JP6859365B2 - 生体音解析装置、生体音解析方法、プログラム及び記憶媒体 - Google Patents

Description

本発明は、例えば呼吸音等の生体音を解析する生体音解析装置、生体音解析方法、プログラム及び記憶媒体の技術分野に関する。

この種の装置として、電子聴診器等によって検出される生体の呼吸音について、そこに含まれる異常音（即ち、正常な呼吸音とは異なる音）を検出しようとするものが知られている。例えば特許文献１には、呼吸音に含まれる複数の異常音（副雑音）を、音種別に分解して検出するという技術が記載されている。

国際公開第２０１６／００２００４号

生体音に含まれている異常音に関する解析を行う場合、異常音が発生している期間の割合を検出することで、例えば異常音の有無等を正確に判断することが可能である。しかしながら、特許文献１に記載の技術では、呼吸音に含まれる複数の異常音の割合については検出可能とされているものの、異常音が発生している期間の割合については言及されていない。このため、特許文献１に記載の技術だけでは、異常音が発生している期間の割合を検出することができないという技術的問題点が生ずる。

本発明が解決しようとする課題には、上記のようなものが一例として挙げられる。本発明は、生体音に含まれる異常音を好適に解析可能な生体音解析装置、生体音解析方法、プログラム及び記憶媒体を提供することを課題とする。

上記課題を解決するための生体音解析装置は、第１期間における生体音に関する第１情報を取得する取得部と、前記第１情報に基づいて、前記第１期間に対する、前記生体音に含まれる前記生体の異常を示す音が発生している発生時間の割合を示す第２情報を出力する出力部と、を備える。

上記課題を解決するための生体音解析装置は、生体音解析装置によって利用される生体音解析方法であって、第１期間における生体音に関する第１情報を取得する取得工程と、前記第１情報に基づいて、前記第１期間に対する、前記生体音に含まれる前記生体の異常を示す音が発生している発生時間の割合を示す第２情報を出力する出力工程と、を含む。

上記課題を解決するためのプログラムは、上述した生体音解析方法を、前記生体音解析装置に実行させる。

上記課題を解決するための記憶媒体は、上述したプログラムを記憶する。

本実施例に係る生体音解析装置の構成を示すブロック図である。 本実施例に係る生体音解析装置の動作の流れを示すフローチャートである。 呼吸音信号のフレーム分割処理を示す概念図である。 第１局所特徴量の算出処理を示すフローチャートである。 第２局所特徴量の算出処理を示すフローチャートである。 波形及びスペクトラムから得られる局所特徴量ベクトルを示す図である。 局所特徴量ベクトルを用いたフレーム毎の異常音判定処理を示す概念図である。 フレーム毎の異常音判定結果を音種別に示す図である。

＜１＞
本実施形態に係る生体音解析装置は、第１期間における生体音に関する第１情報を取得する取得部と、前記第１情報に基づいて、前記第１期間に対する、前記生体音に含まれる前記生体の異常を示す音が発生している発生時間の割合を示す第２情報を出力する出力部と、を備える。

本実施形態に係る生体音解析装置によれば、その動作時には、第１期間において生体音に関する第１情報が取得される。「生体音」とは、被験体である生体が発する音であり、典型的には呼吸音である。また「第１情報」とは、生体音の経時的な変化を示す情報であり、例えば生体音を示す時間軸波形として取得される。

第１情報が取得されると、第１情報を用いた解析処理が行われ、第１期間に対する、生体の異常を示す音が発生している発生時間の割合を示す第２情報が出力される。即ち、生体音を取得した期間に対する、異常を示す音の発生時間（発生期間）の割合を示す情報が出力される。なお「異常を示す音」とは、本来であれば生体音に含まれるべきでない音（例えば、副雑音）である。

第２情報を用いれば、例えば第１期間において取得された生体音に異常を示す音が含まれているか否かを正確に判定することができる。具体的には、異常を示す音の発生時間の割合が十分に大きければ、確実に異常を示す音が発生していると判定できる。一方で、異常を示す音の発生時間の割合が極めて小さければ、異常を示す音が発生している発生時間があったとしても、ノイズ等の影響で誤検出されたものであり、実際には異常を示す音が発生していないと判定できる。

以上説明したように、本実施形態に係る生体音解析装置によれば、異常を示す音が発生している発生時間の割合を出力することで、生体音を好適に解析することが可能である。

＜２＞
本実施形態に係る生体音解析装置の一態様では、前記第１情報を、第２期間毎の複数のフレーム情報に分割する処理を行う分割処理部と、前記複数のフレーム情報の各々について、前記異常を示す音が発生しているか否かの判定を行う判定部と、を更に備え、前記出力部は、前記判定部が前記判定を行った全てのフレーム情報に対する、前記異常を示す音が発生しているフレーム情報の割合を、前記第２情報として出力する。

この態様によれば、取得された第１情報は、まず第２期間毎の複数のフレーム情報として分割される。なお「第２期間」は、フレーム情報の分割単位を示す期間であり、第１期間より短い期間として予め設定されている。

第１情報が複数のフレーム情報に分割されると、複数のフレーム情報の各々について、異常を示す音が発生しているか否かの判定が行われる。そして、判定が行われた全てのフレーム情報に対する、異常を示す音が発生しているフレーム情報の割合が第２情報として出力される。

このようにすれば、フレーム単位で異常を示す音の有無を判定できるため、好適に第２情報（即ち、異常音が発生している発生期間の割合を示す情報）を出力することができる。

＜３＞
上述した第１情報を複数のフレーム情報に分割する態様では、前記出力部は、前記異常音を示す音が発生しているフレーム情報の時間的位置を示す第３情報を出力してもよい。

この場合、異常音を示す音が発生しているフレーム情報の時間的位置から、第１期間における異常を示す音が発生するタイミングを検出することができる。

＜４＞
或いは第１情報を複数のフレーム情報に分割する態様では、前記判定部は、前記第１情報に含まれる前記生体音の波形情報と、前記波形情報を周波数解析して得られるスペクトラム情報とに基づいて、前記異常を示す音が発生しているか否かの判定を行ってもよい。

この態様によれば、生体音の波形情報、及び波形情報を周波数解析して（例えば、ＦＦＴ（Fast Fourier Transform：高速フーリエ変換）処理を実行して）得られるスペクトラム情報の双方を利用することで、異常を示す音が発生しているか否かの判定を、より好適に行うことができる。

＜５＞
本実施形態に係る生体音解析装置の他の態様では、前記出力部は、前記第１期間に対する、前記異常を示す音が発生している発生時間の割合が所定値以上の場合に、前記異常を示す音が観測されたことを示す第４情報を出力する。

この態様によれば、異常を示す音が発生している発生時間の割合に基づいて、異常音が実際に観測されているのか否かを示す情報を出力できる。なお「所定値」は、異常音が発生しているか否かを判定するために設定される閾値であり、事前のシミュレーション等によって予め決定される。

＜６＞
本実施形態に係る生体音解析装置の他の態様では、前記生体音は呼吸音であり、前記異常を示す音は副雑音であり、前記出力部は、前記副雑音の音種毎に前記第２情報を出力する。

この態様によれば、生体の呼吸音に含まれ得る副雑音（例えば、連続性ラ音や断続性ラ音）に関する情報を、副雑音の音種毎に出力することができる。

＜７＞
本実施形態に係る生体音解析方法は、生体音解析装置によって利用される生体音解析方法であって、第１期間における生体音に関する第１情報を取得する取得工程と、前記第１情報に基づいて、前記第１期間に対する、前記生体音に含まれる前記生体の異常を示す音が発生している発生時間の割合を示す第２情報を出力する出力工程と、を含む。

本実施形態に係る生体音解析方法によれば、上述した本実施形態に係る生体音解析装置と同様に、異常を示す音が発生している発生時間の割合を出力することで、生体音を好適に解析することが可能である。

なお、本実施形態に係る生体音解析方法においても、上述した本実施形態に係る生体音解析装置における各種態様と同様の各種態様を採ることが可能である。

＜８＞
本実施形態に係るプログラムは、上述した生体音解析方法を、前記生体音解析装置に実行させる。

本実施形態に係るプログラムによれば、上述した本実施形態に係る生体音解析方法を実行させることができるため、異常を示す音が発生している発生時間の割合を出力することで、生体音を好適に解析することが可能である。

＜９＞
本実施形態に係る記憶媒体は、上述したプログラムを記憶する。

本実施形態に係る記憶媒体によれば、上述した本実施形態に係るプログラムを実行させることができるため、異常を示す音が発生している発生時間の割合を出力することで、生体音を好適に解析することが可能である。

本実施形態に係る生体音解析装置、生体音解析方法、プログラム及び記憶媒体の作用及び他の利得については、以下に示す実施例において、より詳細に説明する。

以下では、生体音解析装置、生体音解析方法、プログラム及び記憶媒体の実施例について、図面を参照しながら詳細に説明する。なお、以下では、呼吸音の解析を行う生体音解析装置を例に挙げて説明する。

＜装置構成＞
先ず、本実施例に係る生体音解析装置の構成について、図１を参照して説明する。図１は、本実施例に係る生体音解析装置の構成を示すブロック図である。

図１において、本実施例に係る生体音解析装置は、呼吸音入力部１１０と、処理部２００と、判定結果出力部３００とを備えて構成されている。

呼吸音入力部１１０は、被験体である生体の呼吸音を呼吸音信号として取得可能に構成されている。呼吸音入力部１１０は、例えばＥＣＭ（Electret Condenser Microphone）やピエゾを利用したマイク、振動センサ等を含んで構成されている。また、呼吸音入力部１１０は、生体の呼吸音を呼吸音信号として取得可能に構成されたセンサだけでなく、センサからの呼吸音信号を取得するものを含んでいてもよい。呼吸音入力部１１０で取得された呼吸音信号は、処理部２００に出力される構成となっている。なお、呼吸音入力部１１０は、「取得部」の一具体例である。

処理部２００は、複数の演算回路やメモリ等を含んで構成されている。処理部２００は、フレーム分割部２１０と、第１局所特徴量算出部２２０と、周波数解析部２３０と、第２局所特徴量算出部２４０と、フレーム判定部２５０と、大局特徴量算出部２６０と、聴診区間判定部２７０とを備えて構成されている。

フレーム分割部２１０は、「分割処理部」の一具体例であり、呼吸音入力部１１０から入力された呼吸音を複数のフレームに分割する分割処理を実行可能に構成されている。フレーム分割部２１０で分割された呼吸音信号は、第１局所特徴量算出部２２０及び周波数解析部２３０に出力される構成となっている。

第１局所特徴量算出部２２０は、呼吸音信号の波形に基づいて、第１局所特徴量を算出可能に構成されている。第１局所特徴量算出部２２０が実行する処理については、後に詳述する。第１局所特徴量算出部２２０で算出された第１局所特徴量は、フレーム判定部２５０に出力される構成となっている。

周波数解析部２３０は、呼吸音入力部１１０から入力された呼吸音信号に対して時間周波数解析処理（例えば、ＦＦＴ処理等）を実行可能に構成されている。時間周波数解析部２３０の解析結果は、第２局所特徴量算出部２４０に出力される構成となっている。

第２局所特徴量算出部２４０は、周波数解析部２３０の解析結果に基づいて、第２局所特徴量を算出可能に構成されている。第２局所特徴量算出部２４０が実行する処理については、後に詳述する。第２局所特徴量算出部２４０で算出された第２局所特徴量は、フレーム判定部２５０に出力される構成となっている。

フレーム判定部２５０は、「判定部」の一具体例であり、呼吸音信号の各フレームに生体の異常を示す音（以下、適宜「異常音」と称する）が含まれているか否かを判定可能に構成されている。フレーム判定部２５０が実行する処理については、後に詳述する。フレーム判定部２５０の判定結果は、大局特徴量算出部２６０に出力される構成となっている。

大局特徴量算出部２６０は、フレーム判定部の判定結果に基づいて、呼吸音が入力された期間に対する、異常音が発生している発生時間（発生期間）の割合を算出可能に構成されている。大局特徴量算出部２６０で算出された異常音の発生時間の割合を示す情報は、聴診区間判定部２７０に出力される構成となっている。

聴診区間判定部２７０は、異常音の発生時間の割合に基づいて、呼吸音に異常音が含まれているか否かを判定可能に構成されている。聴診区間判定部２７０の判定結果は、判別結果出力部３００に出力される構成となっている。

判別結果出力部３００は、例えば液晶モニタ等のディスプレイとして構成されており、処理部２００から出力される各種情報を画像データとして表示する。

＜動作説明＞
次に、本実施例に係る生体音解析装置の動作について、図２を参照して説明する。図２は、本実施例に係る生体音解析装置の動作の流れを示すフローチャートである。

図２に示すように、本実施例に係る生体音解析装置の動作時には、まず呼吸音入力部１１０によって呼吸音が取得される（ステップＳ１０１）。呼吸音入力部１１０は、取得した呼吸音を呼吸音信号（例えば、呼吸音の経時的変化を示す波形）として処理部２００に出力する。呼吸音信号は、「第１情報」の一具体例である。

続いて、フレーム分割部２１０によって、呼吸音が複数のフレームに分割される（ステップＳ１０２）。以下では、呼吸音信号のフレーム分割について、図３を参照して具体的に説明する。図３は、呼吸音信号のフレーム分割処理を示す概念図である。

図３に示すように、呼吸音信号は、所定の間隔で複数のフレームに分割される。このフレームは、後述する呼吸音の解析を好適に実行するための処理単位として設定されるものであり、１フレーム当たりの期間は、例えば１２ｍｓｅｃとされている。

図２に戻り、フレーム分割された呼吸音信号は、第１局所特徴量算出部２２０に入力され、第１局所特徴量が算出される（ステップＳ１０３）。また、フレーム分割された呼吸音信号は、周波数解析部２３０によって周波数解析され、第２局所特徴量算出部２４０に入力される。第２局所特徴量算出部２４０では、周波数解析された呼吸音信号（例えば、周波数特性を示すスペクトラム）に基づいて、第２局所特徴量が算出される。

以下では、第１局所特徴量算出部２２０による第１局所特徴量の算出処理、及び第２局所特徴量算出部２４０による第２局所特徴量の算出処理について、図４から図６を参照して詳細に説明する。図４は、第１局所特徴量の算出処理を示すフローチャートである。図５は、第２局所特徴量の算出処理を示すフローチャートである。図６は、波形及びスペクトラムから得られる局所特徴量ベクトルを示す図である。

図４に示すように、第１局所特徴量の算出時には、まず呼吸音信号の波形が取得され（ステップＳ２０１）、プリフィルター処理が施される（ステップＳ２０２）。プリフィルター処理は、例えばハイパスフィルターを用いた処理であり、呼吸音信号に含まれる余分な成分を除去することが可能である。

続いて、プリフィルター処理が施された呼吸音信号を用いて、局所分散値が算出される（ステップＳ２０３）。局所分散値は、例えば第１期間ｗ１における呼吸音信号のばらつきを示す第１分散値、及び第１期間ｗ１を含む第２期間ｗ２における呼吸音信号のばらつきを示す第２分散値として算出される。このようにして算出される局所分散値は、異常音の中でも特に断続性ラ音（例えば、水泡音）を判定するための局所特徴量として機能する。

局所分散値が算出されると、呼吸音信号の各フレームにおける局所分散値の最大値が算出され（ステップＳ２０４）、第１局所特徴量として出力される（ステップＳ２０５）。

図５に示すように、第２局所特徴量の算出時には、まず周波数解析によって得られたスペクトラムが取得され（ステップＳ３０１）、ＣＭＮ（Cepstral Mean Normalization）処理が実行される（ステップＳ３０２）。ＣＭＮ処理では、呼吸音信号からセンサや環境等の定常的に畳み込まれている特性を除去することができる。

ＣＭＮ処理が施された呼吸音信号には更に、包絡成分を抽出するためのリフタリング処理（ステップＳ３０３）及び微細成分を抽出するためのリフタリング処理（ステップＳ３０４）が実行される。リフタリング処理は、ケプストラムから所定のケフレンシー成分をカットする処理である。

上述したＣＭＮ処理及びリフタリング処理によれば、他の生体音に埋もれてしまう連続性ラ音（例えば、類鼾音、笛声音、捻髪音等）を判別し易い状態にすることができる。なお、ＣＭＮ処理及びリフタリング処理については、既存の技術であるため、ここでのより詳細な説明については省略する。

微細成分を抽出するリフタリング処理が行われた呼吸音信号については、ＫＬ情報量を用いた強調処理が実行され特徴量が算出される。ＫＬ情報量は、観測値Ｐと基準値Ｑ（例えば、理論値、モデル値、予測値等）とを用いて算出されるパラメータであり、基準値Ｑに対して特徴のある観測値Ｐが現れると、ＫＬ情報量は大きな値として算出される。ＫＬ情報量を用いた処理によれば、呼吸音に含まれているトーン性成分（即ち、連続性ラ音を判別するための成分）が強調され明確になる。

他方、周波数解析によって得られたスペクトラムには、ＨＡＡＲ−ＬＩＫＥ特徴の算出も実行される（ステップＳ３０６）。ＨＡＡＲ−ＬＩＫＥ特徴は主に画像処理の分野で用いられる技術であるが、ここでは周波数ごとの振幅値を画像処理における画素値に対応付けることによって、同様の手法でスペクトラムから算出される。なお、ＨＡＡＲ−ＬＩＫＥ特徴の算出については、既存の技術であるため、ここでの詳細な説明は省略する。

以上のように呼吸音信号に対し各種処理を施して複数の特徴量が周波数ごとに算出されると、周波数帯域別に平均値が算出され（ステップＳ３０７）、第２局所特徴量として出力される（ステップＳ３０７）。

図６に示すように、呼吸音信号の波形及びスペクトラムからは、上述した処理によって、複数種類の局所特徴量（即ち、第１局所特徴量及び第２局所特徴量）が得られる。これらは、フレーム毎に局所特徴量ベクトルとして出力される。

再び図２に戻り、フレーム判定部２５０では、算出された局所特徴量ベクトルを利用して、フレーム単位で異常音の発生が判定される（ステップＳ１０６）。フレーム毎の異常音判定（以下、適宜「フレーム判定処理」と称する）は、解析対象となる異常音が複数ある場合には、音種ごとに実行される。このため、フレーム判定処理が終了すると、全音種についてフレーム判定処理が完了したか否かが判定され（ステップＳ１０７）、全音種についてフレーム判定処理が完了していない場合には（ステップＳ１０７：ＮＯ）、未判定の音種について再びフレーム判定処理が実行される。

一方、全音種についてフレーム判定処理が完了した場合には（ステップＳ１０７：ＹＥＳ）、取得した呼吸音信号の全てのフレームについて判定が完了したか否かが判定される（ステップＳ１０８）。そして、全てのフレームについて判定が完了していないと判定された場合には（ステップＳ１０８：ＮＯ）、ステップＳ１０３及びステップＳ１０４以降の処理が再び実行される。このように処理を繰り返すことで、全ての音種、全てのフレームについて、フレーム判定処理が実行されることになる。

以下では、フレーム判定部２５０によるフレーム判定処理について、図７及び図８を参照して詳細に説明する。図７は局所特徴量ベクトルを用いたフレーム毎の異常音判定処理を示す概念図である。図８は、フレーム毎の異常音判定結果を音種別に示す図である。

図７に示すように、フレーム判定処理は、複数の特徴量を含むフレームごとの局所特徴量ベクトルに基づいて行われる。フレーム判定処理では、例えば事前の学習等によって得られた異常音に対応する局所特徴量ベクトル（即ち、判定の基準となる局所特徴量ベクトル）と、実際に取得された局所特徴量ベクトルとが比較され、異常音の有無がフレーム単位で判定される。

図８に示すように、本実施例に係る生体音解析装置では、呼吸音に含まれる異常音（副雑音）として、類鼾音、笛声音、捻髪音及び水泡音の各々の有無が、フレーム単位で判定される。図に示す例では、類鼾音の発生は殆ど検出されていないが、笛声音、捻髪音及び水泡音については、一部の期間で発生が検出されている。特に、捻髪音については、比較的多くの期間で発生が検出されている。

上述したフレーム判定処理によれば、異常音が発生しているフレームの時間的位置（言い換えれば、タイミング）を検出することができる。フレーム判定処理の判定結果は、「第３情報」の一具体例である。

再び図２に戻り、全てのフレームについてフレーム判定処理が完了すると（ステップＳ１０８：ＹＥＳ）、大局特徴量算出部２６０により、呼吸音を取得した期間に対する、異常音が発生している発時間の割合が音種ごとに算出される（ステップＳ１０９）。異常音が発生している発生時間の割合は、「第２情報」の一具体例であり、例えば全てのフレーム数に対する、異常音が発生したと判定されたフレーム数の割合として算出される。

続いて、聴診区間判定部２７０では、異常音が発生している発生時間の割合に基づいて、呼吸音が取得された期間（言い換えれば、聴診区間）において、異常音が発生しているか否かが判定される（ステップＳ１１０）。具体的には、聴診区間判定部２７０は、異常音が発生している発生時間の割合が所定値以上である場合に異常音が発生していると判定し、異常音が発生している発生時間の割合が所定値未満の場合に異常音が発生していないと判定する。なお、聴診区間判定部２７０の判定結果は、「第４情報」の一具体例である。

以上で本実施例に係る生体音解析装置による処理は終了するが、これら一連の処理は、呼吸音が所定期間分取得される度に、繰り返し実行される。

＜実施例の効果＞
本実施例に係る生体音解析装置では、複数の局所特徴量ベクトルを利用して、フレームごとに異常音の発生が判定されるため、異常音の発生タイミングを好適に検出することができる。ただし、フレーム単位で異常音の発生を判定しただけでは、例えばノイズ等の影響により、実際には異常音が発生していない場合でも、一部のフレームで異常音が発生していると判定される可能性がある。

しかるに本実施例では、呼吸音が取得された期間に対する、異常音が発生している発生時間の割合が算出されるため、より正確に異常音の発生を検出することができる。

本発明は、上述した実施形態に限られるものではなく、特許請求の範囲及び明細書全体から読み取れる発明の要旨或いは思想に反しない範囲で適宜変更可能であり、そのような変更を伴う生体音解析装置、生体音解析方法、プログラム及び記憶媒体もまた本発明の技術的範囲に含まれるものである。

１１０ 呼吸音入力部
２００ 処理部
２１０ フレーム分割部
２２０ 第１局所特徴量算出部
２３０ 周波数解析部
２４０ 第２局所特徴量算出部
２５０ フレーム判定部
２６０ 大局特徴量算出部
２７０ 聴診区間判定部
３００ 判定結果出力部

Claims (5)

1. 第１期間における生体音に関する第１情報を取得する取得部と、
   前記第１情報を、第２期間毎の複数のフレーム情報に分割する処理を行う分割処理部と、
   前記複数のフレーム情報の各々について、前記生体の異常を示す音が発生しているか否かの判定を行う判定部と、
   前記判定部の判定結果に基づいて、前記第１期間に対する、前記生体音に含まれる前記生体の異常を示す音が発生しているフレーム情報の時間的位置を示す第３情報を出力する出力部と、
   を備えることを特徴とする生体音解析装置。
2. 前記判定部は、前記第１情報に含まれる前記生体音の波形情報と、前記波形情報を周波数解析して得られるスペクトラム情報とに基づいて、前記異常を示す音が発生しているか否かの判定を行う
   ことを特徴とする請求項１に記載の生体音解析装置。
3. 前記出力部は、前記第１期間に対する、前記異常を示す音が発生している発生時間の割合が所定値以上の場合に、前記異常を示す音が観測されたことを示す第４情報を出力することを特徴とする請求項１又は２に記載の生体音解析装置。
4. 前記生体音は呼吸音であり、
   前記異常を示す音は副雑音であり、
   前記出力部は、前記副雑音の音種毎に前記第３情報を出力する
   ことを特徴とする請求項１から３のいずれか１項に記載の生体音解析装置。
5. 第１期間における生体音に関する第１情報を取得する取得工程と、
   前記第１情報を、第２期間毎の複数のフレーム情報に分割する処理を行う分割処理工程と、
   前記複数のフレーム情報の各々について、前記生体の異常を示す音が発生しているか否かの判定を行う判定工程と、
   前記判定工程の判定結果に基づいて、前記第１期間に対する、前記生体音に含まれる前記生体の異常を示す音が発生しているフレーム情報の時間的位置を示す第３情報を出力する出力工程と、
   をコンピュータに実行させることを特徴とするプログラム。

Images