JP6103591B2 - 聴診心音信号の処理方法、聴診心音信号の処理装置及び聴診心音信号を処理するためのプログラム - Google Patents
聴診心音信号の処理方法、聴診心音信号の処理装置及び聴診心音信号を処理するためのプログラム Download PDFInfo
- Publication number
- JP6103591B2 JP6103591B2 JP2013119147A JP2013119147A JP6103591B2 JP 6103591 B2 JP6103591 B2 JP 6103591B2 JP 2013119147 A JP2013119147 A JP 2013119147A JP 2013119147 A JP2013119147 A JP 2013119147A JP 6103591 B2 JP6103591 B2 JP 6103591B2
- Authority
- JP
- Japan
- Prior art keywords
- heart sound
- feature value
- heart
- parameters
- parameter
- 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.)
- Expired - Fee Related
Links
- 238000012545 processing Methods 0.000 title claims description 43
- 230000005236 sound signal Effects 0.000 title claims description 43
- 238000002555 auscultation Methods 0.000 title claims description 35
- 238000003672 processing method Methods 0.000 title claims description 5
- 208000019622 heart disease Diseases 0.000 claims description 101
- 238000004458 analytical method Methods 0.000 claims description 76
- 238000000034 method Methods 0.000 claims description 46
- 238000009826 distribution Methods 0.000 claims description 40
- 238000012706 support-vector machine Methods 0.000 claims description 26
- 238000006243 chemical reaction Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 6
- 208000020446 Cardiac disease Diseases 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 2
- 208000001910 Ventricular Heart Septal Defects Diseases 0.000 description 14
- 201000003130 ventricular septal defect Diseases 0.000 description 14
- 238000011156 evaluation Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 239000013598 vector Substances 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 6
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 230000004044 response Effects 0.000 description 4
- 208000002330 Congenital Heart Defects Diseases 0.000 description 3
- 210000001765 aortic valve Anatomy 0.000 description 3
- 208000028831 congenital heart disease Diseases 0.000 description 3
- 230000004217 heart function Effects 0.000 description 3
- 210000004115 mitral valve Anatomy 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 210000003102 pulmonary valve Anatomy 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 210000000591 tricuspid valve Anatomy 0.000 description 3
- 210000003454 tympanic membrane Anatomy 0.000 description 3
- 206010002915 Aortic valve incompetence Diseases 0.000 description 2
- 206010003658 Atrial Fibrillation Diseases 0.000 description 2
- 208000020128 Mitral stenosis Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 206010002906 aortic stenosis Diseases 0.000 description 2
- 201000002064 aortic valve insufficiency Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000005246 left atrium Anatomy 0.000 description 2
- 210000005240 left ventricle Anatomy 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 208000006887 mitral valve stenosis Diseases 0.000 description 2
- 210000005245 right atrium Anatomy 0.000 description 2
- 210000005241 right ventricle Anatomy 0.000 description 2
- 206010011878 Deafness Diseases 0.000 description 1
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 238000001467 acupuncture Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010370 hearing loss Effects 0.000 description 1
- 231100000888 hearing loss Toxicity 0.000 description 1
- 208000016354 hearing loss disease Diseases 0.000 description 1
- 208000025339 heart septal defect Diseases 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 210000000596 ventricular septum Anatomy 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Description
本発明は、聴診心音信号の処理方法、聴診心音信号の処理装置及び聴診心音信号を処理するためのプログラムに関する。
１，０００人の新生児のうち８人といわれる先天性心疾患者の多くは、欠陥の種別や程度によって、成人していくにつれ自然に治る場合と、早期に検出することができれば高い確率で治癒できる場合がある。心室中隔欠損症（ＶＳＤ）は最も一般的な先天性心疾患であり、中隔の欠損程度によっては早期に手術しなければならない場合もある。このような先天性心疾患の進行状況を比較的簡便な方法で計測し判別することができれば、子供の成長過程に応じて適切な時期に適切な処置を行うことができ、患者への負担を軽減できる。
心疾患の診察方法として、古くから聴診法があるが、心音から心疾患を判断することは、医師でも長年の経験を要する。このような経験を要する心音からの心疾患の判断とともに、近年ではコンピュータ技術の発展とその適用により、心音信号から心疾患や心機能に関連するパラメータを容易に抽出できるようになってきている。それに伴い、コンピュータを用いて心疾患の判別や心機能の評価を行うことが可能になっている。
聴診音による心疾患の解析に関して、次のような特許文献に開示されている。
特許文献１には、マイクにより取得した音を電気信号に変換し、この電気信号のうち心音に対応する周波数範囲の信号と呼吸音に対応する周波数範囲の信号とを選択的に増強し、他の周波数範囲の信号を選択的に減衰させるようにイコライザの周波数特性を設定した電子聴診器について記載されている。
特許文献１には、マイクにより取得した音を電気信号に変換し、この電気信号のうち心音に対応する周波数範囲の信号と呼吸音に対応する周波数範囲の信号とを選択的に増強し、他の周波数範囲の信号を選択的に減衰させるようにイコライザの周波数特性を設定した電子聴診器について記載されている。
この電子聴診器において、心音データの特性はある程度個人差があるため、場合によっては心音として増強されるべきものが減衰されることがあり、ノイズを効果的に減少させられるとは限らない事態も生じ得るものであった。
特許文献２には、プリエンファシス、聴力損失の補償等のためのデジタルフィルタを備え、観測される信号中の反復信号を抑制し雑音を除去するためのパターン認識手段を有する電子聴診器について記載されている。
しかしながら、これらの電子聴診器において、インパルス伝達関数を確率するフィルタ手段、プリエンファシスを行うためパターン認識手段等の要素を備えるために、装置が煩雑になり、心音の個人差によりフィルタ手段、パターン認識手段によって効果的にノイズが減少させられない場合も生じるものである。
特許文献３では、心音検出プローブにより検出された心音波形信号を信号変換装置においてゲイン調整し、ＡＤ変換して汎用パーソナルコンピュータの入力信号とし、汎用パーソナルコンピュータで目的に応じた演算処理を行う心音計について開示されている。特許文献３に示される心音計は、家庭用のような一般的ユーザ向けの心音計として、汎用パーソナルコンピュータを用いた簡易な構成により心音波形の信号を利用し得るようにしたものである。ところで、心音プローブにより検出される心音にはノイズが含まれており、心音変換装置においてどの程度にゲイン調整を行うかによって送出される心音を聴取する際、あるいは心音データを送信、受信して解析処理を行う上での信頼性に大きな影響が与えられるのであるが、特許文献３においては、心音解析を行う上で検出された心音波形信号をどのようにゲイン調整するのがよいかという点について考慮してはおらず、心音解析を的確に行う上では不十分なものであった。
特許文献４において、判定基準を設けることなく正確に心音データを判定するために、心音の振幅を経過時間とともに記憶し、記憶された振幅のうち所定箇所の特徴を描出し、その結果に基づいてニューラルネットワークにより所定の認識を行い、認識の程度を出力し、心音の異常の程度を表示するようにした心音解析装置が開示されている。
この心音解析装置により、心臓検診の一次検診で求められる精密検診の必要性の判断におけるボーダーラインの設定がなされるものではあるが、ニューラルネットワークを用いているため、構成が簡易ではなく、一般ユーザには利用し易いものではなかった。
特許文献５は本発明者らによるものであり、鼓膜の振動モデルを用いて測定された心音データから振動応答の特徴値波形を求め、特徴値波形から僧帽弁、三尖弁、大動脈弁、肺動脈弁のいずれかの閉鎖音の持続時間、閉鎖音間の時間、それらの組み合わせとなる評価指数を求め、検出した心音についての評価指数を評価指数の正常値範囲情報と比較して心音の正常・異常を判別するデジタル聴診解析システムを開示している。また、特許文献６も本発明者らよるものであり、鼓膜の振動モデルを用いて測定された心音データから振動応答の特徴値波形を求め、特徴値波形のピークの時間幅、時間間隔を示す評価指数を求め、評価指数からファジーメンバー関数により規定されるデータ集合の中心からの評価指数の分散状況を表す評価関数について、評価関数が最小となる閾値に対して求められた評価指数、データ集合の中心の分布状態を表示する聴診心音信号の処理方法、処理装置について開示している。
これらは振動モデルを用いて検出された心音についての特徴値波形、心音パラメータを求め解析するものであるが、特許文献５の場合に、心音異常の種類、特徴に応じて心音データ、振動応答の形が多様になることにより、多様な心音の特性に対して心音の異常を的確に把握し判断する上では難点があり、また、特許文献６の場合には、計算量が多くなり、解析処理のための装置としての規模も大きく、煩雑になるものであった。
非特許文献１には、心音データについて得られた特徴値波形から心音特徴値パラメータを求め、その分布範囲の境界線をサポートベクトルマシン方法（ＳＶＭ）により求め、心疾患を判別することについて開示されている。しかしながら、ＳＶＭにより求めた境界線をもとに心疾患を判別することにおいては、計算量が多く、判別条件の設定が複雑になるため、容易に実施できないという難点があった。
Shuping SUN 他「Heart Sound Feature parameters Distribution and Support Vector Machine-Based Classification Boundary Determination Method for Ventricular Septal Defect Auscultation」(Journal of Computational Science and Technology, Vol. 6, No. 3, 2012, pp.198-206)
収録された心音から心疾患を判別することに関し、従来技術の聴診装置においては、多様な特性をもち得る心音信号について心疾患の判別を精度よく行うとともに、判別のための演算処理量を多大にすることなく、比較的簡易に行えるようにすることにおいて不十分であり、装置が煩雑で扱いが容易でなく、システムの規模が大きくなり、一般的なユーザが利用し難いという難点があった。そのため、安価な簡易な構成により、心音から心疾患の判別を精度よく行えるようにすることが望まれていた。
本発明は、前述した課題を解決すべくなしたものであり、本発明による聴診心音信号の処理方法は、心音特徴値波形を求めるためのモデルパラメータを設定することと、
心音を検出しそれにより心音データを取得することと、
取得された心音データに対して設定されたモデルパラメータの下での時間域の特徴値波形とそれをフーリエ変換した周波数域の特徴値波形とを生成することと、
前記時間域の特徴値波形における前後の１音の間隔である心拍間隔（Ｔ１１）及び１音−２音の間隔（Ｔ１２）と、前記周波数域の特徴値波形におけるピークについて閾値（ＨＦ）から定まる周波数域幅（ＦＷ）及びピークの中心周波数（ＦＧ）とを心音特徴値パラメータとして算出することと、
求められた時間域及び周波数域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）について分布域を囲む境界線を求めることと、
求められた時間域及び周波数域での境界線をそれぞれ最小二乗法により近似する楕円曲線を生成して楕円曲線を特徴づける楕円パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を求めることと、
からなるステップにより多種の取得された心音データについて得られた楕円パラメータを蓄積したデータベースを形成し、心疾患の判別をすべき心音データについて心音データの取得、心音特徴値波形を求めるためのモデルパラメータの設定、心音特徴値波形の生成、心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）の算出を行って、求められた心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）に対して前記求められた楕円パラメータ（ｘｃ，ｙｃ，θ）を用いて座標変換を行い、座標変換後の心音特徴値パラメータについて前記楕円パラメータ（ａ，ｂ）及び心疾患の判断式を用いて心疾患の判別のための解析処理を行うことを特徴とする。
心音を検出しそれにより心音データを取得することと、
取得された心音データに対して設定されたモデルパラメータの下での時間域の特徴値波形とそれをフーリエ変換した周波数域の特徴値波形とを生成することと、
前記時間域の特徴値波形における前後の１音の間隔である心拍間隔（Ｔ１１）及び１音−２音の間隔（Ｔ１２）と、前記周波数域の特徴値波形におけるピークについて閾値（ＨＦ）から定まる周波数域幅（ＦＷ）及びピークの中心周波数（ＦＧ）とを心音特徴値パラメータとして算出することと、
求められた時間域及び周波数域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）について分布域を囲む境界線を求めることと、
求められた時間域及び周波数域での境界線をそれぞれ最小二乗法により近似する楕円曲線を生成して楕円曲線を特徴づける楕円パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を求めることと、
からなるステップにより多種の取得された心音データについて得られた楕円パラメータを蓄積したデータベースを形成し、心疾患の判別をすべき心音データについて心音データの取得、心音特徴値波形を求めるためのモデルパラメータの設定、心音特徴値波形の生成、心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）の算出を行って、求められた心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）に対して前記求められた楕円パラメータ（ｘｃ，ｙｃ，θ）を用いて座標変換を行い、座標変換後の心音特徴値パラメータについて前記楕円パラメータ（ａ，ｂ）及び心疾患の判断式を用いて心疾患の判別のための解析処理を行うことを特徴とする。
本発明による聴診心音信号の処理装置は、
心音を検出し心音データを取得する心音データ取得部と、
取得された心音データに対して、設定された心音特徴値波形を求めるためのモデルパラメータの下で時間域の特徴値波形と、それをフーリエ変換した周波数域の特徴値波形とを生成する特徴値波形生成部と、
前記時間域の特徴値波形における時間域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）と、周波数域の特徴値波形における周波数域の心音特徴値パラメータ（ＦＧ，ＦＷ）とを取得する心音特徴値パラメータ取得部と、
前記時間域の心音パラメータ及び周波数域の心音特徴値パラメータについてサポートベクターマシンを用いて心音特徴値パラメータの分布の境界線を生成する境界線生成部と、
生成された時間域及び周波数域における境界線を近似する楕円曲線を、最小二乗法を用いて生成し楕円曲線を特徴づける楕円パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を求める楕円曲線近似部と、
多種の取得された心音データについて楕円近似により求められた楕円パラメータを蓄積したデータベース部と、
心疾患の判別をすべき心音データの心疾患判別に際して前記心音データ取得部で取得された心音データ取得部について前記心音特徴値パラメータ取得部で取得された心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）を前記データベース部に蓄積された楕円パラメータを用いて座標変換するパラメータの座標変換部と、
座標変換された心音特徴値パラメータについて前記データベース部に蓄積された楕円パラメータと対比し、判断式を用いて心疾患の判別のための解析を行う心疾患解析部と、
からなることを特徴とする。
心音を検出し心音データを取得する心音データ取得部と、
取得された心音データに対して、設定された心音特徴値波形を求めるためのモデルパラメータの下で時間域の特徴値波形と、それをフーリエ変換した周波数域の特徴値波形とを生成する特徴値波形生成部と、
前記時間域の特徴値波形における時間域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）と、周波数域の特徴値波形における周波数域の心音特徴値パラメータ（ＦＧ，ＦＷ）とを取得する心音特徴値パラメータ取得部と、
前記時間域の心音パラメータ及び周波数域の心音特徴値パラメータについてサポートベクターマシンを用いて心音特徴値パラメータの分布の境界線を生成する境界線生成部と、
生成された時間域及び周波数域における境界線を近似する楕円曲線を、最小二乗法を用いて生成し楕円曲線を特徴づける楕円パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を求める楕円曲線近似部と、
多種の取得された心音データについて楕円近似により求められた楕円パラメータを蓄積したデータベース部と、
心疾患の判別をすべき心音データの心疾患判別に際して前記心音データ取得部で取得された心音データ取得部について前記心音特徴値パラメータ取得部で取得された心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）を前記データベース部に蓄積された楕円パラメータを用いて座標変換するパラメータの座標変換部と、
座標変換された心音特徴値パラメータについて前記データベース部に蓄積された楕円パラメータと対比し、判断式を用いて心疾患の判別のための解析を行う心疾患解析部と、
からなることを特徴とする。
また、本発明による聴診心音信号の処理装置は、
心音を検出し心音データを取得する心音データ取得部と、
取得された心音データに対して、設定された心音特徴値波形を求めるためのモデルパラメータの下で時間域の特徴値波形と、それをフーリエ変換した周波数域の特徴値波形とを生成する特徴値波形生成部と、
前記時間域の特徴値波形における時間域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）と、周波数域の特徴値波形における周波数域の心音特徴値パラメータ（ＦＧ，ＦＷ）とを取得する心音特徴値パラメータ取得部と、
前記時間域の心音特徴値パラメータ及び周波数域の心音パラメータについてサポートベクターマシンを用いて心音特徴値パラメータの分布の境界線を生成する境界線生成部と、
生成された時間域及び周波数域における境界線を近似する楕円曲線を、最小二乗法を用いて生成し楕円曲線を特徴づける楕円パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を求める楕円曲線近似部と、
多種の取得された心音データについて楕円近似により求められた楕円パラメータを蓄積したデータベース部と、
を備える心疾患解析用パラメータデータ生成ユニットと、
心疾患の判別を求められる心音データを取得する心音データ取得部と、
設定された心音特徴値波形を求めるためのモデルパラメータの下で時間域の特徴値波形と、それをフーリエ変換した周波数域の特徴値波形を生成する心音特徴値波形生成部と、
前記時間域の特徴値波形における時間域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）と、周波数域の特徴値波形における周波数域の心音特徴値パラメータ（ＦＧ，ＦＷ）とを取得する心音特徴値パラメータ取得部と、
取得された心音特徴値パラメータに座標変換を行う座標変換部と、
座標変換された心音特徴値パラメータと前記心疾患解析用パラメータデータ生成ユニットにおけるデータベース部に蓄積された楕円パラメータと対比し、判断式を用いて心疾患の判別のための解析を行う心疾患解析部と、
を備える心疾患解析・判断ユニットと、
からなるようにしたものとしてもよく、さらに、前記心疾患解析・判断ユニットを、心音データ取得のための電子聴診部を付設した携帯用端末装置として構成し、前記心疾患解析用パラメータデータ生成ユニットからの交信によりデータベース部に蓄積された楕円パラメータを取得できるようにしてもよい。
心音を検出し心音データを取得する心音データ取得部と、
取得された心音データに対して、設定された心音特徴値波形を求めるためのモデルパラメータの下で時間域の特徴値波形と、それをフーリエ変換した周波数域の特徴値波形とを生成する特徴値波形生成部と、
前記時間域の特徴値波形における時間域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）と、周波数域の特徴値波形における周波数域の心音特徴値パラメータ（ＦＧ，ＦＷ）とを取得する心音特徴値パラメータ取得部と、
前記時間域の心音特徴値パラメータ及び周波数域の心音パラメータについてサポートベクターマシンを用いて心音特徴値パラメータの分布の境界線を生成する境界線生成部と、
生成された時間域及び周波数域における境界線を近似する楕円曲線を、最小二乗法を用いて生成し楕円曲線を特徴づける楕円パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を求める楕円曲線近似部と、
多種の取得された心音データについて楕円近似により求められた楕円パラメータを蓄積したデータベース部と、
を備える心疾患解析用パラメータデータ生成ユニットと、
心疾患の判別を求められる心音データを取得する心音データ取得部と、
設定された心音特徴値波形を求めるためのモデルパラメータの下で時間域の特徴値波形と、それをフーリエ変換した周波数域の特徴値波形を生成する心音特徴値波形生成部と、
前記時間域の特徴値波形における時間域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）と、周波数域の特徴値波形における周波数域の心音特徴値パラメータ（ＦＧ，ＦＷ）とを取得する心音特徴値パラメータ取得部と、
取得された心音特徴値パラメータに座標変換を行う座標変換部と、
座標変換された心音特徴値パラメータと前記心疾患解析用パラメータデータ生成ユニットにおけるデータベース部に蓄積された楕円パラメータと対比し、判断式を用いて心疾患の判別のための解析を行う心疾患解析部と、
を備える心疾患解析・判断ユニットと、
からなるようにしたものとしてもよく、さらに、前記心疾患解析・判断ユニットを、心音データ取得のための電子聴診部を付設した携帯用端末装置として構成し、前記心疾患解析用パラメータデータ生成ユニットからの交信によりデータベース部に蓄積された楕円パラメータを取得できるようにしてもよい。
本発明による聴診心音信号を処理するためのプログラムは、
検出された心音信号について心疾患を判別するための解析処理をコンピュータ上で実行する聴診心音信号を処理するためのプログラムであって、
取得された心音データに対して心音特徴値波形を求めるためのモデルパラメータの下で時間域の特徴値波形とそれをフーリエ変換した周波数域の特徴値波形とを生成し、前記時間域の特徴値波形における前後の１音ピークの間隔である心拍間隔（Ｔ１１）及び１音−２音のピーク間隔（Ｔ１２）と、前記周波数域の特徴値波形におけるピークについて閾値（ＨＦ）から定まる周波数域幅（ＦＷ）及びピークの中心周波数（ＦＧ）とを心音特徴値パラメータとして求め、求められた時間域及び周波数域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）について分布域を囲む境界線を求め、求められた時間域及び周波数域での境界線をそれぞれ最小二乗法により近似する楕円曲線を生成して楕円曲線を特徴づける楕円パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を求め、多種の取得された心音データについて得られた楕円パラメータを蓄積したデータベースを形成し、また、取得された心疾患の判別をすべき心音データについて心音特徴値波形を求めるためのモデルパラメータの下で心音特徴値波形を生成し心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）の算出を求め、求められた心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）に対して前記求められた楕円パラメータ（ｘｃ，ｙｃ，θ）を用いて座標変換を行い、座標変換後の心音特徴値パラメータについて前記楕円パラメータ（ａ，ｂ）及び心疾患の判断式を用いて心疾患の判別のための解析処理を行うことをコンピュータ上で実行することを特徴とする。
検出された心音信号について心疾患を判別するための解析処理をコンピュータ上で実行する聴診心音信号を処理するためのプログラムであって、
取得された心音データに対して心音特徴値波形を求めるためのモデルパラメータの下で時間域の特徴値波形とそれをフーリエ変換した周波数域の特徴値波形とを生成し、前記時間域の特徴値波形における前後の１音ピークの間隔である心拍間隔（Ｔ１１）及び１音−２音のピーク間隔（Ｔ１２）と、前記周波数域の特徴値波形におけるピークについて閾値（ＨＦ）から定まる周波数域幅（ＦＷ）及びピークの中心周波数（ＦＧ）とを心音特徴値パラメータとして求め、求められた時間域及び周波数域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）について分布域を囲む境界線を求め、求められた時間域及び周波数域での境界線をそれぞれ最小二乗法により近似する楕円曲線を生成して楕円曲線を特徴づける楕円パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を求め、多種の取得された心音データについて得られた楕円パラメータを蓄積したデータベースを形成し、また、取得された心疾患の判別をすべき心音データについて心音特徴値波形を求めるためのモデルパラメータの下で心音特徴値波形を生成し心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）の算出を求め、求められた心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）に対して前記求められた楕円パラメータ（ｘｃ，ｙｃ，θ）を用いて座標変換を行い、座標変換後の心音特徴値パラメータについて前記楕円パラメータ（ａ，ｂ）及び心疾患の判断式を用いて心疾患の判別のための解析処理を行うことをコンピュータ上で実行することを特徴とする。
本発明の聴診心音信号の処理においては、心音特徴値パラメータの分布の境界線を楕円曲線で近似し、判断式を用いて心音異常の判別を行うことにより、計算量を少なくすることができ、心疾患判別を簡易な構成により、容易に行うことができる。心疾患判別のための心音データの解析処理を行う部分を、アプリケーション・プログラムとして小規模の構成することができ、ＰＣ用あるいは形態端末機用アプリケーションとして構成できる。心疾患の状況、心機能の評価を簡便に行うことができ、一般ユーザにも利用し易いアプリケーションの適用が可能になる。
本発明においては、収録された心音信号から心疾患を判別できるように心音信号の解析処理を行うのであるが、その際、収録された心音信号データの処理において、特徴値波形に基づいた心音信号データの処理を行う。以下では、本発明の聴診音データの解析による心疾患の判別について、最初に、特徴値波形と心音特徴値パラメータの導出について説明し、次に心音特徴値パラメータについて解析処理により心疾患の判別を行う処理手順について説明する。
（Ａ）心音特徴値波形と心音特徴値パラメータ
心臓は左心房、左心室、右心房、右心室の４つの部分に分かれており、全体で収縮と弛緩を繰り返して血液を全身に循環させるポンプの役割を担っている。左心房の入口に僧帽弁、左心室の入口に大動脈弁、右心室の入口に三尖弁、右心房の入口に肺動脈弁があり、これらの弁膜が血液の逆流を防止しており、心音はこれらの弁膜が閉じる際に発する音である。聴診による心音が正常か、異常かを正確に聞き分けるのには専門的な知識、経験を要するが、一般の者でも比較的簡単に聞き分けられるものもある。
心臓は左心房、左心室、右心房、右心室の４つの部分に分かれており、全体で収縮と弛緩を繰り返して血液を全身に循環させるポンプの役割を担っている。左心房の入口に僧帽弁、左心室の入口に大動脈弁、右心室の入口に三尖弁、右心房の入口に肺動脈弁があり、これらの弁膜が血液の逆流を防止しており、心音はこれらの弁膜が閉じる際に発する音である。聴診による心音が正常か、異常かを正確に聞き分けるのには専門的な知識、経験を要するが、一般の者でも比較的簡単に聞き分けられるものもある。
心音特徴値波形を求める方法として、特許文献５で提示された鼓膜の振動モデルを用いて測定された心音データから振動応答の特徴値波形を求める方法もあるが、ここでは、最も一般的な方法について説明する。心音時間域データをＸＴ（ｋ）, 処理対象の移動ウィンドウ幅をＬＴとすると、特徴値波形を式（１）で求めることができる。
ここで、
である。Ｎは信号ＸＴの長さである。
また、周波数域における特徴値波形は、心音時間域データに対してフーリエ変換を行い、さらに得られた波形に対して、一定幅長の移動平均法により次のように求められる。
ここで、
図１(a)は、採集した正常者の心音データＸTと時間域における特徴値波形ＷＴを示し、(c)は、VSD患者の結果を示す。横軸が時間、縦軸が心音の強度（振幅）である。強度は最大値で除し正規化して示してある。一般に正常な心音の波形では、１音及び２音と呼ばれるピークが繰り返し現れることが知られている。この１音は僧帽弁及び三尖弁の閉鎖によって生じ、２音は大動脈弁及び肺動脈弁の閉鎖並びに緊張によって生じるのであり、心音の正常、異常を判断するためには、１及び２音の持続時間（ピークの時間幅）を解析、評価するのが有効であると考えられる。図１（ｂ）と（ｄ）はそれぞれ場合における周波数域における結果を示す。
図１（ａ）の時間域の波形におけるピークＳ１ｉ、Ｓ２ｉの重心をそれぞれＧ１（ｉ）、Ｇ２（ｉ）とすると、
である。時間域における心音特徴値パラメータとしての心拍間隔Ｔ１１、１音と２音の間隔Ｔ１２はＧｋ（ｉ）により次のように表される。
Ｔ１１（ｉ）＝Ｇ１（ｉ＋１）−Ｇ１（ｉ）・・・・・・・・（６）
Ｔ１２（ｉ）＝Ｇ２（ｉ）−Ｇ１（ｉ） ・・・・・・・・（７）
Ｔ１１（ｉ）＝Ｇ１（ｉ＋１）−Ｇ１（ｉ）・・・・・・・・（６）
Ｔ１２（ｉ）＝Ｇ２（ｉ）−Ｇ１（ｉ） ・・・・・・・・（７）
周波数域におる特徴値パラメータとしての中心周波数ＦＧ、周波数域幅ＦＷは次のようになる。
ＦＷ＝ＲＰ−ＬＰ ・・・・・・・・・・・・・・（９）
ただし、ＲＰ、ＬＰはそれぞれ周波数域での閾値ＨＦの線が波形WＦのピークと交差する位置での右側、左側の値である。ここで閾値ＨＦの値は０．２としている。
ただし、ＲＰ、ＬＰはそれぞれ周波数域での閾値ＨＦの線が波形WＦのピークと交差する位置での右側、左側の値である。ここで閾値ＨＦの値は０．２としている。
図１（ｅ）と（ｆ）は、正常心音２例とVSD心音２例について求めた心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）の分布をプロットした結果である。正常心音NM2（○）とVSD心音VSD1（▽）のパラメータ（Ｔ１２，Ｔ１１）の分布がかなり近くて判別することは難しいが、それぞれの（ＦＧ，ＦＷ）の分布に関してはかなり離れており、分別することが可能である。一方、正常心音NM１とVSD心音VSD２のパラメータ（ＦＧ，ＦＷ）の分布が近いが、（Ｔ１２，Ｔ１１）の分布が離れている。このことから正常心音とVSD心音の判別は時間域ならびに周波数域の分布から総合的に判断することが重要であることがわかる。
（Ｂ）境界線の導出
聴診により得られた多数の心音データについて、（Ａ）で求めた時間域の心音パラメータ、周波数域のパラメータをプロットすると、心音データの傾向に応じてある程度まとまった範囲に分布する。図２（ａ），（ｂ）は、それぞれ時間域の心音パラメータ（Ｔ１２，Ｔ１１）、周波数域の心音パラメータ（ＦＧ，ＦＷ）の分布を示しており、心室中隔欠損孔の大きさＬＶＳＤ（▽）、ＭＶＳＤ（□）、ＳＶＳＤ（○）に応じてある程度まとまった分布となっている。心音データの判別に際し、この心音パラメータの分布のまとまりを表す境界線を求めた上で解析を行うのがよい。心音パラメータの分布からその境界線を求めるのは、サポートベクターマシン（ＳＶＭ）や確率統計等の方法を用いてなされるが、ここではＳＶＭを用いて行う方法について説明する。
聴診により得られた多数の心音データについて、（Ａ）で求めた時間域の心音パラメータ、周波数域のパラメータをプロットすると、心音データの傾向に応じてある程度まとまった範囲に分布する。図２（ａ），（ｂ）は、それぞれ時間域の心音パラメータ（Ｔ１２，Ｔ１１）、周波数域の心音パラメータ（ＦＧ，ＦＷ）の分布を示しており、心室中隔欠損孔の大きさＬＶＳＤ（▽）、ＭＶＳＤ（□）、ＳＶＳＤ（○）に応じてある程度まとまった分布となっている。心音データの判別に際し、この心音パラメータの分布のまとまりを表す境界線を求めた上で解析を行うのがよい。心音パラメータの分布からその境界線を求めるのは、サポートベクターマシン（ＳＶＭ）や確率統計等の方法を用いてなされるが、ここではＳＶＭを用いて行う方法について説明する。
ＳＶＭは、サポートベクターという分類曲線を用いてデータ・クラスを分類する統計学習法であり、分類曲線ｇ（ｘ）＝０を見出し、分類関数ｆ（ｘ）を求めるという形になる。一般的に、分離できない線形クラスに分離サンプルがある場合に、入力ベクターを高次の特徴空間に写像するために、φ（・）：Ｒｎ→Ｒｎｈの非線形写像を用いる。この場合、分類関数ｆ（ｘ）は
ｆ（ｘ）＝ｓｉｇｎ｛ｇ（ｘ）｝ ・・・・・・・・・（１０）
ただし、
ｇ（ｘ）＝ＷＴφ（ｘ）＋ｂ ・・・・・・・・・（１１）
であり、ｘは入力ベクター、ＷＴは可変加重ベクター、ｂは偏差であり、ｇ（ｘ）はトレーニング・ベクターの一部となるサポートベクター（ＳＶ）で決定される識別関数である。
ｆ（ｘ）＝ｓｉｇｎ｛ｇ（ｘ）｝ ・・・・・・・・・（１０）
ただし、
ｇ（ｘ）＝ＷＴφ（ｘ）＋ｂ ・・・・・・・・・（１１）
であり、ｘは入力ベクター、ＷＴは可変加重ベクター、ｂは偏差であり、ｇ（ｘ）はトレーニング・ベクターの一部となるサポートベクター（ＳＶ）で決定される識別関数である。
境界線に囲まれるデータの集合をＤＳｓ（−）＝（Ｔ１２，Ｔ１１）とし、境界線の近辺に人工的に生成した修正データ集合をＤＳｓ（＋）とする。境界線を求めるために人工的に生成するデータは次のように求める。
ａ）心音パラメータＴ１２のデータ集合Ｔ１２ （−）の平均値μＴ１２と、その標準分散σＴ１２を求める。
ｂ）データ集合Ｔ１２ （＋）は、その平均値と標準分散がそれぞれμＴ１２ （＋）＝μＴ１２±８σＴ１２、σＴ１２ （＋）＝４σＴ１２となるように人工的に生成する。このように生成されたデータ集合Ｔ１２ （＋）の約１５％が実測した心音データ集合Ｔ１２の境界線付近で重なることになる。
ｃ）同様にデータ集合Ｔ１１ （＋）を求める。
このように人工的に生成したデータ集合はＤＳｓ（＋）＝（Ｔ１２ （＋），Ｔ１１ （＋））となる。
ｄ）上記のように得られたデータ集合ＤＳｓ（−）＝（Ｔ１２，Ｔ１１）とＤＳｓ（＋）＝（Ｔ１２ （＋），Ｔ１１ （＋））に対してサポートベクターマシン（ＳＶＭ）を用いて境界曲線を求める。
ａ）心音パラメータＴ１２のデータ集合Ｔ１２ （−）の平均値μＴ１２と、その標準分散σＴ１２を求める。
ｂ）データ集合Ｔ１２ （＋）は、その平均値と標準分散がそれぞれμＴ１２ （＋）＝μＴ１２±８σＴ１２、σＴ１２ （＋）＝４σＴ１２となるように人工的に生成する。このように生成されたデータ集合Ｔ１２ （＋）の約１５％が実測した心音データ集合Ｔ１２の境界線付近で重なることになる。
ｃ）同様にデータ集合Ｔ１１ （＋）を求める。
このように人工的に生成したデータ集合はＤＳｓ（＋）＝（Ｔ１２ （＋），Ｔ１１ （＋））となる。
ｄ）上記のように得られたデータ集合ＤＳｓ（−）＝（Ｔ１２，Ｔ１１）とＤＳｓ（＋）＝（Ｔ１２ （＋），Ｔ１１ （＋））に対してサポートベクターマシン（ＳＶＭ）を用いて境界曲線を求める。
さらに、次式による判別正確度ＣＡ
が一定値になるように反復計算し、境界線を求める。式（１２）で、ＴＰは真陽性（true positive）、ＴＮは真陰性（true negative）、ＦＰは偽陽性（false positive）、ＦＮは偽陰性（false negative）である。
ｅ）データ集合（ＦＧ，ＦＷ）についても、同様にデータ集合ＤＳｓ（＋）＝（ＦＧ（＋），ＦＷ （＋））を人工的に生成し、ＳＶＭを用いて境界線を求める。
図２（ａ），（ｂ）においては、このように求められた境界線を示してある。
ｅ）データ集合（ＦＧ，ＦＷ）についても、同様にデータ集合ＤＳｓ（＋）＝（ＦＧ（＋），ＦＷ （＋））を人工的に生成し、ＳＶＭを用いて境界線を求める。
図２（ａ），（ｂ）においては、このように求められた境界線を示してある。
（Ｃ）境界線の楕円近似
上述のように求められた心音データの分布の境界線を用いて心疾患の判別を行うことができるのであるが、図２に示されるように、境界線はそれほど単純な形状の曲線ではなく、心疾患の判別のための計算量が非常に多くなるとともに、判別条件の設定も複雑になる。このことから、境界線を楕円曲線で近似し、この近似した楕円曲線を用いて心疾患の判別を行うことが計算量を多大にせず、判別条件を簡易にする上で有効であると考えられる。
上述のように求められた心音データの分布の境界線を用いて心疾患の判別を行うことができるのであるが、図２に示されるように、境界線はそれほど単純な形状の曲線ではなく、心疾患の判別のための計算量が非常に多くなるとともに、判別条件の設定も複雑になる。このことから、境界線を楕円曲線で近似し、この近似した楕円曲線を用いて心疾患の判別を行うことが計算量を多大にせず、判別条件を簡易にする上で有効であると考えられる。
境界線を近似する楕円の方程式を次のように仮定する。
Ｆ（Ａ，ｘ，ｙ）＝Ａ１１ｘ２＋Ａ２１ｘｙ＋Ａ３１ｙ２
＋Ａ４１ｘ＋Ａ５１ｙ＋Ａ６１＝０ ・・・・・・（１３）
ただし、Ａ２１ ２−４Ａ１１Ａ３１＜０である。
上記ＳＶＭにより求めた境界線に対し、最小二乗法を用いて楕円の式（１３）における係数Ａｉ１（ｉ＝１，２，．．．，６）を求める。図２（ａ），（ｂ）の場合について求められた楕円はそれぞれ図３（ａ），（ｂ）のようになる。
Ｆ（Ａ，ｘ，ｙ）＝Ａ１１ｘ２＋Ａ２１ｘｙ＋Ａ３１ｙ２
＋Ａ４１ｘ＋Ａ５１ｙ＋Ａ６１＝０ ・・・・・・（１３）
ただし、Ａ２１ ２−４Ａ１１Ａ３１＜０である。
上記ＳＶＭにより求めた境界線に対し、最小二乗法を用いて楕円の式（１３）における係数Ａｉ１（ｉ＝１，２，．．．，６）を求める。図２（ａ），（ｂ）の場合について求められた楕円はそれぞれ図３（ａ），（ｂ）のようになる。
次に、図３（ａ），（ｂ）における楕円について、図４に示すように（ｘ，ｙ）→（Ｘ，Ｙ）への座標変換を行って、楕円の式を
に変換する。ＸＹ座標系の原点はｘｙ座標系の（ｘｃ，ｙｃ）にある。ｘｙ座標系でのパラメータＡｉ１（ｉ＝１，２，．．．，６）とＸＹ座標系でのパラメータ［ｘｃ，ｙｃ，ａ，ｂ，θ］との関係は次のとおりである。
（Ｄ）楕円曲線を用いた心疾患解析
上述のように、心疾患解析における心音判別用パラメータは次のようにして求められる。
１）採取された大量の心音データから心音特徴値パラメータ、例えば（ｘ，ｙ）＝（Ｔ１２，Ｔ１１）あるいは（ＦＧ，ＦＷ）を求める。
２）ＳＶＭや確率統計などの方法を用いて心音パラメータのデータ分布範囲を示す境界線を求める。
３）境界線データに対して最小二乗法を用いて近似楕円曲線を決定するとともに、楕円曲線特性パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を心疾患解析パラメータあるいは患者ごとのパラメータとして求める。
上述のように、心疾患解析における心音判別用パラメータは次のようにして求められる。
１）採取された大量の心音データから心音特徴値パラメータ、例えば（ｘ，ｙ）＝（Ｔ１２，Ｔ１１）あるいは（ＦＧ，ＦＷ）を求める。
２）ＳＶＭや確率統計などの方法を用いて心音パラメータのデータ分布範囲を示す境界線を求める。
３）境界線データに対して最小二乗法を用いて近似楕円曲線を決定するとともに、楕円曲線特性パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を心疾患解析パラメータあるいは患者ごとのパラメータとして求める。
このように心音判別用パラメータを、多種の取得された心音データについて求め、蓄積データ格納手段に蓄積保持して心音判別用パラメータのデータベースを生成する。実際に判別することが求められる心音データについての心疾患の解析は次のように行われる。
ａ）採取された心音データより心音特徴値パラメータ（ｘ，ｙ）を求め、楕円パラメータ（ｘｃ，ｙｃ，θ）を用いてＸＹ座標に変換する。
ｂ）楕円曲線特性パラメータ（ａ，ｂ）を用いて、次の判断式により心疾患を判別する。
ａ）採取された心音データより心音特徴値パラメータ（ｘ，ｙ）を求め、楕円パラメータ（ｘｃ，ｙｃ，θ）を用いてＸＹ座標に変換する。
ｂ）楕円曲線特性パラメータ（ａ，ｂ）を用いて、次の判断式により心疾患を判別する。
本発明による聴診音による心疾患解析では、上述したように、心音データから得られた心音パラメータの分布についてＳＶＭを用いて境界線を求め、その境界線を近似した楕円曲線を求め、求められた楕円曲線について、式（２１）による判断式を用いて心疾患の判別を行う。心音パラメータの分布についての境界線を楕円近似により単純化することにより、判断式が式（２１）のように簡易なものとして設定され、また、心疾患判別のための解析処理における計算量を格段に少なくすることが可能になる。
本発明による心音解析処理は図５のフロー図で示すような手順でなされる。（Ａ）心音解析用パラメータの生成の段階と、（Ｂ）心音データによる心疾患判別の段階とに分かれる。
（Ａ）心音解析用パラメータの生成の段階では、
（１）電子聴診部により心音を検出し、心音データを取得する、
（２）心音特徴値波形を求めるためのモデルパラメータを設定する、
（３）得られた心音データに対し、設定されたパラメータの下で時間域及び周波数域の特徴値波形を生成する、
（４）特徴値波形から心音特徴値パラメータ（Ｔ１２，Ｔ１１）、（ＦＧ，ＦＷ）を算出する、
（５）サポートベクターマシン（ＳＶＭ）を用いて心音パラメータの分布の境界線を生成する、
（６）生成された境界線について、これを近似する楕円曲線を、最小二乗法を用いて求める、
（７）多種の心音データについて得られた楕円曲線の楕円パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を疾患ごとに、またはユーザごとに求め、蓄積してデータベース化する、
という手順になる。
（Ｂ）心音データによる心疾患判別の段階では、
（１）電子聴診部により心音を検出し、心音データを取得する、
（２）心音特徴値波形を求めるためのモデルパラメータを設定する、
（３）得られた心音データに対し、設定されたパラメータの下で時間域及び周波数域の特徴値波形を生成する、
（４）特徴値波形から心音特徴値パラメータ（Ｔ１２，Ｔ１１）、（ＦＧ，ＦＷ）を算出する、
（５）楕円パラメータ（ｘｃ，ｙｃ，θ）を用いて心音パラメータ（Ｔ１２，Ｔ１１）、（ＦＧ，ＦＷ）に対して座標変換を行う、
（６）座標変換後の心音特徴値パラメータについて、楕円パラメータ（ａ，ｂ）を用いて判断式により心疾患の判別を行う、
という手順になる。
（Ａ）心音解析用パラメータの生成の段階では、
（１）電子聴診部により心音を検出し、心音データを取得する、
（２）心音特徴値波形を求めるためのモデルパラメータを設定する、
（３）得られた心音データに対し、設定されたパラメータの下で時間域及び周波数域の特徴値波形を生成する、
（４）特徴値波形から心音特徴値パラメータ（Ｔ１２，Ｔ１１）、（ＦＧ，ＦＷ）を算出する、
（５）サポートベクターマシン（ＳＶＭ）を用いて心音パラメータの分布の境界線を生成する、
（６）生成された境界線について、これを近似する楕円曲線を、最小二乗法を用いて求める、
（７）多種の心音データについて得られた楕円曲線の楕円パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を疾患ごとに、またはユーザごとに求め、蓄積してデータベース化する、
という手順になる。
（Ｂ）心音データによる心疾患判別の段階では、
（１）電子聴診部により心音を検出し、心音データを取得する、
（２）心音特徴値波形を求めるためのモデルパラメータを設定する、
（３）得られた心音データに対し、設定されたパラメータの下で時間域及び周波数域の特徴値波形を生成する、
（４）特徴値波形から心音特徴値パラメータ（Ｔ１２，Ｔ１１）、（ＦＧ，ＦＷ）を算出する、
（５）楕円パラメータ（ｘｃ，ｙｃ，θ）を用いて心音パラメータ（Ｔ１２，Ｔ１１）、（ＦＧ，ＦＷ）に対して座標変換を行う、
（６）座標変換後の心音特徴値パラメータについて、楕円パラメータ（ａ，ｂ）を用いて判断式により心疾患の判別を行う、
という手順になる。
心疾患の判別をすべき心音データについて、通常は（Ａ）心音解析用パラメータの生成の段階において生成されたデータベースの楕円パラメータを用いて座標変換を行う。ただし、個人の心音データの場合に、ある程度心音データが蓄積された際に、楕円パラメータを計算し直して更新することにより、精度を高めた判別が可能になることが考えられる。
本発明による聴診心音信号の解析処理では、心音パラメータの分布の境界線を楕円曲線で近似し、判断式を用いて心音異常の判別を行うことにより、計算量を少なくすることができ、簡易な形態で心疾患の判別ができるようになる。
本発明による聴診心音信号の解析処理では、心音パラメータの分布の境界線を楕円曲線で近似し、判断式を用いて心音異常の判別を行うことにより、計算量を少なくすることができ、簡易な形態で心疾患の判別ができるようになる。
（Ｅ）実施検証例
心音パラメータについての境界線を楕円近似することを用いた本発明による心疾患解析の具体例について、以下説明する。まず、１２４例のＶＳＤ心音（そのうちＳＶＳＤが５６例、ＭＶＳＤが３０例、ＬＶＳＤが２８例）に対して、ＳＶＭを用いて求めた境界線による判別結果（ＳＶＭ）、楕円近似による判別結果（ＥＭｓ）を表１に示す。両方法による判別正確度に大差はないことから、楕円近似による方法でもＳＶＭを用いられた境界線による判別と同等の正確度が得られることがわかり、楕円曲線法の妥当性が示されている。
心音パラメータについての境界線を楕円近似することを用いた本発明による心疾患解析の具体例について、以下説明する。まず、１２４例のＶＳＤ心音（そのうちＳＶＳＤが５６例、ＭＶＳＤが３０例、ＬＶＳＤが２８例）に対して、ＳＶＭを用いて求めた境界線による判別結果（ＳＶＭ）、楕円近似による判別結果（ＥＭｓ）を表１に示す。両方法による判別正確度に大差はないことから、楕円近似による方法でもＳＶＭを用いられた境界線による判別と同等の正確度が得られることがわかり、楕円曲線法の妥当性が示されている。
なお、表１に示す感度(Se)と特異度(Sp)はそれぞれ下記のように定義される。
次に、採集した正常者（ＮＭ）、心室中隔欠損症（ＳＶＳＤ，ＭＶＳＤ，ＬＶＳＤ）、僧帽弁狭窄症（ＭＳ）、大動脈弁狭窄症（ＡＳ）、大動脈弁閉鎖不全症（ＡＲ）、心房性細動（ＡＦ）などの心音データ例に対して、楕円曲線法を用いた解析アルゴリズムを適用して求めた結果を図８と表２に示す。時間域と周波数域における判別指数IDTとIDFが共に１となれば、正しく判断されたことになる。
解析処理に際して、ＶＳＤを心室中隔欠損孔の大きさ（φ）から分類し、ここでは、ＳＶＳＤ（φ≦５ｍｍ）、ＭＶＳＤ（５ｍｍ＜φ≦１５ｍｍ）、ＬＶＳＤ（φ＞１５ｍｍ）の３ランクに分類して解析した。
（Ｆ）聴診心音信号の処理装置の形態
図７は、本発明による聴診心音信号の処理装置の形態について概略的に示すものである。
この聴診心音信号処理装置は、心音を検出する電子聴診部ａ、検出された心音信号をＡＤ変換し解析処理に供するデジタル心音データとする心音データ取得部１１、設定された心音特徴値波形を求めるためのモデルパラメータの下で心音データの時間域及び周波数域の特徴値波形を生成する特徴値波形生成部１２、生成された特徴値波形から時間域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び周波数域の心音特徴値パラメータ（ＦＧ，ＦＷ）を取得する心音特徴値パラメータ取得部１３、多種の取得された心音特徴値パラメータについてサポートベクターマシン（ＳＶＭ）を用いて心音パラメータの分布の境界線を生成する境界線生成部１４、生成された境界線について最小二乗法を用いて近似する楕円曲線を生成する楕円曲線近似部１５、生成された楕円曲線の楕円パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を疾患ごとに、またはユーザごとに求め蓄積した楕円パラメータのデータベース部１６、心疾患を判別すべき心音データから求められた心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）についてデータベース部１６の楕円パラメータ（ｘｃ，ｙｃ，θ）を用いて座標変換を行うパラメータの座標変換部１７、座標変換された心音特徴値パラメータをデータベース部における楕円パラメータ（ａ，ｂ）及び心疾患の判断式を用いて心疾患の判別のための解析処理を行う心疾患解析部１８，心疾患解析の結果を表示する結果表示部１９を備えるものである。
図７は、本発明による聴診心音信号の処理装置の形態について概略的に示すものである。
この聴診心音信号処理装置は、心音を検出する電子聴診部ａ、検出された心音信号をＡＤ変換し解析処理に供するデジタル心音データとする心音データ取得部１１、設定された心音特徴値波形を求めるためのモデルパラメータの下で心音データの時間域及び周波数域の特徴値波形を生成する特徴値波形生成部１２、生成された特徴値波形から時間域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び周波数域の心音特徴値パラメータ（ＦＧ，ＦＷ）を取得する心音特徴値パラメータ取得部１３、多種の取得された心音特徴値パラメータについてサポートベクターマシン（ＳＶＭ）を用いて心音パラメータの分布の境界線を生成する境界線生成部１４、生成された境界線について最小二乗法を用いて近似する楕円曲線を生成する楕円曲線近似部１５、生成された楕円曲線の楕円パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を疾患ごとに、またはユーザごとに求め蓄積した楕円パラメータのデータベース部１６、心疾患を判別すべき心音データから求められた心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）についてデータベース部１６の楕円パラメータ（ｘｃ，ｙｃ，θ）を用いて座標変換を行うパラメータの座標変換部１７、座標変換された心音特徴値パラメータをデータベース部における楕円パラメータ（ａ，ｂ）及び心疾患の判断式を用いて心疾患の判別のための解析処理を行う心疾患解析部１８，心疾患解析の結果を表示する結果表示部１９を備えるものである。
図７の装置とは別形態のものとして、図８に示す聴診心音信号処理装置の形態とすることができる。この聴診心音信号処理装置は、心疾患解析用パラメータデータ生成ユニット２０及び心疾患解析・判断ユニット３０を備えている。心疾患解析用パラメータデータ生成ユニット２０は、心音を検出する電子聴診部ｂ、検出された心音信号をＡＤ変換し解析処理に供するデジタル心音データとする心音データ取得部２１、設定された心音特徴値波形を求めるためのモデルパラメータの下で心音データの時間域及び周波数域の特徴値波形を生成する特徴値波形生成部２２、生成された特徴値波形から時間域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び周波数域の心音特徴値パラメータ（ＦＧ，ＦＷ）を取得する心音特徴値パラメータ取得部２３、多種の取得された心音特徴値パラメータについてサポートベクターマシン（ＳＶＭ）を用いて心音パラメータの分布の境界線を生成する境界線生成部２４、生成された境界線について最小二乗法を用いて近似する楕円曲線を生成する楕円近似部２５、生成された楕円曲線の楕円パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を疾患ごとに、またはユーザごとに求め蓄積した楕円パラメータのデータベース部２６からなる。
また、心疾患解析・判断ユニット３０は、心音を検出する電子聴診部ｃ、検出された心音信号をＡＤ変換し解析処理に供するデジタル心音データとする心音データ取得部３１、設定された心音特徴値波形を求めるためのモデルパラメータの下で心音データの時間域及び周波数域の特徴値波形を生成する特徴値波形生成部３２、生成された特徴値波形から時間域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び周波数域の心音特徴値パラメータ（ＦＧ，ＦＷ）を取得する心音特徴値パラメータ取得部３３、取得された心音特徴値パラメータに座標変換を行う座標変換部３４、座標変換された心音特徴値パラメータと前記心疾患解析用パラメータデータ生成ユニットにおけるデータベース部に蓄積された楕円パラメータと対比し、判断式を用いて心疾患の判別のための解析を行う心疾患解析部３５、心疾患解析の結果をモニター手段に表示する結果表示部３６からなる。
図８の装置形態による聴診心音信号処理装置では、多種の心音データを取得してデータベースを生成する心疾患解析用パラメータデータ生成ユニット２０を固定した装置（親機）として備え、心疾患を判別すべき心音データを取得する心疾患解析・判断ユニット３０を可搬型の端末機（子機）として備えるものとし、一般的なユーザが簡易な形で利用して心疾患解析・判断を行うようにすることができる。
本発明による聴診心音信号の処理装置は、心音パラメータの分布の境界線を楕円曲線で近似し、判断式を用いて心音異常の判別を行うものであって、計算量を少なくすることにより、心疾患を判別するための装置構成を簡易なものとすることができる。図８における心疾患解析・判断ユニット３０は、心疾患判別のための心音データの解析処理を行う部分であるが、アプリケーション・プログラムとしても小規模のものとして構成することができ、ＰＣ用あるいは形態端末機用アプリケーションとして構成できる。
（Ｇ）聴診心音信号を処理するためのプログラム
また、本発明は、聴診心音信号の解析処理を行うコンピュータ上で行うためのプログラムとしての面をも有する。このような聴診心音信号の解析処理を行うプログラムは、取得された心音データに対して心音特徴値波形を求めるためのモデルパラメータの下で時間域の特徴値波形とそれをフーリエ変換した周波数域の特徴値波形とを生成し、前記時間域の特徴値波形における前後の１音ピークの間隔である心拍間隔（Ｔ１１）及び１音−２音のピーク間隔（Ｔ１２）と、前記周波数域の特徴値波形におけるピークについて閾値（ＨＦ）から定まる周波数域幅（ＦＷ）及びピークの中心周波数（ＦＧ）とを心音特徴値パラメータとして求め、求められた時間域及び周波数域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）について分布域を囲む境界線を求め、求められた時間域及び周波数域での境界線をそれぞれ最小二乗法により近似する楕円曲線を生成して楕円曲線を特徴づける楕円パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を求め、多種の取得された心音データについて得られた楕円パラメータを蓄積したデータベースを形成し、また、取得された心疾患の判別をすべき心音データについて心音特徴値波形を求めるためのモデルパラメータの下で心音特徴値波形を生成し心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）の算出を求め、求められた心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）に対して前記求められた楕円パラメータ（ｘｃ，ｙｃ，θ）を用いて座標変換を行い、座標変換後の心音特徴値パラメータについて前記楕円パラメータ（ａ，ｂ）及び心疾患の判断式を用いて心疾患の判別のための解析処理を行うことをコンピュータ上で実行するものである。
また、本発明は、聴診心音信号の解析処理を行うコンピュータ上で行うためのプログラムとしての面をも有する。このような聴診心音信号の解析処理を行うプログラムは、取得された心音データに対して心音特徴値波形を求めるためのモデルパラメータの下で時間域の特徴値波形とそれをフーリエ変換した周波数域の特徴値波形とを生成し、前記時間域の特徴値波形における前後の１音ピークの間隔である心拍間隔（Ｔ１１）及び１音−２音のピーク間隔（Ｔ１２）と、前記周波数域の特徴値波形におけるピークについて閾値（ＨＦ）から定まる周波数域幅（ＦＷ）及びピークの中心周波数（ＦＧ）とを心音特徴値パラメータとして求め、求められた時間域及び周波数域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）について分布域を囲む境界線を求め、求められた時間域及び周波数域での境界線をそれぞれ最小二乗法により近似する楕円曲線を生成して楕円曲線を特徴づける楕円パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を求め、多種の取得された心音データについて得られた楕円パラメータを蓄積したデータベースを形成し、また、取得された心疾患の判別をすべき心音データについて心音特徴値波形を求めるためのモデルパラメータの下で心音特徴値波形を生成し心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）の算出を求め、求められた心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）に対して前記求められた楕円パラメータ（ｘｃ，ｙｃ，θ）を用いて座標変換を行い、座標変換後の心音特徴値パラメータについて前記楕円パラメータ（ａ，ｂ）及び心疾患の判断式を用いて心疾患の判別のための解析処理を行うことをコンピュータ上で実行するものである。
本発明は、心音データの解析処理により簡易な形態、構成の解析処理により心疾患の判別を行うことができ、一般的なユーザにも利用し易い形態での心疾患の判別が可能なものとして広範な有用性をもつものである。
１１，２１，３１ 心音データ取得部
１２，２２，３２ 特徴値波形生成部
１３，２３，３３ 心音特徴値パラメータ取得部
１４，２４ 境界線生成部
１５，２５ 楕円近似部
１６，２６ 楕円パラメータのデータベース部
１７，３４ パラメータの座標変換部
１８，３５ 心疾患解析部
１９，３６ 結果表示部
２０ 心疾患解析用パラメータデータ生成ユニット
３０ 心疾患解析・判断ユニット
ａ，ｂ，ｃ 電子聴診部
１２，２２，３２ 特徴値波形生成部
１３，２３，３３ 心音特徴値パラメータ取得部
１４，２４ 境界線生成部
１５，２５ 楕円近似部
１６，２６ 楕円パラメータのデータベース部
１７，３４ パラメータの座標変換部
１８，３５ 心疾患解析部
１９，３６ 結果表示部
２０ 心疾患解析用パラメータデータ生成ユニット
３０ 心疾患解析・判断ユニット
ａ，ｂ，ｃ 電子聴診部
Claims (5)
- 心音特徴値波形を求めるためのモデルパラメータを設定することと、
心音を検出しそれにより心音データを取得することと、
取得された心音データに対して設定されたモデルパラメータの下での時間域の特徴値波形とそれをフーリエ変換した周波数域の特徴値波形とを生成することと、
前記時間域の特徴値波形における前後の１音の間隔である心拍間隔（Ｔ１１）及び１音−２音の間隔（Ｔ１２）と、前記周波数域の特徴値波形におけるピークについて閾値（ＨＦ）から定まる周波数域幅（ＦＷ）及びピークの中心周波数（ＦＧ）とを心音特徴値パラメータとして算出することと、
求められた時間域及び周波数域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）について分布域を囲む境界線を求めることと、
求められた時間域及び周波数域での境界線をそれぞれ最小二乗法により近似する楕円曲線を生成して楕円曲線を特徴づける楕円パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を求めることと、
からなるステップにより多種の取得された心音データについて得られた楕円パラメータを蓄積したデータベースを形成し、心疾患の判別をすべき心音データについて心音データの取得、心音特徴値波形を求めるためのモデルパラメータの設定、心音特徴値波形の生成、心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）の算出を行って、求められた心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）に対して前記求められた楕円パラメータ（ｘｃ，ｙｃ，θ）を用いて座標変換を行い、座標変換後の心音特徴値パラメータについて前記楕円パラメータ（ａ，ｂ）及び心疾患の判断式を用いて心疾患の判別のための解析処理を行うことを特徴とする聴診心音信号の処理方法。 - 心音を検出し心音データを取得する心音データ取得部と、
取得された心音データに対して、設定された心音特徴値波形を求めるためのモデルパラメータの下で時間域の特徴値波形と、それをフーリエ変換した周波数域の特徴値波形とを生成する特徴値波形生成部と、
前記時間域の特徴値波形における時間域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）と、周波数域の特徴値波形における周波数域の心音特徴値パラメータ（ＦＧ，ＦＷ）とを取得する心音特徴値パラメータ取得部と、
前記時間域の心音パラメータ及び周波数域の心音特徴値パラメータについてサポートベクターマシンを用いて心音特徴値パラメータの分布の境界線を生成する境界線生成部と、
生成された時間域及び周波数域における境界線を近似する楕円曲線を、最小二乗法を用いて生成し楕円曲線を特徴づける楕円パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を求める楕円曲線近似部と、
多種の取得された心音データについて楕円近似により求められた楕円パラメータを蓄積したデータベース部と、
心疾患の判別をすべき心音データの心疾患判別に際して前記心音データ取得部で取得された心音データ取得部について前記心音特徴値パラメータ取得部で取得された心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）を前記データベース部に蓄積された楕円パラメータを用いて座標変換するパラメータの座標変換部と、
座標変換された心音特徴値パラメータについて前記データベース部に蓄積された楕円パラメータと対比し、判断式を用いて心疾患の判別のための解析を行う心疾患解析部と、
からなることを特徴とする聴診心音信号の処理装置。 - 心音を検出し心音データを取得する心音データ取得部と、
取得された心音データに対して、設定された心音特徴値波形を求めるためのモデルパラメータの下で時間域の特徴値波形と、それをフーリエ変換した周波数域の特徴値波形とを生成する特徴値波形生成部と、
前記時間域の特徴値波形における時間域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）と、周波数域の特徴値波形における周波数域の心音特徴値パラメータ（ＦＧ，ＦＷ）とを取得する心音特徴値パラメータ取得部と、
前記時間域の心音特徴値パラメータ及び周波数域の心音パラメータについてサポートベクターマシンを用いて心音特徴値パラメータの分布の境界線を生成する境界線生成部と、
生成された時間域及び周波数域における境界線を近似する楕円曲線を、最小二乗法を用いて生成し楕円曲線を特徴づける楕円パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を求める楕円曲線近似部と、
多種の取得された心音データについて楕円近似により求められた楕円パラメータを蓄積したデータベース部と、
を備える心疾患解析用パラメータデータ生成ユニットと、
心疾患の判別を求められる心音データを取得する心音データ取得部と、
設定された心音特徴値波形を求めるためのモデルパラメータの下で時間域の特徴値波形と、それをフーリエ変換した周波数域の特徴値波形を生成する心音特徴値波形生成部と、
前記時間域の特徴値波形における時間域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）と、周波数域の特徴値波形における周波数域の心音特徴値パラメータ（ＦＧ，ＦＷ）とを取得する心音特徴値パラメータ取得部と、
取得された心音特徴値パラメータに座標変換を行う座標変換部と、
座標変換された心音特徴値パラメータと前記心疾患解析用パラメータデータ生成ユニットにおけるデータベース部に蓄積された楕円パラメータと対比し、判断式を用いて心疾患の判別のための解析を行う心疾患解析部と、
心疾患解析の結果を表示する結果表示部と、
を備える心疾患解析・判断ユニットと、
からなることを特徴とする聴診心音信号の処理装置。 - 前記心疾患解析・判断ユニットを、心音データ取得のための電子聴診部を付設した携帯用端末装置として構成し、前記心疾患解析用パラメータデータ生成ユニットからの交信によりデータベース部に蓄積された楕円パラメータを取得できるようにしたことを特徴とする請求項３に記載の聴診心音信号の処理装置。
- 検出された心音信号について心疾患を判別するための解析処理をコンピュータ上で実行する聴診心音信号を処理するためのプログラムであって、
取得された心音データに対して心音特徴値波形を求めるためのモデルパラメータの下で時間域の特徴値波形とそれをフーリエ変換した周波数域の特徴値波形とを生成し、前記時間域の特徴値波形における前後の１音ピークの間隔である心拍間隔（Ｔ１１）及び１音−２音のピーク間隔（Ｔ１２）と、前記周波数域の特徴値波形におけるピークについて閾値（ＨＦ）から定まる周波数域幅（ＦＷ）及びピークの中心周波数（ＦＧ）とを心音特徴値パラメータとして求め、求められた時間域及び周波数域の心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）について分布域を囲む境界線を求め、求められた時間域及び周波数域での境界線をそれぞれ最小二乗法により近似する楕円曲線を生成して楕円曲線を特徴づける楕円パラメータ（ｘｃ，ｙｃ，ａ，ｂ，θ）を求め、多種の取得された心音データについて得られた楕円パラメータを蓄積したデータベースを形成し、また、取得された心疾患の判別をすべき心音データについて心音特徴値波形を求めるためのモデルパラメータの下で心音特徴値波形を生成し心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）の算出を求め、求められた心音特徴値パラメータ（Ｔ１２，Ｔ１１）及び（ＦＧ，ＦＷ）に対して前記求められた楕円パラメータ（ｘｃ，ｙｃ，θ）を用いて座標変換を行い、座標変換後の心音特徴値パラメータについて前記楕円パラメータ（ａ，ｂ）及び心疾患の判断式を用いて心疾患の判別のための解析処理を行うことをコンピュータ上で実行することを特徴とする聴診心音信号を処理するためのプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013119147A JP6103591B2 (ja) | 2013-06-05 | 2013-06-05 | 聴診心音信号の処理方法、聴診心音信号の処理装置及び聴診心音信号を処理するためのプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013119147A JP6103591B2 (ja) | 2013-06-05 | 2013-06-05 | 聴診心音信号の処理方法、聴診心音信号の処理装置及び聴診心音信号を処理するためのプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2014233598A JP2014233598A (ja) | 2014-12-15 |
| JP6103591B2 true JP6103591B2 (ja) | 2017-03-29 |
Family
ID=52136740
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2013119147A Expired - Fee Related JP6103591B2 (ja) | 2013-06-05 | 2013-06-05 | 聴診心音信号の処理方法、聴診心音信号の処理装置及び聴診心音信号を処理するためのプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6103591B2 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110580448B (zh) * | 2019-08-07 | 2022-12-13 | 北京必安必恒科技发展有限公司 | 一种心音分类模型构建、分类方法及装置 |
| CN116759102B (zh) * | 2023-08-17 | 2023-12-05 | 北京慧兰医疗科技有限公司 | 一种基于心脏康复数据的分析管理系统 |
| CN117204830A (zh) * | 2023-09-13 | 2023-12-12 | 广州医科大学附属第一医院（广州呼吸中心） | 一种基于心血管疾病的智能诊断系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3019283B2 (ja) * | 1993-06-03 | 2000-03-13 | シャープ株式会社 | 曲面の境界条件生成装置 |
| JP4848524B2 (ja) * | 2005-10-21 | 2011-12-28 | 国立大学法人山口大学 | 聴診心音信号の処理方法及び聴診装置 |
| JP5207174B2 (ja) * | 2008-03-31 | 2013-06-12 | 国立大学法人山口大学 | 心音周波数解析装置 |
| RU2523624C2 (ru) * | 2008-09-10 | 2014-07-20 | Конинклейке Филипс Электроникс Н.В. | Способ и система для определения положения источника звука |
-
2013
- 2013-06-05 JP JP2013119147A patent/JP6103591B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2014233598A (ja) | 2014-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Varghees et al. | Effective heart sound segmentation and murmur classification using empirical wavelet transform and instantaneous phase for electronic stethoscope | |
| Varghees et al. | A novel heart sound activity detection framework for automated heart sound analysis | |
| CN107945817B (zh) | 心肺音信号分类方法、检测方法、装置、介质和计算机设备 | |
| WO2019161610A1 (zh) | 心电信息处理方法和心电工作站系统 | |
| JP4848524B2 (ja) | 聴診心音信号の処理方法及び聴診装置 | |
| Aydore et al. | Classification of respiratory signals by linear analysis | |
| JP2016209327A (ja) | 睡眠深度推定装置、睡眠深度推定方法、およびプログラム | |
| Kamson et al. | Multi-centroid diastolic duration distribution based HSMM for heart sound segmentation | |
| CN103315767B (zh) | 心音信号的判别方法及心音信号的判别系统 | |
| JP6103591B2 (ja) | 聴診心音信号の処理方法、聴診心音信号の処理装置及び聴診心音信号を処理するためのプログラム | |
| Yıldız et al. | Automated auscultative diagnosis system for evaluation of phonocardiogram signals associated with heart murmur diseases | |
| Li et al. | Crackles detection method based on time-frequency features analysis and SVM | |
| Daqrouq et al. | Wavelet based method for congestive heart failure recognition by three confirmation functions | |
| Barnova et al. | A comparative study of single-channel signal processing methods in fetal phonocardiography | |
| Akbari et al. | Systolic Murmurs Diagnosis Improvement by Feature Fusion and Decision Fusion | |
| Pasanen et al. | An automated procedure for identifying spontaneous otoacoustic emissions | |
| Golpaygani et al. | Detection and identification of S1 and S2 heart sounds using wavelet decomposition method | |
| Celler et al. | Blood pressure estimation using time domain features of auscultatory waveforms and GMM-HMM classification approach | |
| Smrcka et al. | New methods for precise detection of systolic complexes in the signal acquired from quantitative seismocardiograph | |
| Li et al. | The QRS complex detection of ECG signal based on IPCMM algorithm | |
| JP2010125087A (ja) | 心臓人工弁音診断装置およびプログラム | |
| CN113345471B (zh) | 基于人工智能心音识别方法、终端和可读存储介质 | |
| Santos et al. | Detection of the S2 split using the Hilbert and wavelet transforms | |
| Moukadem et al. | Automatic heart sound analysis module based on Stockwell transform | |
| CN112401924B (zh) | 一种心音分割方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160525 |
|
| TRDD | Decision of grant or rejection written | ||
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170208 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170214 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170222 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6103591 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |