-
Die Erfindung betrifft ein System zur Ermittlung anatomischer Ursachen für die Entstehung von Schnarchgeräuschen. Insbesondere befasst sich die Erfindung mit der Lokalisation der Schallquelle beim Schnarchen unter Verwendung von Techniken aus der Akustik, der Phonetik und dem maschinellen Lernen.
-
Die Ursachen nächtlichen Schnarchens sind bereits aus zahlreichen wissenschaftlichen Studien bekannt. Häufigste Ursache für das Schnarchen ist eine Verengung eines oder mehrerer Bereiche der oberen Atemwege, beispielsweise aufgrund der Entspannung von Muskeln im Rachenbereich. Dies hat zur Folge, dass die Atemluft an den Engstellen eine größere Strömungsgeschwindigkeit als an nicht verengten Stellen der oberen Atemwege aufweist und hierdurch benachbarte Weichteile der oberen Atemwege in Schwingungen versetzen kann, wodurch die Schnarchgeräusche entstehen. Ferner können sich die Engstellen, wie z. B. bei der obstruktiven Schlafapnoe (OSA), komplett verschließen, sodass zumindest für die Dauer des Verschlusses der Engstellen der Atemluftstrom unterbrochen ist. Dies birgt für die Person erhebliche gesundheitliche Risiken, so dass oftmals Abhilfe geleistet werden muss.
-
Hierbei haben sich insbesondere chirurgische Verfahren zur Beseitigung der Engstellen der oberen Atemwege, wie z. B. Adenotomie, Tonsillotomie/Tonsillektomie, Uvulotomie, Uvulopalatopharyngoplastik, Weichgaumenstraffung und -versteifung, Glossektomie, Vorverlagerung der Zungenbasis, Vorverlagerung des Unterkiefers, Epiglottektomie, Hyoidsuspension und elektrische Stimulation des Nervus Hypoglossus bewährt. Allerdings birgt jeder chirurgische Eingriff ein gewisses Risiko für die Person, so dass ein derartiger Eingriff nur erfolgen soll, wenn hinreichend Aussicht auf Erfolg besteht, nämlich, dass durch den Eingriff Schnarchen und/oder obstruktive Schlafapnoe beseitigt oder vermindert werden. Demnach ist es für die Planung eines chirurgischen Eingriffs von besonderer Bedeutung, die genaue Entstehungsursache und den Entstehungsort des Schnarchens bzw. der OSA zu kennen.
-
Es ist ein Verfahren zur Analyse der Entstehungsmechanismen von Schnarchen bzw. OSA bekannt, in dem die oberen Atemwege einer Person über ein Nasopharyngoskop während eines medikamentös induzierten Schlafs beobachtet werden. Hierfür wird die Person zunächst in einen künstlichen Schlaf versetzt. Anschließend führt der Arzt ein Nasopharyngoskop in ein Nasenloch der Person ein und betrachtet über einen Monitor die Engstellen der oberen Atemwege der Person beim Schnarchen, um die genaue Ursache des Schnarchens zu ermitteln. Dieses Verfahren wird als medikamenteninduzierte Schlafendoskopie bezeichnet. Nachteilig an der medikamenteninduzierten Schlafendoskopie ist, dass die zu untersuchende Person zunächst ein einen künstlichen Schlaf versetzt werden muss, was zum einen ein gesundheitliches Risiko für die Person bedeuten kann und zum anderen unter Umständen zu anderen Ergebnissen als bei einem natürlichen Schlaf führen kann. Des Weiteren ist das Verfahren sowohl zeitaufwendig als auch kostenintensiv und erfordert einen erfahrenen Untersucher, um nutzbare Ergebnisse liefern zu können.
-
Zur besseren Vergleichbarkeit der Ergebnisse der medikamenteninduzierten Schlafendoskopie sind Klassifikationen zur Beschreibung unterschiedlicher Schnarchentstehungsorte bekannt, welche auf den primär am Schnarchen beteiligten Organen und damit der Position der Schallentstehung innerhalb der oberen Atemwege basieren. Entsprechend der anatomischen Orientierungspunkte sind diese häufig eingeordnet in die Klassen „V” (Weichgaumen), „O” (Oropharynx), „T (Tongue; Zunge) und „E” (Epiglottis; Kehldeckel).
-
Weiterhin sind Vorgehensweisen beschrieben, durch Analyse eines oder mehrerer akustischer Merkmale von Schnarchgeräuschen auf den Entstehungsort zu schließen. Einige dieser Vorgehensweisen basieren auf ausgewählten akustischen Merkmalen der Schallerzeugung, während andere Vorgehensweisen Merkmale der Schallformung durch den Artikulationstrakt verwenden.
-
Diese bekannten Vorgehensweisen basieren auf der Bewertung eines oder mehrerer ausgewählter akustischer Merkmale, beispielsweise der Grundfrequenz des Schnarchgeräusches oder Energiemaxima im Oberwellenspektrum. Die Bestimmung des Entstehungsortes basiert dabei auf dem Vergleich der ermittelten Werte der akustischen Merkmale mit vorher festgelegten Grenzwerten für jedes Merkmal, welche durch eine statistische Analyse im Vorhinein definiert wurden.
-
Der Nachteil dieser Vorgehensweisen ist ihre begrenzte Treffergenauigkeit. Weiterhin können durch diese Vorgehensweisen häufig nur wenige Klassen unterschieden werden. Die Grundfrequenzanalyse führt beispielsweise zu einer Aussage über „Klasse V” oder „nicht Klasse V”.
-
Die Aufgabe der vorliegenden Erfindung besteht somit darin, ein System zur zuverlässigen Ermittlung anatomischer Ursachen für die Entstehung von Schnarchgeräuschen bereitzustellen, das die obigen Nachteile nicht aufweist.
-
Zur Lösung der erfindungsgemäßen Aufgabe werden u. a. Kenntnisse aus der Akustik, der Phonetik und dem maschinellen Lernen verwendet.
-
Zur maschinellen Erkennung von Sprache sind Systeme bekannt, die in geeigneten Kombinationen akustischer Merkmale Muster erkennen, anhand derer Phoneme unterschieden und erkannt werden können. Diese Systeme werden als Klassifikatoren bezeichnet.
-
Für eine gute maschinelle Klassifizierung ist die Auswahl der dem Klassifikator zugeführten Merkmalskombinationen entscheidend. Für die Klassifiikation von Phonemen sind die geeigneten Merkmale bekannt. Die Mechanismen der Schallentstehung und der Schallformung von Sprache und Schnarchen weisen jedoch Unterschiede auf, z. B. in der Form der anregenden Welle, dem zeitlichen Verlauf der Grundfrequenz und der Lokalisation der Schallquelle innerhalb der oberen Atemwege. In der zugrundeliegenden Erfindung werden für die Merkmalsextraktion daher über die aus der Spracherkennung bekannten Merkmale hinaus bevorzugt neue Merkmale verwendet, die die Charakteristika von Schnarchsignalen besser beschreiben.
-
Die erfindungsgemäße Aufgabe wird durch ein System zur Ermittlung anatomischer Ursachen für die Entstehung von Scharchgeräuschen einer Person gelöst, bestehend aus einer Schallaufnahmeeinheit zur Aufnahme der von der Person erzeugten Schnarchgeräusche, einem Merkmalsextraktor, der aus den ihm von der Schallaufnahmeeinheit zugeführten Schallsignalen eine Anzahl von Merkmalen extrahiert, einem maschinellen Klassifikator, der auf Basis der Kombination akustischer Merkmale des Merkmalsextraktors die Schnarchsignale einer Klasse aus einer Auswahl von Klassen zuordnet, sowie einer Ausgabeeinheit zur Darstellung der von dem Klassifikator ermittelten Ergebnisse.
-
Die Schallaufnahmeeinheit besteht bevorzugt aus einem oder mehrerer Luftschallmikrofone, die in der Umgebung des Mund- und Nasenbereichs der Person anordenbar sind. Alternativ, aber nicht bevorzugt, besteht die Schallaufnahmeeinheit aus einem oder mehreren Körperschallaufnehmern, die direkt auf der Körperoberfläche der Person angeordnet werden, beispielsweise am Kehlkopf. Eine alternative Ausführungsform der Schallaufnahmeeinheit besteht aus einer Kombination eines oder mehrerer Luftschall- und Körperschallaufnehmer.
-
In einer weiteren bevorzugten Ausführungsform der Erfindung ist die Schallaufnahmeeinheit dergestalt ausgeformt, dass die durch die Nasenlöcher und die durch den Mund abgegebenen Schallsignale jeweils zeitgleich, aber getrennt erfasst und die Merkmale getrennt bestimmt werden können. Bevorzugt enthält die Schallaufnahmeeinheit zu diesem Zweck jeweils mindestens ein in der Nähe der Mundöffnung und ein in der Nähe mindestens eines Nasenlochs anordenbares Mikrofon.
-
Weiterhin bevorzugt verfügt die Schallaufnahmeeinheit über mindestens einen Signalverstärker, einen Analog-Digital-Wandler, eine Einheit zur Detektion und Isolation von Schnarchereignissen aus dem Ursprungssignal, sowie bevorzugt über eine Speichereinheit für die Ursprungssignale und/oder die detektierten und isolierten Schnarchereignisse.
-
Der Merkmalsextraktor ist bevorzugt so ausgebildet, dass er eines oder mehrere der im folgenden genannten Merkmale aus den ihm zugeführten Signalen extrahiert: Mel-frequency Cepstral Koeffizienten, Koeffizienten, die aus dem Perceptual Linaer Predictive Coding extrahiert werden, Formanten, Formant-Dispersionen (mittlerer Abstand benachbarter Formantfrequenzen), Cepstral Koeffizienten, Wavelet Transformationen, Wavelet Package Transformationen, Filterbank Spektren (Log, Bark, Mel), sowie als prosodische Merkmale die Grundfrequenz, den Grundfrequenzverlauf, den Kurzzeitenergieinhalt, oder eine Kombination der vorgenannten Merkmalsarten.
-
Besonders bevorzugt verwendet der Merkmalsextraktor darüber hinaus oder anstelle der vorgenannten Merkmale auf die Eigenschaften von Schnarchgeräuschen optimierte Merkmale. In einer besonders bevorzugten Ausführungsform ist der Merkmalsextraktor so ausgebildet, dass er Merkmale verwendet, welche das anregende System beschreiben, umfassend das Verhältnis der Schallenergie oberhalb und unterhalb definierter Grenzfrequenzen, die Anteile nicht-harmonischer tonaler, harmonischer tonaler und atonaler Schallenergie im Obertonspektrum, harmonische und nicht-harmonische Irregularitäten im Grundfrequenzverlauf, Häufigkeitsverteilung (z. B. Histogram) der Frequenzen innerhalb des Spektrums zwischen Minimum und Maximum der Grundfrequenz des Anregungssignals, sowie quantitative Beschreibungen des Spektrums wie Spectral Entropy, Spectral Slope und Spectral Centroid (Schwerpunkt auf der Frequenzachse), dynamische Beschreibungen der Änderungen des Spektrums über die Zeit, wie Spectral Flux, Modulationsspektren von Zeitverläufen der Signalenergie in bestimmten Frequenzbändern, Magnitudenspektra des zeitlichen Verlaufs der ursprünglichen akustischen Merkmale, oder eine Kombination der vorgenannten Merkmalsarten. Bevorzugt werden die Merkmale zu Merkmalsklassen zusammengefasst.
-
Bei Verwendung mehrerer Schallaufnehmer werden die Signale bevorzugt jeweils einem getrennten Merkmalsextraktor zugeführt, welcher aus den von jeweils einem Schallaufnehmer aufgenommenen Signalen getrennt Merkmale extrahiert und dem Klassifikator zuführt. Alternativ ist ein Merkmalsextraktor so ausgeführt, dass er die Schallsignale mehrerer Schallaufnehmer getrennt verarbeiten kann, beispielsweise in abwechselnden Zeitblöcken.
-
In einer weiteren Ausführungsform ist der Merkmalsextraktor so ausgeführt, dass er die Schallsignale von mindestens zwei Schallaufnehmern zueinander in Beziehung setzen kann und aus dem Verhältnis bestimmter Merkmale beider Schallsignale mindestens ein neues Merkmal erzeugen kann. Besonders bevorzugt umfasst mindestens ein Merkmal das Verhältnis des Schallpegels, die Phasenunterschiede verschiedener Schallsignale oder eine Kombination aus den vorgenannten Merkmalen. Ein Vorteil dieser Ausführungsform ist es, dass eine noch differenziertere Analyse der zugrundeliegenden Anatomie möglich ist.
-
Weiterhin verfügt das System über einen Klassifikator zur Zuordnung der Merkmalskombinationen zu vorgegebenen Klassen von Schnarchgeräuschen auf Basis der Ergebnisse eines Trainings anhand von gelabelten (mit der Zugehörigkeit zu einer Klasse markierten) Trainingsdaten. Bevorzugt verfügt der Klassifikator über eine Schnittstelle, über welche die Merkmalsklassen und Modellparameter in den Klassifikator eingegeben werden können, sowie über einen Speicher zur Speicherung dieser.
-
Bevorzugt ist der Klassifikator trainierbar ausgebildet. Das heißt, die Modellparameter des Klassifikators werden anhand von einem Satz von Trainingsdaten bestimmt, um in den Merkmalskombinationen der gelabelten Trainingsdaten klassenspezifische Muster zu erkennen, die der Klassifikator anhand der so bestimmten Modellparameter anschließend in ungelabelten Daten wiedererkennt.
-
In einer alternativen Ausführungsform ist der Klassifikator so ausgeführt, dass beim Training Gewichte eines neuronalen Netzes geschätzt werden. Alternativ werden stochastische Modellparameter bei einem Gauss-Mixtur Modell anhand der Trainingsdaten und der dazugehörigen Labels geschätzt. Bevorzugt setzt der Klassifikator dazu ein mathematisches Optimierungsverfahren ein, welches durch iterative Anpassung der Modellparameter den Fehler zwischen der Vorhersage des Klassifikators und des tatsächlichen Labels auf der Menge der Trainingsdaten reduziert, umfassend Minimum Least-Squares, Lagrange Optimierung, Backpropagation, Gradientenabsteig, Genetische Algorithmen oder ein anderes Optimierungsverfahren oder eine Kombination der vorgenannten Optimierungsverfahren, Alternativ ist der Klassifikator als Support Vektor Maschine ausgeführt.
-
Alternativ, jedoch nicht bevorzugt, können die Modellparameter für den Klassifikator auch durch Expertenwissen ermittelt werden oder durch Zufall oder manuelles Experimentieren bestimmt werden. Weiterhin alternativ, jedoch nicht bevorzugt, ist der Klassifikator so ausgeführt, dass selektierte oder alle Referenzbeispiele aus den Trainingsdaten direkt als Modellparameter verwendet werden können. In diesem Fall ist der Klassifikator bevorzugt als k-nearest-neighbour Klassifikator ausgeführt.
-
Bevorzugt ist der Klassifikator so ausgeführt, dass er nach Bestimmung der Modellparameter ohne Zugriff auf den kompletten Trainingsdatensatz eingesetzt werden und anhand vorliegender geeigneter akustischer Merkmale (Eingabedaten) Vorhersagen zum Entstehungsort (Ausgabedaten) des durch die Merkmale beschriebenen Schnarchgeräusches generiert.
-
In einer bevorzugten Ausführungsform verfügt das System über eine Optimierungseinheit zur Auswahl der während der Lernphase als am besten für die Klassifizierung geeignet identifizierten Merkmalsklassen. Die Optimierungseinheit verwendet dafür einen geeigneten Auswahlprozess, vorzugsweise unter Anwendung des Verfahrens der Hauptkomponentenanalyse oder alternativ vorzugsweise unter Einsatz des des ReliefF Algorithmus oder eines anderen Auswahlprozesses. Dabei ordnet die Optimierungseinheit die vom Merkmalsextraktor zur Verfügung gestellten n Merkmale in der Reihenfolge ihrer Erkennungsgüte der Trainingsdaten und stellt dem Klassifikator eine definierte Anzahl N (1 <= N <= n) der Merkmale mit den besten Erkennungsgüten als Subgruppe zur Verfügung. In alternativen Ausführungsformen wird die Zahl N automatisch durch den Klassifikator auf Basis der Erkennungsgenauigkeit verschieden großer Subgruppen bestimmt. Alternativ, aber nicht bevorzugt wird die Zahl N manuell durch externe Eingabe festgelegt.
-
Ein Vorteil dieser Ausführungsform ist die Verringerung des Risikos von Overfitting des Klassifikators aufgrund einer zu hohen Anzahl von Merkmalen im Vergleich zur Menge der gelabelten Trainingsdaten. Daher kann durch Einsatz der Optimierungseinheit die Menge der benötigten Trainingsdaten reduziert werden. Insbesondere bei der Analyse von Schnarchdaten ist dies aufgrund des hohen Aufwands zur Erzeugung gelabelter Daten vorteilhaft.
-
Die Ausgabeeinheit verfügt bevorzugt über eine Anzeige zur tabellarischen und/oder grafischen Darstellung der vom Klassifikator ermittelten Ergebnisse. Alternativ verfügt die Ausgabeeinheit über eine Schnittstelle zur Ausgabe der ermittelten Ergebnisse in einem definierten Datenformat an ein getrenntes Speicher- und Anzeigesystem.
-
In einer vorteilhaften Ausführungsform der Erfindung verfügt der Klassifikator zusätzlich über eine Eingabeeinheit zur Einbeziehung mindestens eines weiteren, nicht-akustischen Merkmals, welches sowohl für die Trainingsdaten als auch für die Testdaten zur Verfügung steht. Ein Vorteil dieser Ausführungsform ist die weitere Verbesserung der Erkennungsgenauigkeit. Bevorzugt handelt es sich dabei um anatomische Merkmale der untersuchten Person, welche bevorzugt im Wachzustand erhoben werden. Besonders bevorzugt sind dies eines oder mehrere der folgenden Parameter: Zungengröße, Länge des Gaumensegels, Länge der Uvula, Größe der Gaumenmandeln. Bevorzugt werden für die Beschreibung der anatomischen Parameter Werte entsprechend etablierter anatomischer Vergleichsstandards in das System eingegeben. Besonders bevorzugt werden als Vergleichsstandards der Mallampati-Score und/oder das Friedman-Staging eingesetzt. In alternativen Ausführungsformen ermöglicht die Eingabeeinheit die Eingabe der Daten über eine Tastatur, durch Sprachbefehle oder eine alternatve Eingabemethode, oder über die Eingabe des Merkmalswertes über eine Computerschnittstelle.
-
In bevorzugten alternativen Ausführungsformen der Erfindung werden Schnarchsignaldetektor, Speicher, Merkmalsextraktor, Klassifikator inklusive Modellparameter und Optimierer und Ausgabeeinheit, oder Teile davon als Computerprogramm von einem Speichermedium eines Computersystems auf einem Prozessor (z. B CPU, GPU, DSP) ausgeführt, in programmierbaren Hardware-Schaltungen (z. B. FPGAs) implementiert oder als elektronische Schaltung durch digitale Logikbaugruppen und/oder analoge Bauteile (z. B. Widerstände, Kondensatoren, Operationsverstärker) aufgebaut.
-
In einer bevorzugten Ausführungsform ist die Schallaufnahmeeinheit derart ausgeführt, dass sie vom Merkmalsextraktor räumlich und zeitlich unabhängig Schnarchdaten aufnehmen und speichern, oder bevorzugt die Schnarchsignale aus dem Gesamtsignal isolieren und diese speichern kann. Ein Vorteil dieser Ausführungsform ist es, dass auf diese Weise die Erhebung der Schnarchsignale, z. B. in einem Schlaflabor oder am heimischen Bett, erfolgen kann, ohne dafür den Merkmalsextraktor, Klassifizierer und Auswertungseinheit zur Verfügung stellen zu müssen. Die Übertragung der Daten an den Merkmalsextraktor erfolgt in dieser Ausführungsform bevorzugt über eine kabelgebundene oder drahtlose Datenschnittstelle oder besonders bevorzugt über ein Netzwerk, beispielsweise das Internet, besonders bevorzugt unter Einsatz eines standardisierten Datenübertragungsprotokolls.
-
In einer weiteren bevorzugten Ausführungsform ist der Klassifikator derart ausgeführt, dass er die erzeugten Klassifizierungsergebnisse räumlich und zeitlich unabhängig von der Ausgabeeinheit speichern kann. Die Übertragung der Daten an die Ausgabeeinheit erfolgt in dieser Ausführungsform bevorzugt über eine kabelgebundene oder drahtlose Datenschnittstelle oder besonders bevorzugt über ein Netzwerk, beispielsweise das Internet, besonders bevorzugt unter Einsatz eines standardisierten Datenübertragungsprotokolls.
-
Im Folgenden soll die Erfindung anhand von Zeichnungen näher beschrieben werden. In den Zeichnungen zeigen:
-
1 schematisch einen Sagitalschnitt durch einen menschlichen Kopf,
-
2a–2b schematisch einen Sagitalschnitt durch einen menschlichen Kopf mit unterschiedlichen Schnarchursachen,
-
3a–3b schematisch die Komponenten des erfindungsgemäßen Systems.
-
Zunächst soll die Anatomie der oberen Atemwege eines Menschen näher beschrieben werden.
-
Hierzu zeigt 1 einen Ausschnitt einer schematischen Darstellung eines Sagitalschnitts des Kopfes eines Menschen, wobei insbesondere die oberen Atemwege erkennbar sind. Der Nasaltrakt 3 erstreckt sich von der Nasenöffnung 1 bis zu einer Passage zwischen Adenoiden 4 und Weichgaumen 6. Der Oraltrakt 5 erstreckt sich von der Mundöffnung 2 entlang des Zungenrückens 7 sowie des Weichgaumens 6 bis zum Zungengrund 8 und zur Epiglottis 9. Die oberen Atemwege sind definiert als der Bereich von der Larynx 10 bis zur Mundöffnung 2 sowie Nasenöffnung 1. Dieser Bereich wird auch als Vokaltrakt oder Artikulationstrakt bezeichnet. Die oberen Atemwege lassen sich als Resonatorsystem mit über die Länge variablem Querschnitt beschreiben. Dieses Resonatorsystem besitzt eine Übertragungsfunktion, die bestimmte Resonanzfrequenzen aufweist, welche durch seine Gesamtlänge und seinen Durchmesserverlauf charakterisiert sind.
-
Im Falle stimmhafter Phonation erzeugt in der Larynx 10 eine durch die Stimmlippen gebildete Schallquelle ein Signal. Das Schallsignal durchläuft bis zur Abstrahlung an der Mundöffnung 2 und/oder den Nasenöffnungen 1 den Artikulationstrakt, welcher das Signal durch eine bestimmte Übertragungsfunktion formt. Durch unterschiedliche Stellung der Zunge, des weichen Gaumens, des Unterkiefers und der Lippen wird die Übertragungsfunktion des Artikulationstraktes verändert, so können charakteristische Resonanzfrequenzen gebildet werden. Diese Resonanzfrequenzen sind unabhängig von der Grundfrequenz und dem Spektrum des Quellsignals.
-
Analog zur Phonation werden auch beim Schnarchen in den oberen Atemwegen entsprechende charakteristische Resonanzfrequenzen erzeugt, die das Frequenzspektrum des Quellsignals modulieren. Im Unterschied zur Phonation wird das Schnarchschallsignal jedoch nicht in der Larynx 10, sondern beispielsweise durch Weichgaumen 6, Zungengrund 8 oder Epiglottis 9 erzeugt. Dadurch ergibt sich beim Schnarchen als zusätzliche Variable die Position der Schallquelle innerhalb des Vokaltraktes.
-
2a zeigt im Sagitalschnitt schematisch den Weichgaumen 6 und 2b den Zungengrund 8 als Ursache des Schnarchens.
-
3a zeigt schematisch die Komponenten der Schallaufnahmeeinheit 11 einer bevorzugten Variante des erfindungsgemäßen Systems.
-
Die Signale der beiden Luftschallmikrofone 12 werden über je einen Signalverstärker 13 verstärkt und über je einen Analog-Digital-Wandler 14 in digitale Signale gewandelt. Das digitalisierte Signal eines der Luftschallmikrofone 12 wird an einen Schnarchsignaldetektor 15 geleitet, welcher im Ursprungssignal Schnarchereignisse erkennen kann. Wenn der Schnarchsignaldetektor 15 ein Schnarchsignal erkannt hat, werden über ein Steuersignal die beiden Schalter 16 für die Dauer des Schnarchereignisses eingeschaltet, sodass die Signale an die beiden Speicher 17 weitergeleitet werden, in denen sie gespeichert werden. An den Ausgängen 18 „S1” und „S2” stehen die isolierten Schnarchsignaldaten zur Verfügung.
-
3b zeigt schematisch die Komponenten Merkmalsextraktor, Klassifikator und Ausgabeeinheit einer bevorzugten Variante des erfindungsgemäßen Systems.
-
Über die Eingänge 18 werden die isolierten Schnarchsignaldaten „S1” und „S2” jeweils einem Merkmalsextraktor 19 zugeführt. Die Merkmalsextraktoren extrahieren aus den Schnarchsignaldaten jeweils einen Merkmalssatz 22.
-
Parallel werden die Schnarchsignaldaten „S1” und „S2” einem weiteren Merkmalsextraktor 20 zugeführt, der die beiden Schnarchsignaldaten „S1” und „S2” zueinander in Beziehung setzt und aus dem Verhältnis bestimmter Merkmale beider Schallsignale einen weiteren Merkmalsatz 23 extrahiert.
-
Weiterhin wird dem System über den Eingang 21 „Fe” ein weiterer, nicht-akustische Merkmale enthaltender Merkmalssatz 24 zugeführt.
-
Die Merkmalssätze 22, 23 und 24 umfassen insgesamt n Merkmale „F1” bis „Fn”. Diese Merkmale werden dem Klassifikator 25 zugeführt.
-
Über den Eingang 26 „Pm” werden dem System Modellparameter zugeführt, die im Speicher 27 gespeichert und dem Klassifikator 25 zur Zuordnung der Merkmalskombinationen zu vorgegebenen Klassen von Schnarchgeräuschen zur Verfügung stehen.
-
Die Ordnungseinheit 28 ordnet die Merkmale „F1” bis „Fn” in der Reihenfolge ihrer Erkennungsgüte der Trainingsdaten und stellt die so geordneten Merkmale der Optimierungseinheit 29 zur Verfügung. Die Optimierungseinheit 29 trennt die Merkmale mit dem besten Erkennungsgüten „F1” bis „FN” aus dem Merkmalssatz heraus und verwirft die Merkmale mit schlechteren Erkennungsgüten „FN + 1” bis „Fn”. Die Merkmals-Subgruppe „F1” bis „FN” wird über den Ausgang 30 dem Klassifikator für die Klassifizierung wieder zur Verfügung gestellt, der daraus die Klasse der Schnarchsignale bestimmt und die Klassifizierungsergebnisse jedes Schnarchereignisses im Speicher 31 ablegt, sodass sie schließlich am Ausgang 32 „R” zur Verfügung stehen.
-
Die Ausgabeeinheit 33 ruft die Klassifizierungsergebnisse „R” aus dem Speicher 31 ab und stellt diese über eine Anzeige tabellarisch und grafisch dar.
-
Zusammenfassung
-
Die Erfindung umfasst ein Verfahren zur Ermittlung anatomischer Ursachen für die Entstehung von Schnarchgeräuschen einer Person, bei dem die von der Person erzeugten Schnarchgeräusche aufgenommen werden, die akustischen Eigenschaften anhand einer Reihe von Merkmalen extrahiert und einem Klassifikator zugeführt werden, der auf Basis der Kombination relevanter akustischer Merkmale die Schnarchsignale einer Klasse aus einer Auswahl vorgegebener Klassen zuordnet. Die Lage der Organe der oberen Atemwege, die Gesamtlänge des akustisch aktiven Vokaltrakts und die Schwingungsformen des beim Schnarchen vibrierenden Weichgewebes sind charakteristisch für bestimmte Arten der Schnarchschallentstehung, so dass durch die Analyse geeigneter akustischer Merkmale auf die Ursachen der Schallentstehung geschlossen werden kann.
