JP2018534026A5 - - Google Patents

Claims (41)

1. 装置であって、
   ネットワークインタフェース；および
   プロセッサ；を有し、
   前記プロセッサは、
   前記ネットワークインタフェース経由で、余剰体液の蓄積に関係する肺疾患を罹患する被験者の音声を受信し、
   前記音声を分析することにより、前記音声の１つまたはそれ以上の音声関連パラメータを識別し、
   前記音声関連パラメータに応答して、前記肺疾患の状態を評価し、そして
   前記評価に応答して、前記肺疾患の状態を示す出力を生成する、
   ように構成される、ことを特徴とする装置。
2. 前記プロセッサは、前記音声のスペクトル分析を実行することにより前記音声を分析するように構成される、ことを特徴とする請求項１に記載の装置。
3. 前記プロセッサは、前記音声のケプストラム分析を実行することにより前記音声を分析するように構成される、ことを特徴とする請求項１に記載の装置。
4. 前記プロセッサは、前記音声を分析することにより、前記音声の意味を識別するようにさらに構成され、ここで前記プロセッサは、前記意味に応答して前記状態を評価するように構成される、ことを特徴とする請求項１に記載の装置。
5. 前記プロセッサは、前記被験者に対し、質問に口頭で応答することにより、前記音声を提供するように促すようにさらに構成される、ことを特徴とする請求項１に記載の装置。
6. 前記プロセッサは、
   前記被験者に電話をかけ、そして前記被験者が電話に応答する時に、前記質問を前記被験者に聞くことにより、
   前記音声を提供するように前記被験者に促すように構成される、ことを特徴とする請求項５に記載の装置。
7. 前記疾患は肺水腫、および胸水から構成されるグループから選択される、ことを特徴とする請求項１に記載の装置。
8. 前記プロセッサは、前記状態の悪化を示す警告を提供することにより前記出力を生成するように構成される、ことを特徴とする請求項１に記載の装置。
9. 前記音声関連パラメータは、前記音声の少なくとも１つのフォルマント周波数を含む、ことを特徴とする請求項１−８のいずれか１項記載の装置。
10. 前記プロセッサは、前記フォルマント周波数をベースライン周波数と比較することにより前記肺疾患の状態を評価するように構成される、ことを特徴とする請求項９に記載の装置。
11. 前記プロセッサは、
    前記音声に対応する時間空間の信号のそれぞれのフレームに対し：
    前記フレームのケプストラムを計算し；
    その後、前記フレームの前記ケプストラムに対しローパスケプストラムリフタを適用し；
    その後、前記ローパスケプストラムリフタを適用された前記ケプストラムを逆変換し；そして
    その後、前記逆変換された、前記リフトされたケプストラムのピークを識別することにより、前記フレームのフォルマント周波数を識別し；
    そして
    前記フレームのそれぞれの前記フォルマント周波数に基づいて、前記音声の少なくとも１つのフォルマント周波数を識別する、
    ことにより前記音声を分析するように構成される、ことを特徴とする請求項９に記載の装置。
12. 前記プロセッサは、
    分析のために：前記音声のエネルギーレベル、前記音声のピッチの安定性、前記音声のピッチの計算の信頼度、および前記音声のフォルマント周波数の安定性、からなるグループから選択される１つまたはそれ以上のメトリックに基づき、前記音声の少なくとも１つの部分を選択し、そして
    その後、前記音声の前記選択された部分を分析する、
    ことにより前記音声を分析するように構成される、ことを特徴とする請求項１−８のいずれか１項記載の装置。
13. 前記プロセッサは、前記音声関連パラメータに機械学習モデルを適用することにより、前記肺疾患の状態を評価するように構成される、ことを特徴とする請求項１−８のいずれか１項記載の装置。
14. 前記音声関連パラメータは１組のメル周波数ケプストラム係数（ＭＦＣＣ）を含む、ことを特徴とする請求項１−８のいずれか１項記載の装置。
15. 前記音声関連パラメータは１組のメル周波数ケプストラム係数（ＭＦＣＣ）の導関数を含む、ことを特徴とする請求項１−８のいずれか１項記載の装置。
16. 前記音声関連パラメータは１組の相対スペクトル変換知覚線形予測（ＲＡＳＴＡ−ＰＬＰ）ケプストラム成分を含む、ことを特徴とする請求項１−８のいずれか１項記載の装置。
17. 前記音声関連パラメータは１組の相対スペクトル変換知覚線形予測（ＲＡＳＴＡ−ＰＬＰ）スペクトル成分を含む、ことを特徴とする請求項１−８のいずれか１項記載の装置。
18. 前記プロセッサは、前記音声内の咳音を識別することなく、かつ喘鳴音を識別することなく肺疾患の状態を評価するように構成される、ことを特徴とする請求項１−８のいずれか１項記載の装置。
19. 前記プロセッサは、最初に前記被験者に対し前記音声を提供するように促すことなく、前記被験者の前記音声を分析するように構成される、ことを特徴とする請求項１−８のいずれか１項記載の装置。
20. １つまたはそれ以上の装置を操作する方法であって、
    前記方法は前記装置のそれぞれのプロセッサにより実行され、
    余剰体液の蓄積に関係する肺疾患を罹患する被験者の音声を分析するステップにより、前記音声の１つまたはそれ以上の音声関連パラメータを識別するステップと；
    前記音声関連パラメータに応答して、自動的に前記肺疾患の状態を評価するステップと；そして
    前記評価に応答して、前記肺疾患の状態を示す出力を生成するステップと；
    を有することを特徴とする１つまたはそれ以上の装置を操作する方法。
21. 前記音声を分析するステップは、前記音声のスペクトル分析を実行するステップを有する、ことを特徴とする請求項２０に記載の方法。
22. 前記音声を分析するステップは、前記音声のケプストラム分析を実行するステップを有する、ことを特徴とする請求項２０に記載の方法。
23. 前記被験者の音声を自動的に分析することにより、前記音声の意味を識別するステップをさらに有し、前記状態を評価するステップは、前記意味に応答して前記状態を評価するステップを有する、ことを特徴とする請求項２０に記載の方法。
24. 前記被験者に対し、質問に口頭で応答することにより、前記音声を提供するように促すステップをさらに有する、ことを特徴とする請求項２０に記載の方法。
25. 前記被験者に対し音声を提供するように促すステップは、
    前記被験者に自動的に電話をかけるステップと、そして
    前記被験者が電話に応答する時に、前記プロセッサを使用して、前記質問を前記被験者に聞くステップと、
    を有する、ことを特徴とする請求項２４に記載の方法。
26. 前記疾患は肺水腫、および胸水から構成されるグループから選択される、ことを特徴とする請求項２０に記載の方法。
27. 前記出力を生成するステップは、前記状態の悪化を示す警告を提供するステップを有する、ことを特徴とする請求項２０に記載の方法。
28. 前記音声関連パラメータは、前記音声の少なくとも１つのフォルマント周波数を含む、ことを特徴とする請求項２０−２７のいずれか１項記載の方法。
29. 前記肺疾患の状態を評価するステップは、前記フォルマント周波数をベースライン周波数と比較することにより前記肺疾患の状態を評価するステップを有する、ことを特徴とする請求項２８に記載の方法。
30. 前記音声を分析するステップは、
    前記音声に対応する時間空間の信号のそれぞれのフレームに対し：
    前記フレームのケプストラムを計算するステップと；
    その後、前記フレームの前記ケプストラムに対しローパスケプストラムリフタを適用するステップと；
    その後、前記ローパスケプストラムリフタを適用された前記ケプストラムを逆変換するステップと；そして
    その後、前記逆変換されたリフトされたケプストラムのピークを識別することにより、前記フレームのフォルマント周波数を識別するステップと；
    そして
    前記フレームのそれぞれの前記フォルマント周波数に基づいて、前記音声の少なくとも１つのフォルマント周波数を識別するステップと、
    を有する、ことを特徴とする請求項２８に記載の方法。
31. 前記音声を分析するステップは：
    前記音声のエネルギーレベル、前記音声のピッチの安定性、前記音声のピッチの計算の信頼度、および前記音声のフォルマント周波数の安定性、からなるグループから選択される１つまたはそれ以上のメトリックに基づき、前記音声の少なくとも１つの部分を分析のために選択するステップと；、そして
    その後、前記音声の前記選択された部分を分析するステップと；
    を有する、ことを特徴とする請求項２０−２７のいずれか１項記載の方法。
32. 前記肺疾患の状態を評価するステップは、前記音声関連パラメータに機械学習モデルを適用するステップを有する、ことを特徴とする請求項２０−２７のいずれか１項記載の方法。
33. 前記音声関連パラメータは１組のメル周波数ケプストラム係数（ＭＦＣＣ）を含む、ことを特徴とする請求項２０−２７のいずれか１項記載の方法。
34. 前記音声関連パラメータは１組のメル周波数ケプストラム係数（ＭＦＣＣ）の導関数を含む、ことを特徴とする請求項２０−２７のいずれか１項記載の方法。
35. 前記音声関連パラメータは１組の相対スペクトル変換知覚線形予測（ＲＡＳＴＡ−ＰＬＰ）ケプストラム成分を含む、ことを特徴とする請求項２０−２７のいずれか１項記載の方法。
36. 前記音声関連パラメータは１組の相対スペクトル変換知覚線形予測（ＲＡＳＴＡ−ＰＬＰ）スペクトル成分を含む、ことを特徴とする請求項２０−２７のいずれか１項記載の方法。
37. 肺疾患の状態を評価するステップは、前記音声内の咳音を識別することなく、そして喘鳴音を識別することなく肺疾患の状態を評価するステップを有する、ことを特徴とする請求項２０−２７のいずれか１項記載の方法。
38. 前記被験者の前記音声を分析するステップは、最初に前記被験者に対し前記音声を提供するように促すことなく、前記被験者の前記音声を分析するステップを有する、ことを特徴とする請求項２０−２７のいずれか１項記載の方法。
39. システムであって：
    移動通信端末と；そして
    プロセッサを備えるサーバと；を有し、
    前記プロセッサは、
    前記移動通信端末から、余剰体液の蓄積に関係する肺疾患を罹患する被験者の音声を受信し、
    前記音声を分析することにより、前記音声の１つまたはそれ以上の音声関連パラメータを識別し、
    前記音声関連パラメータに応答して、前記肺疾患の状態を評価し、そして
    前記評価に応答して、前記肺疾患の状態を示す出力を生成する、
    ように構成される、
    ことを特徴とするシステム。
40. プログラム命令が保管される接触可能非一過性コンピュータ可読媒体であって、
    前記命令は、プロセッサによって読み取られた場合に、前記プロセッサに対し、
    余剰体液の蓄積に関係する肺疾患を罹患する被験者の音声を受信し、
    前記音声を分析することにより、前記音声の１つまたはそれ以上の音声関連パラメータを識別し、
    前記音声関連パラメータに応答して、前記肺疾患の状態を評価し、そして
    前記評価に応答して、前記肺疾患の状態を示す出力を生成する、
    ようにさせる、
    ことを特徴とするコンピュータ可読媒体。
41. 装置であって、
    音響センサと；および
    プロセッサと；を有し、
    前記プロセッサは、
    前記音響センサ経由で、余剰体液の蓄積に関係する肺疾患を罹患する被験者の音声を受信し、
    前記音声を分析することにより、前記音声の１つまたはそれ以上の音声関連パラメータを識別し、
    前記音声関連パラメータに応答して、前記肺疾患の状態を評価し、そして
    前記評価に応答して、前記肺疾患の状態を示す出力を生成する、
    ように構成される、ことを特徴とする装置。