JP2007508899A - 特異値分解を使用する聴診音の分析 - Google Patents

Abstract

患者の生理学的状態を診断する際に医療専門家を補助するために聴診音を分析する技術が説明される。例えば、データ分析システムが、多次元空間内の１組の１つまたは複数の疾病領域を定義するために、既知の生理学的状態に関連付けられた聴診音に対して特異値分解を適用する。電子聴診器またはパーソナルディジタルアシスタントのような診断装置が、患者に関連付けられた聴診音を表している多次元空間内の１組の１つまたは複数のベクトルを生成するために、データ分析システムからの設定データを適用する。この診断装置は、多次元空間内の前記疾病領域に対する前記ベクトルの向きに基づいて、患者の生理学的状態に関連付けられた診断メッセージを出力する。
【選択図】図１

Description

本発明は一般的に医療装置に関し、および、特に、聴診音の分析のための電子装置に関する。

臨床医および他の医療専門家が、長年の間、生理学的状態の検出と診断とを補助するために聴診音に頼ってきた。例えば、臨床医が、心臓の疾病を検出する目的で心音を監視するために聴診器を使用することがある。他の例としては、臨床医が、呼吸器の病状または胃腸の病状を検出するために患者の肺または腹腔に関連付けられた音を監視することがある。

電子的に録音された聴診音に対してアルゴリズムを適用する自動装置が開発されてきた。一例が自動血圧監視装置である。他の例が、聴診音の分析に基づいて生理学的状態を自動的に監視することを試みる分析システムを含む。例えば、人工神経回路網が、聴診音を分析するための、および、自動化診断または提案診断（ｓｕｇｇｅｓｔｅｄ ｄｉａｇｎｏｓｉｓ）を実現するための１つの実現可能な機構として議論されてきた。

これらの従来の技術を使用する場合には、任意の度合いの精度で聴診音に基づいた特定の生理学的状態の自動化診断を実現することが困難である場合が多い。さらに、臨床医を補助するためにリアルタイムまたは疑似リアルタイムで適用されることが可能な仕方で従来の技術を実施することが困難である場合が多い。

一般的に、本発明は、患者の生理学的状態を診断する場合に医療専門家を補助するために聴診音を分析する技術に関する。この技術は、例えば、様々な心臓状態を診断する際に医療専門家を補助するために適用されてよい。例えば、本明細書で説明されている技術を使用して自動的に検出されることが可能な心臓状態の例が、大動脈弁閉鎖不全症と大動脈弁狭窄症、三尖弁閉鎖不全症と三尖弁狭窄症、肺動脈弁狭窄症と肺動脈弁閉鎖不全症、僧帽弁閉鎖不全症と僧帽弁狭窄症、大動脈瘤、頸動脈狭窄症、および、他の心臓病状を含む。この技術は、他の生理学的状態を検出するために聴診音に適用されてもよい。例えば、この技術は、呼吸器の病状または胃腸の病状を検出するために患者の肺や腹腔や他の区域から録音された音を検出するために使用されてもよい。

本明細書で説明している技術によって、特異値分解（「ＳＶＤ」）が、既知の生理学的状態に関連付けられた聴診音のディジタル化表現を含む臨床データに適用される。この臨床データは１組の行列として公式化されてよく、この場合に各行列は、生理学的状態のそれぞれ１つに関連付けられた聴診音のディジタル表現を格納する。臨床データに対するＳＶＤの適用が、その行列を、多次元空間内の１組の「疾病領域（ｄｉｓｅａｓｅ ｒｅｇｉｏｎ）」を定義する１組の部分行列の形に分解する。

その次に、各々の生理学的状態に関する部分行列の１つまたは複数が、診断装置内の設定（ｃｏｎｆｉｇｕｒａｔｉｏｎ）データとして使用されてよい。さらに明確に述べると、この診断装置は、その設定データを、多次元空間内の１組の１つまたは複数のベクトルを生成するために、患者に関連付けられた聴診音のディジタル化表現に対して適用する。この診断装置は、定義されている疾病領域に対するベクトルの向きに基づいて、例えば心臓病状のような生理学的状態を患者が有しているかどうかを判定する。

一実施態様では、方法が、既知の生理学的状態に関連付けられた聴診音を、多次元空間内で定義された１組の１つまたは複数の疾病領域に対してマッピングするステップと、患者に関連付けられた聴診音を表している多次元空間内の１組の１つまたは複数のベクトルを生成するステップとを含む。この方法は、さらに、多次元空間内で定義されているベクトルと疾病領域との関数として患者の生理学的状態に関連付けられた診断メッセージを出力するステップも含む。

別の実施態様では、方法が、多次元空間内の１組の１つまたは複数の疾病領域に対して聴診音をマップするために生理学的状態に関連付けられた聴診音のディジタル化表現に対して特異値分解（「ＳＶＤ」）を適用するステップと、多次元マッピングに基づいて診断装置による使用のために設定データを出力するステップとを含む。

別の実施態様では、方法が、既知の生理学的状態に関連付けられた聴診音のディジタル化表現に対して特異値分解（「ＳＶＤ」）を適用することによって生成された設定データを診断装置内に記憶するステップを含み、この設定データは多次元空間内の１組の１つまたは複数の疾病領域に対して聴診音をマップする。この方法は、さらに、生理学的状態の１つまたは複数を選択するために、患者に関連付けられた聴診音を表しているディジタル化表現に対してその設定データを適用するステップと、その選択された生理学的状態を表示する診断メッセージを出力するステップとを含む。

別の実施態様では、診断装置が媒体と制御ユニットとを備える。この媒体は、既知の生理学的状態に関連付けられた聴診音のディジタル化表現に対して特異値分解（「ＳＶＤ」）を適用することによって生成されたデータを格納する。この制御ユニットは、生理学的状態の１つを選択するために、患者に関連付けられた聴診音を表しているディジタル化表現に対して設定データを適用する。この制御ユニットは、生理学的状態の選択された１つを表示する診断メッセージを出力する。

別の実施態様では、データ分析システムが分析モジュールとデータベースとを含む。この分析モジュールは、多次元空間内の１組の１つまたは複数の疾病領域に対して聴診音をマップするために、既知の生理学的状態に関連付けられた聴診音のディジタル化表現に対して特異値分解（「ＳＶＤ」）を適用する。このデータベースは、この分析モジュールによって生成されたデータを格納する。

別の実施態様では、本発明は、命令を含むコンピュータ可読媒体に関する。この命令は、１組の生理学的状態の中の１つの生理学的状態を選択するために、患者に関連付けられた聴診音を表しているディジタル化表現に対して設定データをプログラム可能プロセッサに適用させ、この場合に、この設定が、多次元空間内の１組の１つまたは複数の疾病領域に対して聴診音をマップする。この命令は、さらに、選択された１つの生理学的状態を表示する診断メッセージをプログラム可能プロセッサに出力させる。

この技術は１つまたは複数の利点を提供するだろう。例えば、ＳＶＤの適用は、従来のアプローチに比較してより正確な患者の自動診断を実現するだろう。これに加えて、この技術は、ＳＶＤを使用して設定データが事前計算され、その次に、患者に関する診断を下す際に臨床医を補助するために、リアルタイムまたは疑似リアルタイムで診断装置によって、すなわち、臨床医によって適用されることを可能にする。

本発明の１つまたは複数の実施態様の詳細が、添付図面と以下の説明とにおいて示されている。本発明の他の特徴と目的と利点が、以下の説明と図面から、および、特許請求項から明らかだろう。

図１は、診断を下す際に臨床医１０を補助するために診断装置６が患者８からの聴診音を分析する例示的なシステム２を示すブロック図である。一般的に、診断装置６は、データ分析システム４によって生成された設定データ１３にしたがってプログラムされる。診断装置６は、患者８からの聴診音を分析するためにその設定データを使用し、および、患者の生理学的状態を診断する際に臨床医１０を補助するためにその分析に基づいて診断メッセージを出力する。例示を目的として心臓状態に関して説明しているが、この技術は、患者８の身体の他の区域から録音された聴診音に対しても適用されてよい。例えば、この技術は、呼吸器の呼吸器の状態または胃腸の状態を検出するために患者８の肺または腹腔から録音された聴診音に適用されてもよい。

診断装置６による使用のための設定データ１３を生成する際には、データ分析システム４は、既知の生理学的状態を有する１組の患者から録音された聴診音のディジタル化表現を含む臨床データ１２を受け取って処理する。例えば、この聴診音は、１つまたは複数の既知の心臓病状を有する患者から録音されてもよい。心臓病状の例は、大動脈弁閉鎖不全症と大動脈弁狭窄症、三尖弁閉鎖不全症と三尖弁狭窄症、肺動脈弁狭窄症と肺動脈弁閉鎖不全症、僧帽弁閉鎖不全症と僧帽弁狭窄症、大動脈瘤、頸動脈狭窄症、および、他の心臓病状を含む。これに加えて、臨床データ１２は「正常な」患者すなわち心臓病状を持たない患者から録音された聴診音を含む。一実施形態では、臨床データ１２は、フィルタされていない生フォーマットの心音の録音を含む。

データ分析システム４の分析モジュール１４は、電子的に録音された聴診音を表している多次元エネルギー空間内の１組の「疾病領域」を定義するために、本明細書で説明している技術によって臨床データ１２の録音された聴診音を分析する。多次元空間内の各々の疾病領域は、それぞれの疾病を示すものとしてすでに数学的に識別されている心臓サイクル中の音の特徴に対応する。

さらに詳細に後述するように、一実施形態では、分析モジュール１４は、多次元空間内で疾病領域とその境界とを定義するために特異値分解（「ＳＶＤ」）を適用する。さらに、分析モジュール１４は、多次元空間内の疾病領域の間のエネルギー差を最大にするために、および、各々の疾病領域の間の正規距離（ｎｏｒｍａｌ ｄｉｓｔａｎｃｅ）を最大化する各疾病領域に関するそれぞれのエネルギー角（ｅｎｅｒｇｙ ａｎｇｌｅ）を定義するために、ＳＶＤを適用する。データ分析システム４は、分析モジュール１４の実行とＳＶＤの適用とのための動作環境を提供する１つまたは複数のコンピュータを含んでよく、これは計算集約的なタスクであるだろう。例えば、データ分析システム４は、数学モデル化および数値分析環境を提供する１つまたは複数のワークステーションまたはメインフレームコンピュータを含んでもよい。

分析モジュール１４は、診断装置６による使用のためにパラメトリックデータベース１６内に分析結果を格納する。例えば、このパラメトリックデータベース１６は、多次元エネルギー空間とこの空間内の疾病領域に関するエネルギー領域とを定義する、診断装置６のためのデータを含んでもよい。言い換えると、このデータは、正常な心臓活動と定義された心臓病状とを示している心臓サイクルに関する聴診音の特徴を識別するために使用されてよい。さらに詳細に後述するように、このデータは、臨床データ１２に対するＳＶＤの適用中に生成される１つまたは複数の部分行列を含んでもよい。

分析モジュール１４が臨床データ１２を処理してパラメトリックデータベース１６を生成し終わると、診断装置６は、患者８の診断を補助するために、設定データ１３を受け取るか、または、設定データ１３を適用するために他の形でプログラムされる。図示されている実施形態では、聴診音録音装置１８が患者８からの聴診音を監視し、および、通信リンク１９を経由して診断装置６にその聴診音のディジタル化表現を通信する。診断装置６は、患者８から録音された聴診音を分析するために設定データ１３を適用する。

一般的に、診断装置６は、聴診音録音装置１８から受け取られたディジタル化表現を、臨床データ１２からデータ分析システム４によって計算された多次元エネルギー空間に対してマップするために、設定データ１３を適用する。さらに詳細に後述するように、診断装置６は、捕捉された音を表現している多次元空間内の１組のベクトルを生じさせるために設定データ１３を適用する。その次に、診断装置６は、疾病領域に対する多次元空間内のベクトルの向きに基づいて疾病領域の１つを選択する。一実施形態では、診断装置６は、多次元空間内の定義された疾病領域のどれがその代表的なベクトルから最小距離を有するかを判定する。この判定に基づいて、診断装置は、臨床医１０に対する提案診断を提供する。診断装置６は、臨床医１０に対して正確な診断が報告されることを確かなものにするのに役立つように、患者８の録音された心音によって識別された１つまたは複数の心臓サイクルに対して分析を反復してもよい。

様々な実施形態では、診断装置６は様々なメッセージタイプを出力してよい。例えば、診断装置６は、患者８の生理学的状態が正常か異常であるかどうかを示す、例えば、患者が心臓病状に罹っているか否かを示す、「合格／不合格」タイプのメッセージを出力してもよい。この実施形態では、データ分析システム４は、２つの疾病領域、すなわち、（１）正常および（２）疾病の疾病領域を含むように、多次元空間を定義してよい。言い換えると、データ分析システム４は、各々の心臓病状に関して多次元空間によってそれぞれの疾病領域を定義することは必ずしも必要ではない。分析中に、診断装置６は、患者８の聴診音がより厳密に「正常」領域または「疾病」領域にマップするかどうかを判定し、および、この判定に基づいて合格／不合格メッセージを出力するだけでよい。診断装置６は、患者８のマップされた聴診音が正常な領域からである計算された距離に基づいて、重症度標識を表示してもよい。

別の例として、診断装置６は、患者８が現在罹っている１つまたは複数の特定の病状を提案するために診断メッセージを出力してもよい。この代わりに、または、これに加えて、診断装置６は、患者８が罹る傾向がある病状の予想的な評価としての診断メッセージを出力してもよい。言い換えると、この予想的な評価は、患者が特定の心臓疾病に罹りやすいかどうかを示す。これは、予想された病状が発症または悪化する可能性を低下させるために臨床医８が事前対応的に療法を処方することを可能にするだろう。

診断装置６は、臨床医１０が表示メッセージタイプを選択することを可能にするユーザ設定可能モード設定をサポートしてもよい。例えば、診断装置６は、合格／不合格タイプのメッセージだけが表示される第１のモードと、１つまたは複数の提案診断が表示される第２のモードと、１つまたは複数の予想診断が提案される第３のモードとをサポートしてもよい。

診断装置６は、ラップトップコンピュータ、ハンドヘルド計算装置、パーソナルディジタルアシスタント（ＰＤＡ）、または、心エコー分析装置等であってよい。診断装置６は、組込みマイクロプロセッサ、ディジタルシグナルプロセッサ（ＤＳＰ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、特定用途向け集積回路（ＡＳＩＣ）、または、この技術を実装するための他のハードウェア、ファームウェア、および／または、ソフトウェアを含んでよい。言い換えると、患者８からの聴診音の分析が、本明細書で説明するように、ハードウェア、ソフトウェア、ファームウェア、これらの組合せ、または、他の類似物の形で実装されてよい。ソフトウェアの形で実装される場合には、コンピュータ可読媒体が、上述の技術の１つまたは複数を実施するためにプロセッサまたはＤＳＰによって実行されることが可能な命令すなわちプログラムコードを記憶してよい。例えば、コンピュータ可読媒体は、磁気媒体、光学媒体、ランダムアクセスメモリ（ＲＡＭ）、読出し専用メモリ（ＲＯＭ）、不揮発性ランダムアクセスメモリ（ＮＶＲＡＭ）、電気的消去可能書込み可能読出し専用メモリ（ＥＥＰＲＯＭ）、フラッシュメモリ、または、プログラムコードを記憶するのに適している他の媒体を含んでよい。

聴診音録音装置１８は、患者８の聴診音を表している電子信号を生成することが可能な任意の装置であってよい。一例としては、聴診音録音装置１８は、聴診音の電子録音を生成および捕捉するためのディジタルシグナルプロセッサ（ＤＳＰ）または他の内部コントローラを有する電子聴診器であってよい。あるいは、この代わりに、使い捨て／再使用可能センサ、マイクロホン、および、聴診音を捕捉するための他の装置のような、聴診器ではない製品が使用されてもよい。

本明細書で説明している技術の適用が、フィルタされていない形式の生データの使用を可能にする。更に、この技術は、聴診音録音装置１８によって捕捉された可聴範囲内にない聴診音を利用できる。例えば、電子聴診器は、０−２０００Ｈｚの範囲内の音を捕捉してよい。

診断装置６と聴診音録音装置１８は、別個の装置として図示されているが、単一の装置の中に統合されてもよく、すなわち、例えば、本明細書で説明する技術にしたがって患者８からの心音を録音および分析するのに十分な計算リソースを有する電子聴診器内に統合されてもよい。通信リンク１９が、例えば直列もしくは並列の通信リンクのような有線リンク、ワイヤレス赤外通信リンク、または、所有権のあるプロトコルもしくは８０２．１１（ａ／ｂ／ｇ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）等のようなワイヤレス規格のいずれかによるワイヤレス通信リンクであってよい。

図２は、患者８（図１）の診断を補助するための診断装置として動作するポータブルディジタルアシスタント（ＰＤＡ）２０の例示的な具体例のブロック図である。この図示されている具体例では、ＰＤＡ ２０は、タッチスクリーン２２と、入力キー２６、２８と、入力キー２９Ａ−２９Ｄとを含む。

臨床医１０による取得キー２６の選択時に、診断装置２０は、患者８から録音された聴診音のディジタル化表現を通信リンク１９を介して受け取るために取得モードに入る。ディジタル化表現が受け取られると、臨床医１０は、設定データ１３を適用しおよび受け取られた聴診音に基づいて提案診断を行うことを診断装置２０に命じるために、診断キー２８を起動する。あるいは、診断装置２０は、診断キー２８を起動する必要なしに、聴診音を処理することを自動的に開始してもよい。

より詳細に後述するように、診断装置２０は、データ分析システム４によって計算された多次元エネルギー空間に対して聴診音録音装置１８から受け取られたディジタル化表現をマップするために、設定データ１３を適用する。一般的に、診断装置２０は、多次元空間内で定義されている疾病領域のどれに患者８の聴診音が最も近くマップするかを判定する。この判定に基づいて、診断装置２０は、１つまたは複数の提案診断を臨床医１０に対して出力するために、タッチスクリーン２２を更新する。この例では、診断装置２０は、患者８が大動脈狭窄症に罹っているかも知れないことを聴診音が示すということを表示する診断メッセージ２４を出力する。これに加えて、診断装置は、患者８から録音された聴診音の図形的表現２３を出力してもよい。

診断装置２０は、その装置によって行われる分析のタイプを制御する幾つかの入力キー２９Ａ−２９Ｄを含んでもよい。例えば、臨床医１０によってどの入力キー２９Ａ−２９Ｄが選択されたかに基づいて、診断装置２０は、合格／不合格タイプの診断メッセージ、患者８が現時点で罹っているかも知れない１つまたは複数の提案された病状、患者８が罹っていると認定された１つまたは複数の病状、および／または、患者８が罹る傾向がある１つまたは複数の病状の予想的な評価を提供する。

画面２２または入力キーは、さらに、性別、年齢、ＢＭＩ（体重指数＝体重（キログラム）／身長（メートル）の２乗）のような固有患者情報の入力を可能にすることが可能である。この情報は、本明細書で説明する分析で使用可能である。

図２に示す実施形態では、診断装置２０は、Ｐａｌｍ．Ｉｎｃ．（Ｍｉｌｐｉｔａｓ，Ｃａｌｉｆｏｒｎｉａ）によって製造されているＰａｌｍＰｉｌｏｔ、または、Ｍｉｃｒｏｓｏｆｔ Ｃｏｒｐｏｒａｔｉｏｎ（Ｒｅｄｍｏｎｄ，Ｗａｓｈｉｎｇｔｏｎ）からのＷｉｎｄｏｗｓ（登録商標） ＣＥオペレーティングシステムを実行するＰｏｃｋｅｔＰＣのような任意のＰＤＡであってよい。

図３は、本明細書で説明している技術によって診断装置として動作する電子聴診器３０の例示的な実施形態の斜視図である。この図示されている実施形態では、電子聴診器３０が、チェストピース（ｃｈｅｓｔｐｉｅｃｅ）３２と、音響伝送機構３４と、イヤピースアセンブリ（ｅａｒｐｉｅｃｅ ａｓｓｅｍｂｌｙ）３６とを含む。チェストピース３２は、聴診音を収集するために患者８の体の付近にまたは体に押し付けて配置されるようになっている。音響伝送機構３４は、収集された音響をイヤピースアセンブリ３６に伝送する。イヤピースアセンブリ３６は１対のイヤピース３７Ａ、３７Ｂを含み、臨床医１０は聴診音をこのイヤピースアセンブリでモニタする。

この図示されている実施形態では、チェストピース３２は、診断メッセージ４２の出力のための表示装置４０を含む。さらに明確に述べると、電子聴診器３０は、チェストピース３２によって捕捉された聴診音を、データ分析システム４によって計算された多次元エネルギー空間に対してマップするために、設定データ１３を適用する内部コントローラ４４を含む。コントローラ４４は、エネルギー空間内で定義された疾病領域のどれに対して患者８の聴診音が最も近くマップするかを判定する。この判定に基づいて、コントローラ４４は、診断メッセージ４２を出力するために表示装置４０を更新する。

コントローラ４４は、チェストピース３２内に配置されている形で、例示を目的として示されているのであって、電子聴診器３０の他の区域内に配置されてもよい。コントローラ４４は、組込みマイクロプロセッサ、ＤＳＰ、ＦＰＧＡ、ＡＳＩＣ、または、この技術を実装するための類似したハードウェア、ファームウェアおよび／またはソフトウェアを含んでよい。コントローラ４４は、本明細書で説明されている技術の１つまたは複数を行うために実行されることが可能なコンピュータ可読命令すなわちプログラムコードを記憶するためのコンピュータ可読媒体を含んでよい。

図４は、本明細書で説明する技術の概要を示す流れ図である。図４に示されているように、このプロセスは概ね２つの段階に区分できる。第１の段階が、診断装置６のための設定データ１３を生成するために臨床データ１２（図１）がＳＶＤを使用して分析されるパラメトリック分析段階と呼ばれる。このプロセスは計算集約的だろう。第２の段階が、患者の診断を補助するために診断装置６が分析段階の結果を適用する診断段階と呼ばれる。例示のために、図４の流れ図を、図１を参照しながら説明する。

最初に、臨床データ１２が収集され（５０）、および、特異値分解のためにデータ分析システム４に提供される（５２）。上述したように、臨床データ１２は、既知の心臓状態を有する１組の患者からの聴診音の電子的録音を含む。

データ分析システム４の分析モジュール１４は、電子的に録音された心音を表している多次元空間内の１組の疾病領域を定義するために、本明細書に説明されている技術によって臨床データ１２の録音された心音を分析する（５２）。多次元空間内の各々の疾病領域は、それぞれの疾病を示すものとして数学的に識別されている心臓サイクル中の音に対応する。分析モジュール１４はその分析の結果をパラメトリックデータベース１６内に格納する（５４）。特に、この結果は、生成された多次元空間に患者の聴診音をマップするための、診断装置６による使用のための設定データ１３を含む。分析モジュール１４が臨床データ１２を処理し終わると、診断装置６は、設定データ１３を受け取るか、または、他の形で、患者１８の診断を補助するために設定データ１３を適用するようにプログラムされる（５６）。このようにして、データ分析システムは、リアルタイムまたは疑似リアルタイムで適用されてよいパラメトリックデータを生成するために、既知の生理学的状態が分かっている患者から録音された聴診音の代表的なサンプルの組を分析するための、ＳＶＤを含む、本明細書で説明されている技術を適用するものと見なされることが可能である。

診断段階は、聴診音録音装置１８が患者８からの聴診音を捕捉する時に開始する。診断装置６は、聴診音録音装置１８から受け取られた心音を、臨床データ１２からデータ分析システム４によって計算された多次元エネルギー空間に対してマップするために、設定データ１３を適用する（５８）。心臓聴診音の場合には、診断装置６は、正確な診断が臨床医１０に対して報告されることを確実なものにするのに役立つように、患者８の録音心音に関連付けられた１つまたは複数の心臓サイクルに関するリアルタイム診断を繰り返してもよい。診断装置６は、設定の適用と、多次元空間に対する患者聴診音のマッピングとに基づいて、診断メッセージ３２を出力する（５９）。

図５は、パラメトリック分析段階（図４）をさらに詳細に示す流れ図である。最初に、既知の心臓状態を有する１組の患者から臨床データ１２が収集される（６０）。一実施形態では、各々の録音が約８秒間の聴診心音を捕捉し、これは７０拍／分の心拍数の場合に約９．３３回の心臓サイクルを表す。各録音は、３２，０００個の個別値を有するベクトルＲとしてディジタル形式で記憶され、これは約４０００Ｈｚのサンプリングレートに相当する。

各々の心音録音Ｒは、図６に関連して詳細に後述するように前処理される。この前処理中に、分析モジュール１４は、各心臓サイクルの開始時点と終了時点とを識別するために、ベクトルＲを処理する。これに加えて、分析モジュール１４は、各心臓サイクルにおける心収縮期および心拡張期とＳ１期間およびＳ２期間とに関する開始時点と終了時点とを識別する。これらの識別に基づいて、分析モジュール１４は、通常の心拍数、例えば、７０拍／分に各心臓サイクルを正規化する。言い換えると、分析モジュール１４は、７０拍／分の心拍数に相当する約８．５７ミリ秒のような設定された時間期間に、心臓サイクルに関連付けられたデータを拡張または圧縮するために、必要に応じて各々の心臓サイクルに対応するディジタル化データを再サンプリングしてよい。

各々の個別の心臓録音を前処理した後に、分析モジュール１４は、多次元エネルギー空間を生成するために、および、聴診音の特徴に相関する多次元エネルギー空間内の疾病領域を定義するために、特異値分解（ＳＶＤ）を臨床データ１２に適用する（６３）。

更に明確に述べると、分析モジュール１４は、次式のＭ×Ｎ行列Ａを形成するために、同一の既知の心臓状態を有する患者に関するＮ個の前処理された録音Ｒを組み合わせる。

上式中で、各々の行が、例えば３４００個のディジタル化値のようなＭ個のディジタル化値を有する異なる録音Ｒを表す。

その次に、分析モジュール１４は、３つの部分行列の積の形にＡを分解するためにＳＶＤを適用し、
Ａ＝ＵＤＶ^T
上式中で、Ｕは直交列を有するＮ×Ｍ行列であり、ＤはＭ×Ｍ非負対角行列であり、かつ、ＶはＭ×Ｍ直交行列である。この関係は、さらに、下式として表現されてもよく、
Ｕ^TＡＶ＝ｄｉａｇ（Ｓ）＝ｄｉａｇ（σ₁，．．．，σ_p）
上式中で、行列Ｓ（σ₁，．．．，σ_p）の要素がＡの特異値である。このＳＶＤ表現では、Ｕは左の非正則の行列であり、Ｍは右の非正則の行列である。さらに、Ｕは、行列Ａを最も適切に定義する各Ｒによって特徴を定義するＭ×Ｍ加重行列と見なされることが可能である。更に明確に述べると、ＳＶＤの原理によって、Ｕ行列は、Ｍ次元空間内の定義された領域に対して行列Ａをマップする加重行列を提供する。

分析モジュール１４は、各々の心臓状態に関してこのプロセスを繰り返す。言い換えると、分析モジュール１４は、対応する行列Ａ_NORMALを計算するために「正常」患者に関して録音Ｒを使用し、および、Ｕ_NORMAL行列を生成するためにＳＶＤを適用する。同様に、分析モジュールは、各病状に関してＡ行列とこれに対応するＵ行列とを計算する。例えば、分析モジュール１４は、Ｕ_AS、Ｕ_AR、Ｕ_TR、および／または、Ｕ_DISEASEDとを生成してよく、下付き文字「ＡＳ」は、大動脈弁狭窄症を呈することが他の診断ツールによって分かっている患者または患者集団から生成されたＵ行列を示す。下付き文字「ＡＲ」は大動脈弁閉鎖不全症を示し、および、下付き文字「ＴＲ」は、同様に三尖弁閉鎖不全症を示した。

次に、分析モジュール１４は、計算されたＵ行列の各々にその他のＵ行列を２つ１組で乗算し、および、心臓状態を区別する特徴をＵ行列のどの部分が最も適切に特徴付けるかを識別するために、結果として得られた行列に対してＳＶＤを行う。例えば、Ｕ_NORMAL行列とＵ_AS行列とＵ_AR行列を想定すると、分析モジュールは次の行列を計算する。
Ｔ１＝Ｕ_NORMAL＊Ｕ_AS、
Ｔ２＝Ｕ_NORMAL＊Ｕ_AR、
Ｔ３＝Ｕ_AS＊Ｕ_AR

分析モジュール１４は、次に、結果として得られた行列Ｔ１、Ｔ２、Ｔ３の各々に対してＳＶＤを適用し、このことが、それぞれの心臓状態の間の多次元空間内のエネルギー差を最大化する各々の当初のＵ行列の一部分を識別するために使用されることが可能な１組の部分行列を再び戻す。例えば、ＳＶＤをＴ１に適用することによって計算された行列は、多次元空間内のそれぞれの疾病領域の直交性を最大化するＵ_NORMALとＵ_ASとの一部分を識別するために使用されることが可能である。

したがって、Ｔ１は、診断中により効率的に適用できる部分行列にＵ_NORMALとＵ_ASとを削減または他の形で縮小するために使用されてよい（６４）。例えば、Ｔ１、Ｔ２、Ｔ３の各々にＳＶＤを適用することによって計算されたＳ行列が使用されてもよい。多次元空間内のそれぞれの２つの心臓状態の間のエネルギー角を計算するために、各々のＳ行列に逆コサインが適用されてもよい。その次に、このエネルギー角は、各Ｕ行列のどの部分が多次元空間内の疾病理由の間のエネルギー差を最も適切に明らかにするかを識別するために使用されてもよい。

次に、分析モジュールは、心臓状態の各々に関する平均ベクトルＡＶを計算する（６６）。特に、心臓データ１２から公式化された各Ｍ×Ｎ Ａ行列に関して、分析モジュール１４が、行列Ａ内のＮ個の録音Ｒから計算された平均ディジタル化値を保存する１×Ｎ平均ベクトルＡＶを計算する。例えば、分析モジュール１４は、ＡＶ_ASベクトル、ＡＶ_ARベクトル、ＡＶ_TRベクトル、および／または、ＡＶ_DISEASEDベクトルを計算してよい。

分析モジュール１４は、計算されたＡＶ平均ベクトルと、Ｕ行列または縮小Ｕ行列を、設定データ１３としての使用のためにパラメトリックデータベース１６内に格納する。例えば、分析モジュール１４は、診断装置６による設定データ１３としての使用のために、ＡＶ_AS、ＡＶ_AR、ＡＶ_TR、Ｕ_NORMAL、Ｕ_AS、および、Ｕ_ARを記憶してよい（６８）。

図６は、聴診音録音Ｒの前処理をさらに詳細に示す流れ図である。一般的に、この前処理技術は聴診音録音Ｒを心臓サイクルの形に区分し、および、各心臓サイクルを４つの部分、すなわち、第１の心音と、心収縮期部分と、第２の心音と、心拡張期部分とに区分する。この前処理技術は、ノイズ抑制のためにシャノンエネルギーエンベログラム（Ｓｈａｎｎｏｎ Ｅｎｅｒｇｙ Ｅｎｖｅｌｏｇｒａｍ（ＳＥＥ））を利用する。その次に、ＳＥＥは、心音ピークの相対的なばらつきの少なさを使用して閾値化（ｔｈｒｅｓｈｏｌｄ）される。使用されるこの閾値は、特定の聴診音録音Ｒに基づいて適応的に生成されることが可能である。

最初に、分析モジュール１４は、録音中のエネルギー閾値を識別するために聴診音録音Ｒに対するウェーブレット分析を行う（７０）。例えば、ウェーブレット分析は、特定の周波数範囲の間のエネルギー閾値を明らかにしてもよい。言い換えると、ディジタル化録音のエネルギーの大部分を含む特定の周波数範囲が識別されることが可能である。

識別されたエネルギー閾値に基づいて、分析モジュール１４は聴診音録音Ｒを１つまたは複数の周波数帯域に分解する（７２）。分析モジュール１４は、各々の心臓サイクルを識別するために各周波数帯域内の信号の特徴を分析する。特に、分析モジュール１４は、心臓サイクルの心収縮期段階および心拡張期段階と、特定の弁活動が生じるＳ１期間およびＳ２期間とを識別するために、周波数帯域を調べる（７４）。各心臓サイクルを区分するために、分析モジュール１４は、最初に、低域フィルタ、例えば、カットオフ周波数が１ｋＨｚである８次チェビシェフ型の低域フィルタを使用してよい。その次に、平均ＳＥＥが、次式の通りに、０．０１秒のセグメント重複を伴って聴診音録音Ｒの全体にわたって０．０２秒セグメント毎に計算されてもよく、

上式中で、Ｘ_normは聴診音録音の低域フィルタされかつ正規化されたサンプルであり、および、Ｎは、０．０２秒セグメント中の信号サンプル数であり、例えば、Ｎは２００に等しい。「正規化平均シャノンエネルギー」対「時間軸」が次の通りに計算されてよく、

上式中で、Ｍ（Ｅｓ（ｔ））はＥｓ（ｔ）の平均値であり、および、Ｓ（Ｅｓ（ｔ））はＥｓ（ｔ）の標準偏差である。その次に、この平均値と標準偏差は、各心臓サイクルに関してピークを識別するための基準として、および、各心臓サイクルに関して各セグメントに関する開始と時間とを識別するための基準として使用される。

各心臓サイクルと各Ｓ１およびＳ２期間とに関する開始時点と終了時点とが聴診音録音Ｒ中で発見されると、分析モジュール１４は、各々の心臓サイクルと各々のＳ１およびＳ２期間とが一定の時間期間全体にわたって生じるように拡張または圧縮するために、必要に応じて聴診音録音Ｒを再サンプリングする（７６）。例えば、分析モジュール１４は、例えば７０拍／分のような一般的な心拍数に各心臓サイクルを正規化してもよく、および、心臓サイクル中の各Ｓ１およびＳ２期間が等しい時間長さに一致することを確実にしてもよい。これは、有利なことに、心臓活動の様々な段階に関する聴診音録音Ｒの一部分が、より容易にかつより正確に分析され、および、その他の聴診音録音の類似部分と比較されることを可能にするだろう。

ディジタル化録音Ｒ中の心臓サイクルの正規化の時に、分析モジュール１４は分析のために心臓サイクルの１つまたは複数を選択する（７８）。例えば、分析モジュール１４は、心臓サイクル中に存在するノイズの量に基づいて心臓サイクルの「最も清浄な（ｃｌｅａｎｅｓｔ）」な心臓サイクルを選択してよい。他の例と同様に、分析モジュール１４は、心臓サイクルすべての平均、または、分析のために２つ以上のランダムに選択された心臓サイクルに対する平均を計算してよい。

図７は、図６を参照して上述したウェーブレット分析とエネルギー閾値化との結果の例を示すグラフである。特に、図７は録音Ｒの一部分を示す。この例では、分析モジュール１４は、例示的な聴診音録音Ｒを４つの周波数帯域８０Ａ−８０Ｄに分解しており、および、各々の周波数帯域はそれぞれの周波数成分８２Ａ−８２Ｄを含む。

この分解に基づいて、分析モジュール１４は、心臓サイクルの諸段階を示す聴診音に対する変化を検出する。分解された周波数を分析することと、関連した特徴、例えば周波数帯域８０の１つまたは複数における勾配の変化を識別することとによって、分析モジュール１４は、心収縮期と心拡張期と、特に、Ｓ１およびＳ２期間の開始と終了とを確実に検出することが可能である。

図８は、聴診音録音Ｒのデータ構造８４の一例を示す。図示してあるように、データ構造８４は、聴診音録音Ｒを表しているディジタル化データを記憶する１×Ｎベクトルを含んでよい。さらに、前処理と再サンプリングとに基づいて、データ構造８４は固定数の心臓サイクルの全体にわたってデータを格納し、および、Ｓ１およびＳ２領域の各々がそのデータ構造の事前定義された部分を占める。例えば、第１の心臓サイクルに関するＳ１領域８６はデータ構造８４の要素０−３９９を含んでよく、および、第１の心臓サイクルの心収縮期領域８７は要素４００−１２９９を含んでよい。このことが、特定の心臓サイクルに関するＳ１およびＳ２領域が中で列整列（ｃｏｌｕｍｎ−ａｌｉｇｎｅｄ）している上述したＭ×Ｎ行列Ａを形成するために、複数の聴診音録音Ｒが容易に組み合わされることを可能にする。

図９は、診断段階（図４）を更に詳細に示す流れ図である。最初に、聴診音データが患者８から収集される（９０）。上述したように、この聴診データは、例えば電子聴診器のような別個の聴診音録音装置１８によって収集されてよく、および、リンク通信１９を経由して診断装置６に通信されてよい。別の実施形態では、診断装置６の機能が聴診音録音装置１８の中に統合されてもよい。パラメトリック分析段階と同様に、収集された聴診録音は、患者８から約８秒間の聴診音を捕捉し、および、３４００個の個別の値を有するベクトルＲ_PATとしてディジタル形式で記憶されてよい。

聴診データＲ_PATを捕捉する時に、診断装置６は、図６に関連付けて詳細に上述したように、心音録音Ｒ_PATを前処理する（９２）。この前処理中に、診断装置６は、各心臓サイクルに関する開始時点と終了時点と、各心臓サイクルの心収縮期および心拡張期の開始時点と終了時点と、Ｓ１およびＳ２期間の開始時点と終了時点とを識別するために、ベクトルＲ_PATを処理する。これらの識別に基づいて、診断装置６は、例えば７０拍／分のような一般的な心拍数に各心臓サイクルを正規化する。

次に、診断装置６は、分析段階中に調査された各々の生理学的状態に関する設定データ１３を適用するループを初期化する。例えば、診断装置は、患者８の診断を補助するために、ＡＶ_AS、ＡＶ_AR、ＡＶ_TR、Ｕ_NORMAL、Ｕ_AS、および、Ｕ_ARの設定データを利用してもよい。

最初に、診断装置６は、例えば「正常」のような、第１の生理学的状態を選択する（９３）。その次に、診断装置６は、差ベクトルＤを生成するために、捕捉された聴診音ベクトルＲ_PATから対応する平均ベクトルＡＶを減算する（９４）。結果的に得られたＤのディジタル化データが、捕捉された心音ベクトルＲ_PATと現在選択されている生理学的状態との間の差を表すので、Ｄは一般的に差ベクトルと呼ばれる。例えば、診断装置６は、次式の通りにＤ_NORMALを計算してよい。
Ｄ_NORMAL＝Ｒ_PAT−ＡＶ_NORMAL

その次に、診断装置６は、現在選択されている心臓状態に関して患者８を表しているベクトルＰを生じさせるために、現在選択されている生理学的状態に関する対応するＵ行列を、結果的に得られた差ベクトルＤに乗算する（９６）。例えば、診断装置６は、次式の通りにＰ_NORMALベクトルを計算してよく、
Ｐ_NORMAL＝Ｄ_NORMAL＊Ｕ_NORMAL
対応するＵ行列によって差ベクトルＤを乗算することが、多次元空間内の対応する疾病領域に関連付けられた加重行列を効果的に適用し、および、多次元空間内のベクトルＰを生じさせる。現在の心臓状態の疾病領域に対するベクトルＰの整合が、結果として得られた差ベクトルＤの正規性と分析段階中に求められたＵ行列とに依存する。

診断装置６は、患者８から録音された聴診音を表している１組のベクトルを生じさせるために、多次元空間内で定義されている各心臓状態に関してこのプロセスを繰り返す（９８、１０６）。例えば、設定データ１３がＡＶ_AS、ＡＶ_AR，ＡＶ_TR、Ｕ_NORMAL、Ｕ_AS、および、Ｕ_ARを含むと想定すると、診断装置６は次式の通りに４つの患者ベクトルを計算する。
Ｐ_NORMAL＝Ｄ_NORMAL＊Ｕ_NORMAL
Ｐ_AS＝Ｄ_AS＊Ｕ_AS
Ｐ_AR＝Ｄ_AR＊Ｕ_AR
Ｐ_TR＝Ｄ_TR＊Ｕ_TR

このベクトルの組が、分析段階中に生成された多次元空間内の患者８から録音された聴診音を表現する。したがって、各ベクトルとその対応する疾病領域との間の距離が、患者８からの聴診音の特徴と、それぞれの心臓状態を有することが判明している患者の聴診音の特徴との間の類似性の程度を表す。

その次に、診断装置６は、ベクトルの向きと多次元空間内の疾病領域との関数として、疾病領域の１つを選択する。一実施形態では、診断装置は、エネルギー空間内で定義されている疾病領域のどれがそれぞれのベクトルから最小の距離を有するかを判定する。例えば、診断装置６は、最初に、ベクトルＰの各々と定義された疾病領域との間の最小角距離を表しているエネルギー角を計算する（１００）。上述の例に続いて、診断装置６は、次の４つの距離測度値を計算してよい。
ＤＩＳＴ_NORMAL＝Ｐ_NORMAL−ＭＩＮ［Ｐ_AS，Ｐ_AR，Ｐ_TR］
ＤＩＳＴ_AS＝Ｐ_AS−ＭＩＮ［Ｐ_NORMAL，Ｐ_AR，Ｐ_TR］
ＤＩＳＴ_AR＝Ｐ_AR−ＭＩＮ［Ｐ_AS，Ｐ_NORMAL，Ｐ_TR］
ＤＩＳＴ_TR＝Ｐ_TR−ＭＩＮ［Ｐ_AS，Ｐ_AR，Ｐ_NORMAL］

特に、各々の距離測定値ＤＩＳＴが、それぞれの患者ベクトルＰと多次元空間内の定義された各疾病領域の平均値との間の２次元距離である。

この計算された距離に基づいて、診断装置６は最小の距離測定値を識別し（１０２）、および、臨床医１０を補助するために患者８に関する提案診断を決定する。例えば、患者ベクトルＰ_ASの組がそのそれぞれの疾病空間すなわちＡＳ疾病空間から最小距離にある場合には、診断装置６は、患者８が大動脈弁狭窄症に罹っている可能性が高いだろうと判定する。診断装置６は、この識別に基づいて臨床医１０に対して代表的な診断メッセージを出力する（１０４）。このメッセージを出力する前に、診断装置６は、正確な診断が臨床医１０に報告されることを確実なものにするのを促進するために、患者８の録音された心音に関して識別された１つまたは複数の心臓サイクルに関する分析を繰り返してもよい。

本明細書で説明されている技術が、「正常」心臓活動または大動脈弁狭窄症を有することが知られている１組の患者に関する臨床データに適用された。特に、多次元空間が、臨床データの例に基づいて生成され、および、その次に、患者が、本明細書に説明されている技術によってリアルタイムで評価された。

次の表が、正常な心臓状態を有することが知られている患者の聴診音に関する距離計算を示す。特に、各患者の測定された心臓サイクルの各々に関するベクトルが計算された。表１が、正常な心臓状態に関連付けられた多次元空間内の疾病領域に関する、ボルト単位で測定されたベクトルの距離を示す。

表２は、大動脈弁狭窄症に罹っていることが分かっている患者の聴診音に関するボルト単位で測定した距離計算を示す。特に、表２は、大動脈弁狭窄症の心臓状態に関連付けられた多次元空間内の領域に対するベクトルの距離を示す。

表１と表２に示すように、このベクトルは多次元空間内で明瞭に分離している、診断が容易に行われることという表示。５人の患者すべてが類似のパターンにしたがった。

図１０Ａと図１０Ｂは、例示的な結果を概略的に示すグラフである。特に、図１０Ａと図１０Ｂは、正常データに比較した大動脈弁狭窄症データを示す。同様に、図１１Ａと図１１Ｂは、正常データに比較した三尖弁閉鎖不全症データを示すグラフである。図１２Ａと図１２Ｂは、三尖弁閉鎖不全症データに比較した大動脈弁狭窄症を示すグラフである。一般的に、図１０Ａ、図１０Ｂ、図１１Ａ、図１１Ｂのグラフは、この技術が、正常データと疾病関連データとに関する実質的に非重複であるデータを結果的にもたらすということを示す。

本発明の様々な実施形態を説明してきた。例えば、録音に関連して説明してきたが、この技術は、患者からの他の電気記録に対して適用可能である。この技術は、例えば、患者から電気的に検出された心電図記録にも適用されてよい。これらの実施形態と他の実施形態とが以下の特許請求項の範囲内に含まれている。

患者に対して診断を下す際に臨床医を補助するための、本明細書で説明する技術によって診断装置が聴診音を分析するシステムの一例を示すブロック図である。 本明細書に説明されている技術による診断装置として動作するポータブルディジタルアシスタント（ＰＤＡ）の例示的な具体例のブロック図である。 診断装置として動作する電子聴診器の例示的な具体例の斜視図である。 本明細書で説明されている技術の概要を示す流れ図である。 特異値分解が臨床データに適用されるパラメトリック分析段階を示す流れ図である。 聴診音録音の前処理を示す流れ図である。 聴診音録音の前処理中のウェーブレット分析およびエネルギー閾値化の結果の例を示すグラフである。 聴診音録音のデータ構造の一例を示す図である。 患者の聴診音のディジタル化表現のための推奨診断を提供するパラメトリック分析段階からの設定データを診断装置が適用するリアルタイム診断段階を示す流れ図である。 大動脈弁狭窄症データを正常データと比較することによる、この技術の結果の一例を示すグラフである。 大動脈弁狭窄症データを正常データと比較することによる、この技術の結果の一例を示すグラフである。 三尖弁閉鎖不全症データを正常データと比較することによる、この技術の結果の一例を示すグラフである。 三尖弁閉鎖不全症データを正常データと比較することによる、この技術の結果の一例を示すグラフである。 大動脈弁狭窄症データを三尖弁閉鎖不全症データと比較することによる、この技術の結果の一例を示すグラフである。 大動脈弁狭窄症データを三尖弁閉鎖不全症データと比較することによる、この技術の結果の一例を示すグラフである。

Claims (43)

1. 既知の生理学的状態に関連付けられた聴診音を多次元空間内で定義された１組の１つまたは複数の疾病領域に対してマップするステップと、
   患者に関連付けられた聴診音を表している前記多次元空間内の１組の１つまたは複数のベクトルを生成するステップと、
   前記多次元空間内で定義されている前記ベクトルと前記疾病領域との関数として、前記患者の生理学的状態に関連付けられた診断メッセージを出力するステップと、
   を含むことを特徴とする方法。
2. 診断メッセージを出力するステップは、
   前記多次元空間内の前記ベクトルの向きの関数として前記多次元空間の前記疾病領域の１つを選択するステップと、
   前記選択に基づいて前記診断メッセージを出力するステップと、
   を含む請求項１に記載の方法。
3. 前記ベクトルの各々は前記疾病領域のそれぞれ１つに対応し、前記疾病領域の１つを選択するステップは、前記ベクトルの各々と前記それぞれの疾病領域との間の距離の関数として前記疾病領域の１つを選択するステップを含む請求項２に記載の方法。
4. 前記疾病領域の１つを選択するステップは、
   前記ベクトルのどれがそのそれぞれの疾病領域から最小の距離を有するかを識別するステップと、
   前記識別されたベクトルに関連付けられた前記疾病領域を選択するステップと、
   を含む請求項３に記載の方法。
5. 前記多次元空間内の各々の疾病領域は、それぞれの生理学的状態に関する標識としてい識別されている、既知の生理学的状態に関連付けられた前記聴診音の特徴によって定義される請求項１に記載の方法。
6. 診断メッセージを出力するステップは、異常な生理学的状態が検出されているかどうかを示す合格／不合格メッセージを出力するステップを含む請求項１に記載の方法。
7. 診断メッセージを出力するステップは、患者が現在罹っている１つまたは複数の特定の病状を識別する診断メッセージを出力するステップを含む請求項１に記載の方法。
8. 診断メッセージを出力するステップは、前記患者が１つまたは複数の前記生理学的状態に罹りやすいことを示すために前記診断メッセージを出力するステップを含む請求項１に記載の方法。
9. 前記診断メッセージを出力するステップは、ユーザ設定可能モードに基づいて前記診断メッセージに関するメッセージタイプを選択するステップを含む請求項１に記載の方法。
10. 前記メッセージタイプは、合格／不合格メッセージタイプ、提案診断メッセージタイプ、および、予想診断メッセージタイプの中の１つを含む請求項１に記載の方法。
11. 前記多次元空間内の前記ベクトルの少なくとも１つおよび正常領域から計算された距離に基づいて重症度標識を出力するステップをさらに含む請求項１に記載の方法。
12. 聴診音をマップするステップは、
    各行列は、前記生理学的状態の異なる１つに関連付けられており、かつ前記それぞれの生理学的状態に関連付けられた前記聴診音のディジタル化表現を格納する、既知の生理学的状態に関連付けられた前記聴診音の前記ディジタル化表現を格納する１組の行列を公式化するステップと、
    前記多次元空間内の前記疾病領域を定義するそれぞれの組の部分行列を計算するために前記行列の各々に対して特異値分解（「ＳＶＤ」）を適用するステップと、
    を含む請求項１に記載の方法。
13. 前記行列の各々は、Ｎ個の前記ディジタル化表現と前記ディジタル化表現の各々に関するＭ個のディジタル値とを格納するＮ×Ｍ行列を含む請求項１２に記載の方法。
14. １組の行列を公式化するステップは、フィルタされていない生フォーマットでディジタル化表現を格納するために前記１組の行列を公式化するステップを含む請求項１２に記載の方法。
15. 診断装置のための設定データとしての使用のためにデータベース内に１つまたは複数の前記部分行列の少なくとも一部分を格納するステップをさらに含む請求項１２に記載の方法。
16. 前記患者に関連付けられた前記聴診音を前記多次元空間内で表現するべく前記ベクトルを計算するために、前記診断装置によって使用されることが可能なフォーマットで前記設定データを格納するステップをさらに含む請求項１５に記載の方法。
17. 前記１組の行列に対してＳＶＤを適用するステップによって生成された設定データにしたがって診断装置をプログラムするステップであって、前記設定データは前記異なる生理学的状態に関連付けられた前記部分行列の少なくとも１つを含むステップと、
    前記多次元空間内で前記ベクトルを生じさせるために、前記患者に関連付けられた前記聴診音のディジタル化表現に対して、前記診断装置によって前記設定データを適用するステップと、
    をさらに含む請求項１２に記載の方法。
18. ＳＶＤを適用するステップは、前記１組の行列の行列Ａを下式の通りに３つの部分行列の積に分解するためにＳＶＤを適用するステップを含み、
    Ａ＝ＵＤＶ^T
    上式中で、Ｕは直交列を有するＮ×Ｍ行列であり、ＤはＭ×Ｍ非負対角行列であり、かつ、ＶはＭ×Ｍ直交行列である、
    請求項１２に記載の方法。
19. 前記計算されたＵ行列の各々にその他のＵ行列を２つ１組で乗算することによって、１組の行列Ｔを計算するステップと、
    各行列Ｔをそれぞれの組の部分行列に分解するために、結果として得られた前記行列Ｔの各々に対してＳＶＤを行うステップと、
    前記患者の診断に使用されるべき前記Ｕ行列の一部分を識別するために、前記行列Ｔの各々から生成された前記部分行列を適用するステップと、
    をさらに含む請求項１８に記載の方法。
20. 前記行列Ｔの各々から生成された前記部分行列を適用することは、前記多次元空間内の前記それぞれの疾病領域の直交性を最大化する前記Ｕ行列の一部分を識別するために前記行列Ｔの各々から生成された前記部分行列を適用するステップを含む請求項１９に記載の方法。
21. 前記それぞれの生理学的状態に関連付けられた前記聴診音を表している前記ディジタル化表現の平均を表すそれぞれの平均ベクトルを、前記１組の行列から計算するステップと、
    前記多次元空間内の前記１組のベクトルを生成するために、前記患者に関連付けられた前記聴診音に対して、前記診断装置によって前記平均ベクトルと前記設定データとを適用するステップと、
    をさらに含む請求項１５に記載の方法。
22. 前記診断装置によって前記平均ベクトルと前記設定データとを適用するステップは、
    前記多次元空間内の前記疾病領域の異なる１つに各々の差ベクトルが対応する、１組の差ベクトルを生成するために、前記患者に関連付けられた前記聴診音を表すベクトルから対応する平均ベクトルを減算するステップと、
    前記患者に関連付けられた前記聴診音を表している前記ベクトルを生成するために前記差ベクトルに対して前記設定データの前記部分行列を適用するステップと、
    を含む請求項２１に記載の方法。
23. 前記設定データの前記部分行列を適用するステップは、前記患者に関連付けられた前記聴診音を表している前記ベクトルのそれぞれ１つを生じさせるために、前記Ｕ部分行列の対応する１つを前記差ベクトルに乗算するステップを含む請求項２２に記載の方法。
24. 前記既知の生理学的状態に関連付けられた前記聴診音の各々は、複数の心臓サイクルの全体にわたって録音された音のディジタル化表現を含む請求項１に記載の方法。
25. 聴診音をマップするステップは、
    前記心臓サイクル各々の開始点と終了点とを識別するために、前記ディジタル化表現の各々を処理するステップと、
    前記心臓サイクルの各々に関する心収縮期および心拡張期と前記心臓サイクルの各々に関するＳ１期間およびＳ２期間とに関する開始時点および終了時点を識別するために、前記ディジタル化表現の各々を処理するステップと、
    前記心臓サイクルの各々を一般的な心拍数に正規化するために前記心収縮期および前記心拡張期と前記Ｓ１期間およびＳ２期間とに関する識別された開始時点および終了時点に基づいて前記ディジタル化表現を再サンプリングするステップと、
    を含む請求項２４に記載の方法。
26. 前記生理学的状態は、正常な生理学的状態と、大動脈弁閉鎖不全症と、大動脈弁狭窄症と、三尖弁閉鎖不全症と、三尖弁狭窄症と、肺動脈弁狭窄症と、肺動脈弁閉鎖不全症と、僧帽弁閉鎖不全症と、大動脈瘤と、頸動脈狭窄症と、僧帽弁狭窄症との中の１つまたは複数を含む請求項１に記載の方法。
27. 前記患者に関連付けられた前記聴診音を第１の装置を使用して捕捉するステップと、
    前記第１の装置から第２の装置に前記捕捉された聴診音のディジタル化表現を通信するステップと、
    前記１組のベクトルを生成するために前記第２の装置によって前記ディジタル化表現を分析するステップと、
    前記第２の装置によって前記診断メッセージを出力するステップと、
    をさらに含む請求項１に記載の方法。
28. 前記第１の装置は電子聴診器を備える請求項２７に記載の方法。
29. 前記第２の装置は、モバイル計算装置とパーソナルディジタルアシスタントと心エコー分析器との中の１つを含む請求項２７に記載の方法。
30. 電子聴診器を使用して前記患者に関連付けられた前記聴診音を捕捉するステップと、
    前記１組のベクトルを生成するために、前記電子聴診器によって前記ディジタル化表現を分析するステップと、
    前記電子聴診器の表示装置に前記診断メッセージを出力するステップと、
    をさらに含む請求項１に記載の方法。
31. 前記生理学的状態は心臓状態を含み、前記患者に関連付けられた前記聴診音は心音を含む、請求項１に記載の方法。
32. 前記患者に関連付けられた前記聴診音は肺音を含む請求項１に記載の方法。
33. 既知の生理学的状態に関連付けられた聴診音のディジタル化表現に対して特異値分解（「ＳＶＤ」）を適用することによって生成されたデータを格納する媒体と、
    前記生理学的状態の１つを選択するために患者に関連付けられた聴診音を表しているディジタル化表現に対して前記設定データを適用する制御ユニットであって、前記生理学的状態の前記選択された１つを表示する診断メッセージを出力する制御ユニットと、
    を備えることを特徴とする診断装置。
34. 前記制御ユニットは、１組の定義された疾病領域を有する多次元空間内の１組の１つまたは複数のベクトルを生成するために、前記患者に関連付けられた前記聴診音を表している前記ディジタル化表現に対して前記設定データを適用し、かつ、
    前記制御ユニットは、前記多次元空間内の前記疾病領域に対する前記ベクトルの向きに基づいて前記生理学的状態の１つを選択する、
    請求項３３に記載の診断装置。
35. 前記ベクトルの各々は前記疾病領域のそれぞれ１つに対応し、かつ、前記制御ユニットは、前記ベクトルの各々と前記それぞれの疾病領域との間の距離の関数として前記疾病領域の１つを選択する請求項３４に記載の診断装置。
36. 前記設定データは、前記既知の生理学的状態に関連付けられた前記聴診音の前記ディジタル化表現に対するＳＶＤの適用によって生成された部分行列を含む請求項３４に記載の診断装置。
37. 前記診断装置は、モバイル計算装置とパーソナルディジタルアシスタントと心エコー分析器と電子聴診器との中の１つを含む請求項３３に記載の診断装置。
38. 多次元空間内の１組の１つまたは複数の疾病領域に対して聴診音をマップするために、既知の生理学的状態に関連付けられた電気録音のディジタル化表現に対して特異値分解（「ＳＶＤ」）を適用する分析モジュールと、
    分析モジュールによって生成されたデータを格納するデータベースと、
    を備えることを特徴とするデータ分析システム。
39. 前記電気録音は心エコーを含む請求項３８に記載のデータ分析システム。
40. 前記電気録音は聴診音のディジタル化表現を含む請求項３８に記載のデータ分析システム。
41. 前記分析モジュールは、前記生理学的状態に関連付けられた前記聴診音のディジタル化表現を格納する１組の行列を公式化し、各行列は、前記生理学的状態の異なる１つに関連付けられており、かつ前記それぞれの生理学的状態に関連付けられた前記聴診音の前記ディジタル化表現を格納し、
    前記分析モジュールは、前記多次元空間内で前記疾病領域を定義するそれぞれの組の部分行列の形に前記行列を分解するために前記行列の各々に対してＳＶＤを適用し、かつ、
    前記分析モジュールは、前記疾病領域の各々に関する前記部分行列の少なくとも１つを前記データベース内に格納する、
    請求項３８に記載のデータ分析システム。
42. １組の生理学的状態の中の１つの生理学的状態を選択するために、患者に関連付けられた聴診音を表しているディジタル化表現に対して設定データを適用するステップであって前記設定が、多次元空間内の１組の１つまたは複数の疾病領域に対して前記聴診音をマップするステップと、
    前記生理学的状態の選択された１つを表示する診断メッセージを出力するステップと、
    をプロセッサに行わせる命令を含むことを特徴とするコンピュータ可読媒体。
43. 前記多次元空間内の１組の１つまたは複数のベクトルを生成するために、前記患者に関連付けられた前記聴診音を表している前記ディジタル化表現に対して前記設定データを適用するステップと、
    前記多次元空間内の前記疾病領域に対する前記ベクトルの向きの関数として前記多次元空間内の前記疾病領域の１つを選択するステップと、
    前記選択に基づいて前記診断メッセージを出力するステップと、
    を前記プロセッサに行わせる命令をさらに含む請求項４２に記載のコンピュータ可読媒体。

Images