鸣音信号，每个肠鸣音信号表示单个肠鸣音；

其中所述系统被安排为从多个肠鸣音信号中的每一个中辨识至少一个特征，以便产生相同的至少一个特征的值的集合，并判定所述值的集合的至少一个统计分布特性，所述至少一个统计分布特性能够至少辅助提供存在还是不存在GI疾病的指示；以及

其中所述系统进一步被安排为将所述至少一个统计分布特性与参考参数关联，并基于所述关联判定所述GI疾病的可能性。

该至少一个统计分布特性可包括偏斜度和/或峭度。

该系统可被安排为基于至少一个统计分布特性与相应参考参数的关联来生成索引值，并且将该索引值与阈值进行比较，以判定GI疾病的可能性。

该系统可被安排为使用以下方程来生成索引值，

其中“f”是索引值，“x_i”表示至少一个特征中的每个特征，“i”是从1到n的整数，其中n是特征的数，“c_i”表示与特征“x_i”关联的参考参数。

参考参数可是适用于至少一个辨识特征的关联统计分布特性的权重值。

在一个实施方案中，GI疾病是功能性GI病症，例如肠易激综合征(IBS)。该系统可被安排为基于该关联来判定IBS相对于健康肠的可能性。

在另一个实施方案中，GI疾病是GI器质性病，例如炎性肠病(IBD)。该系统可被安排为基于该关联来判定IBD相对于健康肠的可能性。

在其他实施方案中，GI疾病包括功能性GI病症和GI器质性病，其中至少一个统计分布特性能够至少辅助提供存在还是不存在功能性GI病症和GI器质性病的指示。该系统可被安排为基于至少一个统计分布特性与相应参考参数的关联来判定IBS相对于IBD的可能性。

该系统还可被安排为同时判定至少一个能够至少辅助提供存在还是不存在IBS的指示的统计分布特性，和至少一个能够至少辅助提供存在还是不存在IBD的指示的统计分布特性，由此该系统被安排为基于至少一个统计分布特性与相应参考参数的各个关联，同时判定IBS相对于健康肠的可能性以及IBD相对于健康肠的可能性。

当至少一个统计分布特性与相应参考参数的各个关联指示相较于健康肠更可能是IBS时，该系统还可被安排为判定IBS相对于IBD的可能性。

可选地或另外地，当至少一个统计分布特性与相应参考参数的各个关联指示相较于健康肠更可能是IBD时，该系统还可被安排为判定IBS相对于IBD的可能性。

所述至少一个特征可包括以下一项或多项或基于以下一项或多项：振幅；突发量；突发比；收缩间隔时间；高阶过零；频带能量比；频谱带宽；双频；平坦度；频谱质心；能量；动态范围；mel宽度；包络波峰因子；以及滚降。

在一个实施方案中，系统被安排为从多个肠鸣音信号中的每个辨识多个不同特征，并基于不同特征的组合来判定GI疾病的可能性。

在一个实施方案中，该系统被安排为基于不同特征的第一组合来判定IBS相对于健康肠的可能性，所述不同特征包括基于以下的至少一个特征：突发；频谱带宽；双频；收缩间隔时间；或高阶过零。

在另一实施方案中，该系统被安排为基于不同特征的第二组合来判定IBD相对于健康肠的可能性，所述不同特征包括基于以下的至少一个特征：平坦度3000；或频谱质心。

该系统还被安排为基于不同特征的第三组合来判定IBS相对于IBD的可能性，所述不同特征包括基于以下的至少一个特征：包络波峰因子；或滚降。

该系统可被安排为判定至少一个特征的值的集合的多个不同统计分布特性，并且基于不同统计分布特性的组合来判定GI疾病的可能性。

声音探测器可包括至少两个声传感器，其位于对象腹部区域附近并且彼此间隔开，以探测来自腹部区域的肠鸣音。

该系统可进一步被安排为使得对于由该系统辨识的每个肠鸣音信号，该系统辨识至少两个待与肠鸣音信号关联的声学传感器中之一，传感器基于该信号产生与该肠鸣音信号相应的最高振幅读数。

为了辨识单个肠鸣音信号，信号处理器可被安排为将相应的信号分成多个片段，并且对于每个片段，判定是否存在以下范围的任一范围内的信号部分：200Hz至800Hz；600Hz至1000Hz；800Hz至1200Hz；1000Hz至1600Hz；以及1600Hz至2000Hz。

根据本发明的第二方面，提供了一种通过分析肠鸣音来指示GI疾病的可能性的方法，该方法包括：

获得表示声音的信号，所述声音包括多个源自腹部区域的肠鸣音；

在信号内辨识多个肠鸣音信号，每个肠鸣音信号表示单个肠鸣音；

在信号内辨识多个肠鸣音信号中的每一个的至少一个特征，以便产生相同的至少一个特征的值的集合；

判定所述值的集合的至少一个统计分布特性，所述至少一个统计分布特性能够至少辅助提供存在还是不存在GI疾病的指示；

将所述至少一个统计分布特性与参考参数关联；以及

基于所述关联判定所述GI疾病的可能性。

该至少一个统计分布特性可包括偏斜度和/或峭度。

该方法可包括基于至少一个统计分布特性与相应参考参数的关联来生成索引值，并且将该索引值与阈值进行比较，以判定GI疾病的可能性。

该方法可包括使用以下方程来生成索引值，

在一个实施方案中，GI疾病是功能性GI病症，例如肠易激综合征(IBS)。该方法可包括基于该关联来判定IBS相对于健康肠的可能性。

在另一个实施方案中，GI疾病是GI器质性病，例如炎性肠病(IBD)。该方法可包括基于该关联来判定IBD相对于健康肠的可能性。

在其他实施方案中，GI疾病包括功能性GI病症和GI器质性病，其中至少一个统计分布特性能够至少辅助提供存在还是不存在IBS和IBD的指示。

该方法可包括基于至少一个统计分布特性与相应参考参数的关联来判定IBS相对于IBD的可能性。

在一个实施方案中，该方法还可包括同时判定至少一个能够至少辅助提供存在还是不存在IBS的指示的统计分布特性，和至少一个能够至少辅助提供存在还是不存在IBD的指示的统计分布特性，由此该方法包括基于至少一个统计分布特性与相应参考参数的各个关联，同时判定IBS相对于健康肠的可能性以及IBD相对于健康肠的可能性。

在一个实施方案中，当至少一个统计分布特性与相应参考参数的各个关联指示相较于健康肠更可能是IBS时，该方法还可包括判定IBS相对于IBD的可能性。

可选地或另外地，当至少一个统计分布特性与相应参考参数的各个关联指示相较于健康肠更可能是IBD时，该方法还可包括判定IBS相对于IBD的可能性。

该方法可包括使用声音探测器获得表示声音的信号，所述声音包括多个肠鸣音。所述声音探测器可包括至少两个声传感器，其位于对象腹部区域附近并且彼此间隔开，以探测来自腹部区域的肠鸣音。

该方法可包括辨识每个肠鸣音信号，至少两个待与肠鸣音信号关联的声学传感器中之一，传感器基于该信号产生与该肠鸣音信号相应的最高振幅读数。

为了辨识单个肠鸣音信号，该方法可包括将表示肠鸣音的信号分成多个片段，对于每个片段，判定是否存在以下范围的任一范围内的信号部分：200Hz至800Hz；600Hz至1000Hz；800Hz至1200Hz；1000Hz至1600Hz；以及1600Hz至2000Hz。

该方法可包括从多个肠鸣音信号中的每个辨识多个不同特征，并基于不同特征的组合来判定GI疾病的可能性。

在一个实施方案中，该方法包括基于不同特征的第一组合来判定IBS相对于健康肠的可能性，所述不同特征包括基于以下的至少一个特征：突发；频谱带宽；双频；收缩间隔时间；或高阶过零。

在另一实施方案中，该方法包括基于不同特征的第二组合来判定IBD相对于健康肠的可能性，所述不同特征包括基于以下的至少一个特征：平坦度3000；或频谱质心。

该方法还包括基于不同特征的第三组合来判定IBS相对于IBD的可能性，所述不同特征包括基于以下的至少一个特征：包络波峰因子；或滚降。

该方法可包括判定至少一个特征的值的集合的多个不同统计分布特性，并且基于不同统计分布特性的组合来判定GI疾病的可能性。

根据本发明的第三方面，提供了一种用于存储指令的计算机可读介质，所述指令在由计算设备执行时使计算机执行根据第二方面的方法。

根据本发明的第四方面，提供了一种用于通过分析肠鸣音来诊断GI疾病的系统，该系统包括：

根据本发明的第五方面，提供了一种通过分析肠鸣音来诊断GI疾病的方法，该方法包括：

将所述至少一个统计分布特性与参考参数关联；以及

基于所述关联判定所述GI疾病的可能性。

附图说明

尽管任何其他形式都可能落入如发明内容所示的公开内容的范围之内，但现在将仅通过举例的方式，参照附图描述特定实施方案，其中：

图1示出了根据本发明实施方案的系统的框图；

图2是根据实施方案的系统的辨识器的框图；

图3是根据本发明实施方案的系统的信号处理器的框图；

图4是根据实施方案的系统的判定器的框图；

图5是示出可在根据实施方案的系统中使用的传感器和记录设备的俯视图；

图6是表示图5所示的传感器可能所处的位置的主视图；

图7表示根据实施方案的系统可分析的肠鸣音信号；

图8示出了具有特定特征的两个信号的曲线图；

图9示出了根据本发明的其他特定实施方案的系统的框图；

图10是根据本发明实施方案的方法的流程图；和

图11是根据图10的其他特定实施方案的用于判定GI疾病的可能性的过程的流程图。

特定实施方案

本发明的实施方案涉及一种方法和系统，该方法和系统允许提供单一无创且具有成本效益的检查，以基于患者的肠鸣音指示患者可能具有胃肠道(GI)疾病或可能具有健康肠的可能性。GI疾病包括功能性GI病症(例如肠易激综合征(IBS))和GI器质性病(例如炎性肠病(IBD))。IBD包括克罗恩病和溃疡性结肠炎。应当理解，本发明的实施方案无论如何可包括判定除了IBS以外的功能性GI病症疾病的可能性，例如周期性呕吐综合征、功能性便秘或功能性腹泻，并且还可包括判定其他GI器质性病的可能性，例如腹腔病、肿瘤、传染性肠炎、梗阻或癌症。

为了诊断IBS，在通过筛查检查或结肠镜检查和活检排除了其他疾病例如IBD之后，医师可选择使用根据本发明实施方案的方法和系统。使用根据本发明实施方案的方法和系统对IBS或健康肠的可能性的阳性判定或诊断将例如允许向患者提供IBS的阳性诊断的进一步确认，并且可排除IBD。

使用根据本发明实施方案的方法和系统的单一检查可进一步允许区分例如三组患者，即IBS患者、IBD患者和健康个体。然后，医师师选择预定其他检查，例如带活检的结肠镜检查，以确认任何器质性病(例如IBD)的诊断。

系统概述

参照附图的图1，示出了用于通过分析肠鸣音来指示GI疾病的可能性的系统10的实施方案。一般而言，系统10被配置为获得与肠鸣音的连续记录相应的信号，分析该信号，并基于该分析判定产生肠鸣音的对象具有GI疾病的可能性。

该系统包括声音探测器12，其用于探测肠鸣音并生成表示肠鸣音的相应信号。声音探测器12可例如是麦克风或压电传感器。系统10还包括信号处理器，其被安排为辨识相应信号内的多个肠鸣音信号，其中每个肠鸣音信号表示单个肠鸣音。在该实例中，信号处理器包括用于辨识各个肠鸣音的肠鸣音辨识器14。

然后，系统10被安排为从多个肠鸣音信号中的每一个中辨识至少一个特征，以便产生相同的至少一个特征的值的集合。在该实例中，信号处理器还包括特征提取器16，其被安排为提取或辨识至少一个特征。(一个或多个)特征可例如是肠鸣音信号的振幅和/或持续时间。优选地，从肠鸣音信号中辨识出多个不同特征，并且对于每个特征，获得值的集合。优选和/或有利的特征将在下面更详细地描述。

由于从多个肠鸣音信号中收集了每个特征的多个值，所以可获得任一特征的统计分布。然后，系统10被安排为判定至少一个特征的至少一个统计分布特性，该至少一个统计分布特性能够至少辅助提供存在还是不存在GI疾病的指示。统计分布特性可例如是偏斜度和/或峭度。

系统10进一步被安排为进一步被安排为将所述至少一个统计分布特性与参考参数关联。然后系统10基于所述关联判定所述GI疾病的可能性。

在该实例中，系统10包括用于存储相应参考参数的存储器和用于基于该关联判定可能性的GI疾病判定器18。

根据本发明的第一特定实施方案，系统10被配置为与具有健康肠的对象相比，基于该关联判定产生肠鸣音的对象具有IBS的可能性，并且GI疾病判定器18是IBS判定器。因此，系统10被安排为判定至少一个特征的至少一个统计分布特性，该至少一个统计分布特性能够至少辅助提供存在还是不存在IBS的指示。

根据本发明的第二实施方案，系统10被配置为与具有健康肠的对象相比，基于该关联判定产生肠鸣音的对象具有IBD的可能性，并且GI疾病判定器18是IBD判定器。因此，系统10被安排为判定至少一个特征的至少一个统计分布特性，该至少一个统计分布特性能够至少辅助提供存在还是不存在IBD的指示。

应当指出，出于本发明的目的，具有克罗恩病和溃疡性结肠炎的患者都被归类为IBD患者。

根据本发明的第三实施方案，系统10被配置为与具有IBD的对象相比，基于该关联判定产生肠鸣音的对象具有IBS的可能性，并且GI疾病判定器18是IBS/IBD判定器。因此，系统10被安排为判定至少一个特征的至少一个统计分布特性，该至少一个统计分布特性能够至少辅助提供存在还是不存在IBS和IBD的指示。

因此，系统10可允许区分健康个体和患有功能性GI病症如IBS的个体，区分健康个体和患有GI器质性病如IBD的个体，以及区分患有功能性GI病症如IBS和患有GI器质性病如IBD的个体。

在本发明的其他实施方案中，GI疾病判定器18包括IBS判定器、IBD判定器和IBS/IBD判定器中的每一个，并且系统10被配置为基于至少一个统计分布特性与相应参考参数的各个关联，同时判定IBS相对于健康肠的可能性以及IBD相对于健康肠的可能性。

此外，将理解，GI疾病判定器18可选地可包括IBS判定器、IBD判定器和IBS/IBD判定器中的一个或多个，和/或除IBS和IBD之外的GI疾病关联的其他判定器。

现在将更详细地描述系统10的部件。

声音探测器

根据特定实例，声音探测器12包括可附接到皮带或由皮带保持在适当位置的振动传感器阵列。参考图5，示出了根据该实例的四个振动传感器V1、V2、V3和V4。振动传感器V1至V4将以间隔开的方式保持紧靠患者或保持于对象腹部区域皮肤附近。在此实例中，使用皮带(未显示)将传感器V1、V2、V3和V4分别放置在位置P1、P2、P3和P4(相应于对象腹部的象限，如图6所示)。四个象限包括左上象限(P1)、左下象限(P2)、右上象限(P3)和右下象限(P4)。皮带的长度可调节，以适应不同的对象。例如，皮带可包括弹性材料或

钩环紧固件。或者，可使用粘合剂将传感器保持在对象的皮肤上。

在该实例中，每个振动传感器V1至V4包括压电传感器部件和用于将探测到的声音转换成电信号的变换器。传感器V1至V4连接到用于记录信号的记录设备，该记录设备也可构成系统10的声音探测器12部件的一部分。每个振动传感器可进一步嵌入双变换器，以在嘈杂环境使用时允许主动降噪。在该实例中，在相对安静的环境中记录肠鸣音，并使用四个单压电传感器和相应的变换器进行探测。压电传感器主要是接触式麦克风，对背景噪声相对不敏感。记录设备还可包括用于数字信号处理目的的模数转换器。在该实例中，如图5所示，使用了手持记录器36。但是，应当理解，可使用其他合适的记录设备。

优选地，由声音探测器12获取的相应信号相应于来自对象腹部区域的肠鸣音的大约或超过2小时的记录。特别地，建议在对象禁食大约12小时后记录2个小时的肠鸣音，并在对象进食简单食物(例如吐司、黄油、水或餐饮料(例如

))后进一步记录大约40分钟，这可能对于判定IBS或判定IBD特别有用。因此，所获取的信号可具有响应于“禁食状态”的信号部分和相应于“食物状态”的另一部分。

肠鸣音辨识器

一旦获取了相应的信号，声音探测器12就将该信号传输到肠鸣音辨识器14。该信号传输可通过无线或有线数据传输装置进行。然后肠鸣音辨识器14处理该信号以自动辨识单个肠鸣音信号。参考图2，辨识器14包括分段模块20、信号修饰器22和频带探测器24。

分段模块20将相应的信号分成信号片段X_{BS_1}，X_{BS_2}，…，X_{BS_N}，其中X_BS是肠鸣音时间序列数据。片段的长度可例如为20-40ms，例如长度为大约30ms。在该特定实例中，分段模块20利用窗口函数，该窗口函数可具有大约30ms的窗口大小，其在相邻窗口之间具有20ms重叠。由于肠鸣音通常是短突发，其中能量与时间的分布非常不均匀，因此选择了矩形窗口函数。

然后信号修饰器22将傅立叶变换26应用于信号片段，以获得频谱数据S_{BS_1}，S_{BS_2}，…，S_{BS_N}，如下所示：

S_BS＝FFT(X_BS)…(方程1)

为了从频谱中消除背景噪声，还对声音探测器12的频率响应(S_N)进行了评估，如下所示：

S_N＝FFT(X_噪声)…(方程2)

然后修饰器22执行噪声消减28，以获得一系列与每个信号片段相应的修饰的频谱S_{MBS_1}，S_{MBS_2}，…，S_{MBS_N}，如下所示：

S_MBS＝S_BS/S_噪声…(方程3)

然后将一系列修饰的频谱数据S_{MBS_1}，S_{MBS_2}，…，S_{MBS_N}输入到肠鸣音辨识器14的频带探测器24中，以辨识或指定单个肠鸣音信号。可选地或另外地，可在辨识肠鸣音之前执行主动降噪。

在这方面，已经认识到所有肠鸣音的主要频率分量在200至2000Hz之间，并且带宽相对较窄。相反，频谱数据中可能存在其他污染性噪声因素，例如与传感器的摩擦、肺音和心脏跳动等。但是，已判定这些噪声的频谱不与肠鸣音重叠。因此，为了自动辨识肠鸣音，选择了多个特定的频带子集。在此实例中，使用了以下五个频带：

1.200至800Hz

2.600至1000Hz

3.800至1200Hz

4.1000至1600Hz

5.1600至2000Hz

术语带能量比(BER)在本文中用于表示相对于记录中存在的整个范围频率，特定信号或信号部分在具体频带内所具有的能量的比。对于每个信号片段，频带探测器24计算信号片段在具体频带内所具有的BER。如果探测器24在一个频带中辨识出信号片段的BER高于阈值，例如90％，则将该信号片段识别为肠鸣音段。此外，如果探测器24在所识别的肠鸣音段的任一侧的100ms的范围内没有识别出其他肠鸣音段，则探测器24将肠鸣音段定义为单个肠鸣音信号。或者，如果在信号片段的时间帧内识别到多于一个肠鸣音段，则探测器24将肠鸣音段分组并且将分组定义为具有多个分量的单个肠鸣音信号。

在长达2小时的肠鸣音记录中，估计可能会辨识出数十万个单个肠鸣音信号。

然后，系统10将辨识的肠鸣音信号输入到特征提取器16中。

特征提取器

在该实例中，系统10包括特征提取器16，特征提取器16被安排为从多个肠鸣音信号中的每一个辨识多个不同特征。例如，不同特征可为基于以下的特征：突发(例如突发量或突发比)、收缩间隔时间、频谱带宽、双频、频带能量比、高阶过零、平坦度、频谱质心、能量、动态范围、mel宽度、包络波峰因子、或滚降，这将在下面进行详细说明。在该实例中，基于不同特征的组合，GI疾病判定器18被安排为判定GI疾病的可能性。

在第一实施方案中，GI疾病判定器18的IBS判定器被安排为基于不同特征的第一组合来判定IBS相对于健康肠的可能性，所述不同特征包括基于以下的至少一个特征：突发、频谱带宽、双频、收缩间隔时间、或高阶过零。

在第二实施方案中，GI疾病判定器18的IBD判定器被安排为基于不同特征的第二组合来判定IBD相对于健康肠的可能性，所述不同特征包括基于以下的至少一个特征：平坦度或频谱质心。

在第三实施方案中，GI疾病判定器18的IBS/IBD判定器被安排为基于不同特征的第三组合来判定IBS相对于IBD的可能性，所述不同特征包括基于以下的至少一个特征：包络波峰因子或滚降。

在详细描述特征提取器16之前，将描述用于选择优选特征所进行的特定处理，以从肠鸣音信号中提取。然而，将理解的是，本发明的实施方案不限于此，并且本文描述的处理的变型可用于所选特征。

特征选择

使用上述声音探测器12，进行了实验，其中在禁食后从参与者获得了2小时长的肠鸣音记录，并且在参与者吃了标准餐之后又获得了40分钟的记录。因此，使用四个传感器V1至V4从每个参与者获得了160分钟的记录。如图6所示，传感器的位置允许收集从胃到小肠和大肠的胃肠活动的信息，其中已知IBS改变运动能力，且其中已知IBD会影响肠的结构，这也会影响声音生成。

记录以44.1kHz的采样率采样，约等于16亿个采样。执行信号处理以减少样本数量并从样本中提取特征。特别地，进行了由肠鸣音辨识器14执行的上述肠鸣音辨识处理，从而收集了每个参与者的单个肠鸣音信号和各自的频谱数据。

最初，对于每个单个肠鸣音信号，辨识了几个时域特征和频域特征。时域功能包括以下。

(a)突发：肠鸣音信号内肠鸣音段(即由肠鸣音辨识器辨识的肠鸣音段)的数量。图7示出了构成“突发”的肠鸣音信号44的段42以及不构成突发的信号44的段46。

(b)持续时间：肠鸣音信号的持续时间。例如，图7示出了单个肠鸣音信号的持续时间“D”。

(c)突发比：整个突发的持续时间，可使用下面的方程4判定。

BR＝持续时间/突发…(方程4)

(d)收缩间隔时间(CIT)：后续肌肉收缩之间的时间间隔(T_k)，可通过考虑以下方程5提供的完整肠鸣音模型来判定。

(e)动态范围：肠鸣音信号的最大峰峰值。

DR＝20*log₁₀(max(X_BS)-min(X_BS))) (方程6)

(f)振幅：单个肠鸣音中的最大值，可使用下面的方程7判定。

A＝max(X_BS) (方程7)

(g)能量(En)：肠鸣音的能量。

(h)包络波峰因子(ECF)：峰值与平均值之比，以显示波形中的峰值有多极端。

(i)高阶过零(HOC_n)：波形改变其符号的时间与总数据量(即肠鸣音内的采样点量)之间的比率。将相邻交叉点之间的宽度的平均值、最小值和最大值提取为特征。例如，图8在两个不同的图中显示了最大HOC_n(项目48)和最小HOC_n(项目50)。

从参与者的多个肠鸣音信号中辨识出的所有HOC_n值的平均值可由方程7判定，如下所示。

其中n等于0、1、2或3，表示不同的求导阶数。

(j)和(k)结束和开始：肠鸣音的时间戳。

频域特征包括以下内容。

(a)频谱质心：表示频谱的中心、振幅的幂分别为1和2。

(b)频带能量比(HBER)：特定频带在整个频率上的能量比，可通过下面的方程9来判定。

其中k等于1或2，表示不同的计算次序。

(c)频率质心(FC)

其中j等于1或2，表示不同的计算次序。

(d)频谱带宽：辐射的频谱量不小于其最大值的一半的波长间隔。SBW1和SBW2是根据方程11的两种不同类型的带宽，

(e)修饰的频谱带宽：频谱带宽，但修饰为包括幂为2，如下面的方程12所示，使用方程10判定频率质心(FC)，即频率的中心。

(f)频谱平坦度：一种指示肠鸣音信号频谱的平坦度的度量。

(g)最高能量频率(HEF)：具有最高振幅分量的频率。

(h)频谱偏斜度：频谱的偏斜度。

(i)频谱峭度：频谱的峭度。

(j)子频带对比度：使用具有最高值(例如，最高的20％)和最低值(例如，最低的20％)的频率之间的振幅比来描述音色的特征。

(k)Mel频率：最大频带(MelMax)、超过一定值的频带数(MeWdith)、以及13频带Mel频率上的频带的总和(MelSum)。Mel频带数可使用下面的方程13判定，

(l)MelMax和Mel-sum可使用下面的方程14和15来判定。

MelMax＝max(S_Mel) (方程15)

MelSum＝∑S_Mel (方程16)

(m)Mel宽度：其能量大于Mel标度(方程11中的Mel标度)的最大能量的10％的频带数。

Mel宽度＝(S_Mel>max(S_Mel)) (方程17)

(n)滚降：这是功率频谱右偏斜度的度量。此特征定义为频率，在该频率下累积信号频谱能量的95％。N是频谱数据点的数量S，

(o)平坦度3000：频谱平坦度，是数字信号处理中使用的一种度量，以表征音频频谱，

S(n)∈[1,3000]

其中j等于1或2，表示不同的计算次序。

从每个单个肠鸣音信号或各自的频谱中提取上述特征，以构建肠鸣音库。

另外，为了进一步表征肠活动，将单个肠鸣音信号分配给位于不同腹部象限P1至P4的四个传感器V1至V4之一。根据肠鸣音信号的振幅并在每个传感器的灵敏度相同的假设下，将单个肠鸣音信号分配给特定的腹部象限。特别地，将由多个传感器V1至V4探测到的肠鸣音信号分配给与肠鸣音信号最强烈关联的象限/传感器。在此实例中，每个肠鸣音信号均与传感器V1至V4关联，其为该肠鸣音产生了最高的振幅读数。例如，如果两个传感器探测到相同的肠鸣音，则将选择以最高振幅读数注册相应的肠鸣音信号的传感器。因此，每个肠鸣音信号将仅与一个传感器/象限关联。另外，应用了最大能量的60％的最小阈值。因此，例如，如果肠鸣音源自相对中心的区域，则只有在该象限获得的肠鸣音读数超过阈值的情况下，才将其分配给该象限。

由于从每个参与者中辨识出数十万个肠鸣音信号，因此可提取每个特征的相应数量的值，并且可对每个特征的统计分布进行统计分析。发现与健康参与者相比，具有IBS的参与者的特征的统计分布不同，并且与健康参与者相比，具有IBD的参与者的特征的统计分布也不同。此外，与具有IBS的参与者相比，具有IBD的参与者的特征的统计分布不同。在所有这三种情况下，对于某些功能，与其他相比，差异程度较大。通过检查特征的统计分布的偏斜度和峭度可明显看出这一点。换句话说，特征的分布的偏斜度和峭度显著有助于参与者的分类。造成这种情况的原因可能是，考虑到IBS参与者改变的运动模式，来自IBS参与者的声音的分布的变化较大；并且考虑到IBD参与者的潜在运动和结构变化，IBD参与者的声音的分布的变化较大。

结果，获得了肠鸣音信号的“混合”特征的集合，该混合特征具有几个分量，包括：(a)特征，例如振幅、突发；(b)统计分布特征，例如偏斜度，峭度；(c)分配的传感器；和(d)状况，例如禁食或食物。

然后使用逻辑回归分析来辨识所有混合特征(考虑到关联的象限P1至P4)的最佳阵列或子集，该阵列或子集与具有GI疾病(即本实例中的IBS或IBD)的参与者和健康参与者最强烈关联。逻辑回归分析首先使用线性回归模型，然后使用S形函数来预测样本为阳性的概率。使用逻辑回归时，没有假设数据分布，但每个特征之间的相关系数应小于0.7，以获得稳定合理的结果。分别在方程20和21中提供了使用的特定线性回归模型和S型函数。

在上述方程20和21中，“x_i”表示特征之一，其中“i”是从1到n的整数，n是特征总数，“c_i”是特征“x_i”的每一个关联的加权系数。

在第一实施方案中，其中系统10被安排为判定IBS相对于健康肠的可能性，然后使用代价函数来调整加权系数，使得如果肠鸣音属于具有IBS的参与者，则f＝1，并且f＝0表示参与者没有IBS。代价函数的使用允许判定各种特征“x_i”的各个加权系数，这将使特定系数对结果具有的“代价”最小化，从而优化结果，即倾向于f＝1表示肠鸣音与IBS关联，且倾向于f＝0表示肠鸣音不指示IBS。首先为加权系数分配一个随机数，然后将其调整为符合参与者的真实状况，无论是IBS还是健康。重复多次，直到系数的准确性停止提高。

在第二实施方案中，使用相同的迭代过程和背景逻辑回归模型，包括线性回归模型(方程20)、S形函数(方程21)和假设，来辨识所有混合特征(考虑到关联的象限P1至P4)的最佳阵列或子集，该阵列或子集与具有IBD的参与者和健康参与者最强烈关联。在这种情况下，然后使用代价函数来调整加权系数，使得如果肠鸣音属于具有IBD的参与者，则f＝1，并且f＝0表示参与者没有IBD。首先为加权系数分配一个随机数，然后将其调整为符合参与者的真实状况，无论是IBS还是健康。重复多次，直到系数的准确性停止提高。

在第三实施方案中，使用相同的方法来区分IBD和IBS个体。使用相同的迭代过程和背景逻辑回归模型，包括线性回归模型(方程20)、S形函数(方程21)和假设，来辨识所有混合特征(考虑到关联的象限P1至P4)的最佳阵列或子集，该阵列或子集与IBD参与者和IBS参与者最强烈关联。在这种情况下，然后使用代价函数来调整加权系数，使得如果肠鸣音属于具有IBD的参与者，则f＝1，并且f＝0表示参与者没有IBS。

与逻辑回归一起，使用正则化来防止过度拟合。有两种常见的正则化方法：L1和L2。选择后者是因为其通过减少权重的绝对值来增加模型的通用性的潜力，从而阻止完全拟合。

为了证实模型的准确性，还进行了交叉验证。特别是，留一交叉验证法(LOOCV)方法用于调整参数和选择特征。LOOCV程序包括删除一个样本并使用其余样本训练模型，然后计算被删除的样本的误差。可选地或另外地，自举方法是用于交叉验证所选特征和模型的另一种方法。

由于可在模型中使用数千个混合特征，因此在判定最佳特征子集的过程中，最初包括所有与偏斜度有关的特征作为起点。然后逐个删除每个特征，并分析其余特征的LOOCV性能。保留具有最高LOOCV准确度的特征子集，然后再逐一删除其余特征。重复该过程直到准确度稳定。随后，将来自整个特征集中的其他特征逐一添加到模型中，直到获得最大准确性。

另外，特别是在第三实施方案中，其中系统10被安排用于判定IBS相对于IBD的可能性，逻辑回归分析可能受到数据集不平衡问题的影响，即具有IBS的参与者样本的数量和具有IBD的参与者样本的数量之间的差异，这可能会对IBD产生偏差。实际上，IBD的样本大小通常比IBS的样本大小大得多。为了特别修正此偏差并证实用于区分IBS和IBD的模型的准确性，使用了一种过采样方法来增加IBS和健康记录的样本大小以匹配IBD记录的数量。过采样方法涉及使用以下方程生成新样本：

x_{new}＝x_i+μ*(x_{zi}-x_i) (方程22)

其中μ是在[0,1]范围内的随机数，并且该插值在x_i和x_{zi}之间的线上创建样本，其中x_{zi}与x_i最邻近。

在区分IBS和健康肠的第一实施方案中，从混合特征中辨识出总共26个最佳或“最终”特征，以形成最佳模型的一部分。下表1中提供了这些特征以及这些特征各自的加权系数实例。如下所示，

表1

在区分IBD和健康肠的实施方案中，从混合特征中辨识出总共44个最佳或“最终”特征，以形成最佳模型的一部分。下表2中提供了这些特征以及这些特征各自的加权系数实例。如下所示，

表2

在区分IBD和IBS的实施方案中，从混合特征中辨识出总共26个最佳或“最终”特征，以形成最佳模型的一部分。下表3中提供了这些特征以及这些特征各自的加权系数实例。如下所示，

表3

应当理解，上述特征和各自的加权系数仅是实例，并且在其他实施方案中，可使用不同特征和加权系数的值。如上所述，在最终特征列表中，每个特征表示四个分量，其中第一个分量相应于“特征”，第二个相应于“统计测量”，第三个相应于“传感器”，第四个相应于“传感器”。一个条件”。每个分量都由一个下划线分隔，并在下表4中列出的以下各项中进行选择。

表4

尽管上面已经描述了特定实验，以获得要在系统10中使用的各自26或44个最终特征，但是本领域技术人员将理解，可根据其他实施方案选择获得期望的特征的其他方法以及特征的其他组合。

特征提取

继续图1所示的实施方案，一旦肠鸣音辨识器14已经从声音记录中辨识出多个单个肠鸣音信号，则将肠鸣音信号(或相应的频谱)输入到特征提取器16中。

对于每个肠鸣音信号，特征提取器16从多个肠鸣音信号的每一个中辨识选择的特征，以便产生每个选择的特征的值的集合。在本实例中，当系统10被安排为判定IBS相对于健康肠的可能性时，所选特征是上表1中列出的26个最终特征，而当系统10被安排为判定IBD相对于健康肠的可能性时，所选特征是表2中辨识的44个最终特征，或者当系统10被安排为判定IBS相对于IBD的可能性时，所选特征是表3中辨识的26个特征。然后，特征提取器16判定值的集合的至少一个统计分布特性。

特征提取器16包括特征辨识器30、信号定位器32和统计测量辨识器34。

在区分IBS与健康个体的实例中，特征辨识器30被配置为从肠鸣音辨识器14接收的肠鸣音信号中提取上表1中列出的特征(列1)。例如，特征辨识器30可利用上述方程5从每个肠鸣音信号中提取CIT特征。

在区分IBD与健康个体的实例中，特征辨识器30被配置为从肠鸣音辨识器14接收的肠鸣音信号中提取上表2中列出的特征(列1)。例如，特征辨识器30可利用上述方程19从每个肠鸣音信号中提取平坦度3000特征。

在区分IBS与IBD个体的实例中，特征辨识器30被配置为从肠鸣音辨识器14接收的肠鸣音信号中提取上表3中列出的特征(列1)。例如，特征辨识器30可利用上述方程18从每个肠鸣音信号中提取滚降特征。

由于针对每个对象辨识了多个肠鸣音信号，因此特征辨识器30将针对每个特征输出集合或一系列值。仅作为实例，对于每个肠鸣音记录，可获取振幅和突发的以下特征集合：

表5

信号定位器32被配置为随后将每个肠鸣音信号分配给传感器V1至V4之一。如以上关于“特征选择”所述，通过将信号分配给探测到最大振幅的传感器V1至V4，同时应用最大能量的60％的最小阈值，来完成肠鸣音信号的分配。仅作为实例，信号定位器32可获得以下：

表6

信号	主传感器
		X<sub>BS_1</sub>	V1
X<sub>BS_2</sub>	V4
		X<sub>BS_3</sub>	V2

统计度量辨识器34被安排为随后判定特征的值的集合的多个不同统计分布特性。特别地，参考上述表1、2和3，所计算的统计分布特性包括特定特征和特定传感器的值的集合的峭度和偏斜度。例如，参考表1中的26个特征，辨识器34将计算分配给V3的信号的振幅值集合的峭度(特征编号1)的值，以及分配给V3的信号的突发值的集合的偏斜度(特征编号4)的值。另外，统计测量辨识器34还计算分配给V2的信号的Mel频率的总和的中值(特征编号15)。

在该实例中，统计度量辨识器34使用以下方程来辨识偏斜度和峭度：

在上述方程23和24中，变量“F”是要检查的特征的值，以便在上述方程中评估特征的所有值的总和，并且变量“N_BS”表示肠鸣音的数量。因此，从记录的肠鸣音中获得了上表1中26个所选特征的值。

类似地，在参考表2中44个特征的实例中，辨识器34将计算分配给V2的信号的平坦度3000值的集合的峭度(特征编号13和15)的值，以及分配给V1的信号的频谱质心值的集合的偏斜度(特征编号11和12)的值。在该实例中，统计测量辨识器34使用方程23和24来辨识偏斜度和峭度，并且因此从记录的肠鸣音中获得了上表2中44个所选特征的值。

在第三个实例中，为区分IBD和IBS个体，可使用相同的方法。在参考表3中26个特征的实例中，辨识器34将计算分配给V2的信号的包络波峰因子值的集合的峭度(特征编号7)的值，以及分配给V4的信号的滚降值的集合的峭度(特征编号19)的值。在该实例中，统计测量辨识器34使用方程23和24来辨识偏斜度和峭度，并且因此从记录的肠鸣音中获得了上表3中26个所选特征的值。

判定器

在该实例中，系统10包括GI疾病判定器18，用于判定获得肠鸣音的对象具有各个GI疾病相对于健康肠的可能性，并且优选地输出指示该可能性的索引值。判定器18与参考存储器38和特征提取器16进行通信。参考存储器38存储与每个最终特征关联的参考参数。参考参数可例如是系数、常数值、变量或特性。

在判定IBS相对于健康肠的可能性的实例中，参考参数是上表1中列出的加权系数，这些加权系数衍生自选择最佳混合特征的过程。然后，IBS判定器18将方程21应用于26个最终特征的值。为方便起见，下面复制了方程21：

为此，IBS判定器18使用方程20(为方便起见，在下面复制)将从特征提取器16获得的每个特征与和该特征关联的加权系数(请参阅表1)关联，其中“x_i”表示特征之一，“i”是从1到26的整数，“c_i”是与特征x_i中的每一个关联的加权系数：

IBS判定器18还包括阈值存储装置40，用于存储IBS判定器将计算出的值“f”与之比较的阈值。在该实例中，阈值存储器40存储阈值为0.5，使得如果IBS判定器18判定f＞0.5，则该对象可能具有IBS，反之，如果IBS判定器18判定f＜0.5，则该对象可能没有IBS。应当理解，“f”的值越高，则该对象具有IBS的可能性越大，而“f”的值越低，则该对象具有IBS的可能性越小。因此，IBS判定器18生成指示IBS的可能性的索引值。

同样，在判定IBD相对于健康肠的可能性的实例中，参考参数是上表2中列出的加权系数，这些加权系数衍生自选择最佳混合特征的过程。然后，IBD判定器18将方程21应用于44个最终特征的值。为此，IBD判定器18使用方程20将从特征提取器16获得的每个特征与和该特征关联的加权系数(请参阅表2)关联，其中“i”是从1到44的整数。IBD判定器18还包括阈值存储装置40，用于存储IBD判定器将计算出的值“f”与之比较的阈值。在该实例中，与IBS实例相似，阈值存储器40存储阈值为0.5，使得如果IBD判定器18判定f＞0.5，则该对象可能具有IBD，反之，如果IBD判定器18判定f＜0.5，则该对象可能没有IBS。应当理解，“f”的值越高，则该对象具有IBD的可能性越大，而“f”的值越低，则该对象具有IBD的可能性越小。因此，IBD判定器18生成指示IBD的可能性的索引值。

在第三实例中，GI疾病判定器18还可用于判定获得肠鸣音的对象具有IBD而不是IBS的可能性。然后，IBS/IBD判定器18输出指示IBS相对于IBD的可能性的索引值。参考参数是上表3中列出的加权系数，这些加权系数衍生自选择最佳混合特征的过程。然后，IBS/IBD判定器18将方程21应用于26个最终特征的值，并且为此，IBS/IBD判定器18使用方程20将从特征提取器16获得的每个特征与和该特征关联的加权系数(请参阅表3)关联，其中“i”是从1到26的整数。IBS/IBD判定器18还包括阈值存储装置40，用于存储IBS/IBD判定器将计算出的值“f”与之比较的阈值。在该实例中，与IBS相对于健康和IBD相对于健康的实例相似，阈值存储器40存储阈值为0.5，并且如果IBS/IBD判定器18判定f＞0.5，则该对象更有可能具有IBD且较少可能具有IBS，反之，如果IBS/IBD判定器18判定f＜0.5，则该对象更有可能具有IBS且较少可能具有IBD。应当理解，“f”的值越高，则该对象具有IBD的可能性越大，而“f”的值越低，则该对象具有IBD的可能性越小且具有IBS的可能性越大。因此，IBD判定器18生成指示IBD的可能性的索引值。

模型聚合器

医师可例如基于衍生自单个判定器(即IBS判定器)的预测来选择得到针对GI病症例如IBS的诊断决定，并且可通过同时进行粪便、血液或活检检测来排除其他器质性病。

或者，如果医师在实践中可使用单一检查来指示患者具有IBS或IBD或具有健康肠的可能性，并且区分IBS和IBD，则将是有利的。在另一实施方案中，参考图9，系统10因此包括GI疾病判定器18，其包括所有三个IBS判定器18a，IBD判定器18b和IBS/IBD判定器18c。在该实施方案中，特征提取器16包括特征提取器16a以提取形成用于判定IBS相对于健康肠的可能性的最优模型的一部分的特征；特征提取器16b以提取形成用于判定IBD相对于健康肠的可能性的最优模型的一部分的特征；以及特征提取器16c以提取形成用于判定IBS相对于IBD的可能性的最优模型的一部分的特征。然后，系统10还包括模型聚合器19，其促进来自各个判定器18a、18b和18c的各个输出判定的聚合，并输出指示以下预测的索引值：

如果IBS判定器18a输出指示判定患者不太可能具有IBS的索引值，且IBD判定器18输出指示判定对象不太可能具有IBD的索引值，则模型聚合器19输出指示患者可能具有健康状况，即健康肠的索引值；

如果IBS判定器18a输出指示判定患者可能具有IBS的索引值，或者IBD判定器18b输出指示判定对象可能具有IBD的索引值，然后IBS/IBD判定器18c判定患者具有IBS相对于具有IBD的可能性，并且；

如果IBS/IBD判定器18c输出指示判定患者可能具有IBS的索引值，则模型聚合器19输出指示IBS预测的索引值；和

如果IBS/IBD判定器18c输出指示判定患者可能具有IBD的索引值，则模型集合器19输出指示IBD预测的索引值。

具有模型聚合器19的这种系统10将提供一种使用一个单一检查来来区分三组(即具有IBS的患者，具有IBD的患者和健康个体)的手段。这将构成一种非侵入性的单一检查，其中对肠鸣音的记录进行分析的组合允许区分具有类似症状的GI疾病(例如区分IBS和IBD)和健康肠，并具有附加的临床价值。

或者，医师可选择避免一开始就使用结肠镜检查，而是使用IBS相对于健康的检查联用一系列简单的实验室检查(使用粪便和血液样本筛查IBD(粪便钙卫蛋白检测)、腹腔病(血清学)和结肠癌(粪便潜血检测))，然后再进行诊断。

此外，如果患者有家族史或炎性肠病的“危险信号”，医师可能会选择仅针对“IBD相对于健康肠”进行非侵入性检查，这将是非常有用且具有成本效益的筛查工具，然后通过其他检查或活检确认IBD或其他器质性病的诊断。

此外，如果在活检或结肠镜检查或筛查检查(例如粪便钙卫蛋白检查)后仍未诊断出IBD，则医师可选择仅针对“IBS相对于健康肠”或针对“IBS相对于IBD”进行非侵入性检查，其将允许向患者提供附加的临床信息以确认IBS诊断和/或确认结肠镜检查/活检的结果，从而诊断可排除IBD。

可想到，系统10可在单个设备上实施，该单个设备包括皮带、多个传感器例如附接到皮带上的传感器V1至V4，以及与这些传感器通信的处理设备，其包括肠鸣音辨识器14、特征提取器16和GI疾病判定器18。处理设备可包括微控制器，以控制和协调系统10的功能。处理设备可另外包括模型集合器19。

或者，包括肠鸣音辨识器14、特征提取器16和GI疾病判定器18的系统10的部分可远离传感器。例如，系统10的该部分可包括软件程序，该软件程序提供在计算设备上可执行的指令以操作系统10。该计算设备可例如是智能电话或其他便携式电子设备或PC。可以计算机可读介质的形式提供软件程序。

方法

参照图10，示出了根据本发明实施方案的用于指示GI疾病的可能性的方法1000。方法1000可由本文描述的系统10执行。GI疾病包括IBS和IBD。然而，将理解，除了IBS之外的功能性GI病症疾病的可能性的判定以及除IBD之外的GI器质性病的可能性的判定也在本发明的范围内。

方法1000包括获得并记录1002表示源自腹部区域的多个肠鸣音的信号。如上所述，可通过使用多个声学传感器例如传感器V1至V4来记录肠鸣音来获得信号。如果在嘈杂的环境中使用，则每个振动传感器V1至V4都可嵌入双变换器，以实现主动降噪。然后，将记录的信号分段1004成多个节段。再次，如上所述，每个节段的长度可是20-40ms。

然后通过对信号片段执行傅立叶变换来修饰1006片段，以获得信号的频谱。优选地，相应信号片段的所得频谱也被修饰以去除背景噪声。这可包括基于背景噪声探测(一个或多个)传感器的频率响应并将其从信号频谱中去除。

然后通过考虑每个信号片段的频谱的频带能量比来辨识1008多个单个肠鸣音信号。如上所述，这可包括评估信号片段在以下频带内所具有的BER：200Hz至800Hz；600Hz至1000Hz；800Hz至1200Hz；1000Hz至1600Hz；1600Hz至2000Hz。

然后从所辨识的单个肠鸣音信号中提取1010特征，例如上表2中列出的一个或多个特征。由于该步骤针对多个单个肠鸣音信号执行，因此可获得每个特征的值的集合。因此，可获得每个特征的值的集合的统计分布特性。通过将信号分配给产生相应于信号的最高振幅读数的特定传感器V1至V4，每个肠鸣音信号也被定位1014，如上面关于信号定位器32所述。

然后提取1014每个特征的值的集合的统计分布特性。根据特定实施方案，统计分布特性包括偏斜度和峭度。此外，参考上表1至表3中的“最终特征”列，仅针对已选择的特定值获得特定的分布特性，并且在第一实施方案中已经预先判定了哪些特征与指示IBS相对于健康肠最强关联，在第而实施方案中已经预先判定了哪些特征与指示IBD相对于健康肠最强关联，并在第三实施方案中已经预先判定了哪些特征与指示IBS相对于IBD最强关联。例如，参考表1来判定IBS相对于健康肠的可能性，将提取分配给V3的信号的振幅值集合的峭度(特征编号1)的值，以及分配给V3的信号的突发值的集合的偏斜度(特征编号4)的值。参考表2来判定IBD相对于健康肠的可能性，将提取分配给V2的信号的平坦度3000值的集合的峭度(特征编号13和15)的值，以及分配给V1的信号的频谱质心值的集合的偏斜度(特征编号11和12)的值。参考表3来判定IBS相对于IBD的可能性，将提取分配给V2的信号的包络波峰因子值的集合的峭度(特征编号7)的值，以及分配给V4的信号的滚降值的集合的峭度(特征编号19)的值。可使用方程23和24来判定偏斜度和峭度值。结果是，在步骤1016获得各个单个或所选特征的多个值，例如分别相应于以上表1、2和3中分别列出的所选特征的值。

然后可在步骤1018将方程20中所示的模型应用于在步骤1016中获得的各个所选特征的各个值，其提供输出1020，该输出指示GI疾病(即IBS或IBD)相对于健康肠的可能性。为此，各个特征与存储在库中的各个相应参考参数(例如各个加权系数)关联，如上面关于GI疾病判定器18所讨论的。然后将结果与阈值0.5进行比较，以输出1020二进制值，由此，如果结果大于0.5，则对象可能具有GI疾病(IBS或IBD)，如果结果小于0.5，则对象不太可能具有GI疾病。或者，可输出介于“0”和“1”之间的值，其中该值越接近于“1”，则GI疾病的可能性就越大。如以上关于GI疾病判定器18所讨论的，参考参数取决于在IBS和健康之间、IBD和健康之间或IBS和IBD之间做出的区分而变化。

本发明领域的技术人员将理解，在不脱离本发明的精神和范围的情况下可进行许多修饰。例如，特征辨识器30可辨识不同数量的特征，例如仅一个或两个特征。这样的特征可包括具有相对较大的加权系数的最终特征，例如：突发率的峭度、突发量的偏斜度以及收缩时间间隔的偏斜度，用于判定IBS相对于健康肠的可能性。而且，可能没有必要考虑混合特征的所有分量。

可选地或另外地，代替表1中列出的26个最终特征，可使用表2中列出的44个特征或表3中列出的26个特征的特征和统计分布特性的各个不同组合。作为另一实例，代替加权系数，可使用其他参考参数或特性，例如参考偏斜度和/或峭度值。此外，特征与参考参数的关联可包括那些特征与其各自的参考参数的方向比较。

此外，尽管医师可对可能同时进行了包括结肠镜检查和活检的其他病理学检查以排除胃肠道器质性病的病人进行针对IBS的单一非侵入性检查，但是本发明实施方案提供了一种采用决策树算法来汇总上述所有三个实施方案的判定的方法，该方法使用了图9中所述的模型聚合器19。具体而言，模型聚合器19允许同时判定具有IBS的患者相对于健康肠的可能性和其具有IBD的患者相对于健康肠的可能性，并且如果判定患者可能具有IBS和/或可能具有IBD，则模型聚合器19继续判定患者具有IBS相对于IBD的可能性。然后，决策树算法提供如图11所示的总体判定，其中，如果具有IBS相对于健康肠的患者的可能性判定和具有IBD相对于健康肠的患者的可能性判定都可提供患者具有健康肠的预测，则总体判定和输出是患者具有健康肠的预测。但是，如果IBS相对于健康肠的可能性判定和/或IBD相对于健康肠的可能性判定提供了IBS或IBD的预测，那么模型聚合器继续进行IBS相对于IBD的可能性判定，并且总体判定/输出将提供指示患者是否相较于IBD更可能具有IBS。

将理解的是，可以替代地使用其他算法来组合患者的肠鸣音的分析，并提供指示患者具有IBS或IBD或具有健康肠的可能性的整体判定，并用于区分IBS和IBD。例如，可使用其他基于树的算法(随机森林等)。此外，也可使用具有矢量输出的核方法或具有softmax函数输出的神经网络方法。

在所附权利要求和本发明的先前描述中，除非上下文由于语言表达或必要的说明而另外需要，否则词语“包含”或变形例如“包括”或“含有”以包括性含义使用，即，在本发明的各个实施方案中，指定所陈述的特征的存在但不排除其他特征的存在或添加。

应当理解，在澳大利亚或任何其他国家，如果在本文中引用了任何现有技术出版物，则该参考文献并不意味着承认该出版物构成了本领域公知常识的一部分。

Claims

1.一种系统，其用于通过分析肠鸣音来指示胃肠道(GI)疾病的可能性，所述系统包括：

2.权利要求1的系统，其中所述至少一个统计分布特性包括偏斜度和/或峭度。

3.权利要求1或2的系统，其中所述系统被安排为基于至少一个统计分布特性与相应参考参数的关联来生成索引值，并且将所述索引值与阈值进行比较，以判定GI疾病的可能性。

4.权利要求3的系统，其中所述系统被安排为使用以下方程来生成索引值，

5.权利要求4的系统，其中所述参考参数是适用于至少一个辨识特征的关联统计分布特性的权重值。

6.前述权利要求任一项的系统，其中所述GI疾病是功能性GI病症。

7.根据权利要求1-5中任一项的系统，其中所述GI疾病是GI器质性病。

8.权利要求6的系统，其中所述GI病症是肠易激综合征(IBS)，并且所述系统被安排为基于所述关联来判定IBS相对于健康肠的可能性。

9.权利要求7的系统，其中所述GI疾病是炎性肠病(IBD)，并且所述系统被安排为基于所述关联来判定IBD相对于健康肠的可能性。

10.权利要求1-5任一项的系统，其中所述GI疾病包括功能性GI病症和GI器质性病，并且其中所述至少一个统计分布特性能够至少辅助提供存在还是不存在功能性GI病症和GI器质性病的指示。

11.权利要求10的系统，其中所述系统被安排为基于至少一个统计分布特性与相应参考参数的关联来判定IBS相对于IBD的可能性。

12.权利要求10或11的系统，其中所述系统还被安排为同时判定至少一个能够至少辅助提供存在还是不存在IBS的指示的统计分布特性，和至少一个能够至少辅助提供存在还是不存在IBD的指示的统计分布特性，由此所述系统被安排为基于至少一个统计分布特性与相应参考参数的各个关联，同时判定IBS相对于健康肠的可能性以及IBD相对于健康肠的可能性。

13.权利要求12的系统，其中当至少一个统计分布特性与相应参考参数的各个关联指示相较于健康肠更可能是IBS时，所述系统还被安排为判定IBS相对于IBD的可能性。

14.权利要求12或13的系统，其中当至少一个统计分布特性与相应参考参数的各个关联指示相较于健康肠更可能是IBD时，所述系统还被安排为判定IBS相对于IBD的可能性。

15.前述权利要求任一项的系统，其中所述至少一个特征包括以下一项或多项或基于以下一项或多项：振幅；突发量；突发比；收缩间隔时间；高阶过零；频带能量比；频谱带宽；双频；平坦度；频谱质心；能量；动态范围；mel宽度；包络波峰因子；以及滚降。

16.前述权利要求任一项的系统，其中所述系统被安排为从多个肠鸣音信号中的每个辨识多个不同特征，并基于不同特征的组合来判定GI疾病的可能性。

17.当从属于权利要求8时权利要求16的系统或权利要求10、12和13任一项的系统，其中所述系统被安排为基于不同特征的第一组合来判定IBS相对于健康肠的可能性，所述不同特征包括基于以下的至少一个特征：突发；频谱带宽；双频；收缩间隔时间；或高阶过零。

18.当从属于权利要求9时权利要求16的系统或权利要求10、12和14任一项的系统，其中所述系统被安排为基于不同特征的第二组合来判定IBD相对于健康肠的可能性，所述不同特征包括基于以下的至少一个特征：平坦度3000；或频谱质心。

19.当从属于权利要求10-14任一项时权利要求16的系统，其中所述系统还被安排为基于不同特征的第三组合来判定IBS相对于IBD的可能性，所述不同特征包括基于以下的至少一个特征：包络波峰因子；或滚降。

20.前述权利要求任一项的系统，其中所述系统被安排为判定至少一个特征的值的集合的多个不同统计分布特性，并且基于不同统计分布特性的组合来判定GI疾病的可能性。

21.前述权利要求任一项的系统，其中声音探测器包括至少两个声传感器，其位于对象腹部区域附近并且彼此间隔开，以探测来自腹部区域的肠鸣音。

22.权利要求21的系统，其中对于由所述系统辨识的每个肠鸣音信号，所述系统进一步被安排为辨识至少两个待与肠鸣音信号关联的声学传感器中之一，传感器基于所述信号产生与所述肠鸣音信号相应的最高振幅读数。

23.前述权利要求任一项的系统，其中为了辨识单个肠鸣音信号，信号处理器被安排为将相应的信号分成多个片段，并且对于每个片段，判定是否存在以下范围的任一范围内的信号部分：200Hz至800Hz；600Hz至1000Hz；800Hz至1200Hz；1000Hz至1600Hz；以及1600Hz至2000Hz。

24.一种通过分析肠鸣音来指示GI疾病的可能性的方法，所述方法包括：

将所述至少一个统计分布特性与参考参数关联；以及

基于所述关联判定所述GI疾病的可能性。

25.权利要求24的方法，其中所述GI疾病是功能性GI病症。

26.权利要求24的方法，其中所述GI疾病是GI器质性病。

27.权利要求25的方法，其中所述GI病症是肠易激综合征(IBS)，并且所述方法包括基于所述关联来判定IBS相对于健康肠的可能性。

28.权利要求26的方法，其中所述GI疾病是炎性肠病(IBD)，并且所述方法包括基于所述关联来判定IBD相对于健康肠的可能性。

29.权利要求24-28任一项的方法，其中所述GI疾病包括IBS和IBD，并且其中所述至少一个统计分布特性能够至少辅助提供存在还是不存在IBS和IBD的指示。

30.权利要求29的方法，其中所述方法包括基于至少一个统计分布特性与相应参考参数的关联来判定IBS相对于IBD的可能性。

31.权利要求29或30的方法，其中所述方法还包括同时判定至少一个能够至少辅助提供存在还是不存在IBS的指示的统计分布特性，和至少一个能够至少辅助提供存在还是不存在IBD的指示的统计分布特性，由此所述方法包括基于至少一个统计分布特性与相应参考参数的各个关联，同时判定IBS相对于健康肠的可能性以及IBD相对于健康肠的可能性。

32.权利要求31的方法，其中当至少一个统计分布特性与相应参考参数的各个关联指示相较于健康肠更可能是IBS时，所述方法还包括判定IBS相对于IBD的可能性。

33.权利要求31或32的方法，其中当至少一个统计分布特性与相应参考参数的各个关联指示相较于健康肠更可能是IBD时，所述方法还包括判定IBS相对于IBD的可能性。

34.一种用于存储指令的计算机可读介质，所述指令在由计算设备执行时使计算机执行根据权利要求24-33任一项的方法。

35.一种用于通过分析肠鸣音来诊断肠易激综合征(IBS)GI疾病的系统，所述系统包括：

36.一种通过分析肠鸣音来诊断GI疾病的方法，所述方法包括：

将所述至少一个统计分布特性与参考参数关联；以及

基于所述关联判定所述GI疾病的可能性。