JP7092777B2 - 背景雑音環境における咳嗽検出のための方法および装置 - Google Patents

Description

本発明は、患者等の観察対象からの音を処理して咳嗽音を検出するための方法および装置に関する。

先行技術の方法、装置、または文献に対するいかなる参照も、共通の一般的な知識の部分を形成したか、またはそれを形成する何らかの証拠または自認を構成するとして解釈されるべきではない。

先行技術において周知のとおり、咳嗽は、よく理解されている音によって特徴付けられる気道からの急激な呼気の吐き出しにより呈される。非特許文献１によれば、１つの咳嗽努力の可調咳嗽音は、次に示すとおり、２つまたは３つの相を構成する。
１．呼気相－－先頭咳嗽音
２．中間相－－安定気流
３．発音相－－別名第２咳嗽音。この相は、常に存在するわけではない。

これら３つの相は、咳嗽音の録音の時間ドメインの振幅プロットを表した図１の典型的な咳嗽音について識別される。

非特許文献２によれば、これら３つの相は、気道の３つの異なる身体エリアに起因する。
１．気管分岐部－－呼気相は、気道周辺における気管分岐部のレベルに対する病理学的状況を反映する。
２．気管－－中間相は、気管内のプロセスを反映する。
３．喉頭部－－発音相は、喉頭部についての情報を提供する。

近年、人間の観察対象からの音を処理して咳嗽音を検出する自動化されたアプローチを使用することが知られるようになった。

たとえば、参照によりその開示をこれに援用するアベイラトネ（Ａｂｅｙｒａｔｎｅ）ほかによる特許文献１においては、患者からの音を処理し、咳嗽に対応するときのその音の導管を識別するべく特別に構成された装置が記述されている。

概して言えば、咳嗽検出方法のための応用は次の２つである。
１．咳嗽カウント－－患者からの咳嗽を検出し、所定の期間内に検出される咳嗽の数をカウントする。
２．咳嗽診断－－検出された咳嗽音を処理して疾病診断を作成し、その後に続く適切な治療の提供を補助する。

咳嗽カウントについては、咳嗽がいつ生じたかを識別することだけが重要であり、咳嗽の開始および終了を正確に定義することが可能である必要はない。しかしながら、咳嗽診断について、自動化された咳嗽診断方法のために咳嗽オーディオ信号全体が利用可能にすることが重要であり、したがって、咳嗽の開始および終了を正確に定義することが非常に重要である。

手前で述べた特許文献１に記述されているような自動化された咳嗽検出方法が望ましい理由は、診断サービスの低コストの引き渡しが必要とされるエリアにおいてその方法が容易に使用可能であるということである。しかしながら、その種のエリアは、高レベルの街頭雑音およびそのほかの容易な回避が可能でない背景音を含み、正確な診断にしばしば困難を呈する。たとえば、より社会経済的に低い界隈の交通量の多い通りにある込み合った診療所内において医療専門家は、より静かな環境において患者の音をサンプリングする選択肢をまったく有さないことがある。

手前で述べた特許文献１に記述されている方法は、良好に機能するが、本発明者らは、特に困難な周囲状況の中では提供された咳嗽検出が、その後に続く咳嗽診断のために必ずしも適当でない可能性があることを見出した。たとえば、困難な周囲状況には、雑音の多い背景の中で生じる咳嗽音、または観察対象が子供の場合に起こり得るような続けざまに発せられる咳嗽音を含み得る。

米国特許出願公開第２０１５／００７３３０６号明細書

モリス・エー、フォンタナ・ジー、ベルビジ・エム、ビリング・エス、チャン・ケー（Ｍｏｒｉｃｅ， Ａ．， Ｆｏｎｔａｎａ， Ｇ．， Ｂｅｌｖｉｓｉ， Ｍ．， Ｂｉｒｒｉｎｇ， Ｓ．， Ｃｈｕｎｇ， Ｋ．）ほか著「イー・アール・エス・ガイドラインズ・オン・ザ・アセスメント・オブ・コフ（ＥＲＳ ｇｕｉｄｅｌｉｎｅｓ ｏｎ ｔｈｅ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｃｏｕｇｈ）」ヨーロピアン・レスピラトリ・ジャーナル（Ｅｕｒｏｐｅａｎ Ｒｅｓｐｉｒａｔｏｒｙ Ｊｏｕｒｎａｌ）ｖｏｌ．２９、ｐｐ．１２５６－１２７６、２００７年 コルパス・ジェイ、サドロノバ・ジェイ、ウラベック・エム（Ｋｏｒｐａｓ Ｊ， Ｓａｄｌｏｎｏｖａ Ｊ， Ｖｒａｂｅｃ Ｍ）著「アナリシス・オブ・ザ・コフ・サウンド：アン・オーバービュー（Ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ ｃｏｕｇｈ ｓｏｕｎｄ： ａｎ ｏｖｅｒｖｉｅｗ）」パルモナリ・ファーマコロジー（Ｐｕｌｍ Ｐｈａｒｍａｃｏｌ．）、１９９６年、９ （５－６）：２６１－１０．１００６／ｐｕｌｐ．１９９６．００３４

本発明は、患者の音の中に存在する、背景雑音を受けやすい咳嗽を検出するための改良された方法および装置を提供することを目的とする。

本発明の第１の側面によれば、音波から咳嗽音を検出するための方法が提供され、当該方法は、
電子形式で音波を獲得するステップと、
音波から抽出した特徴を、咳嗽音の呼気相を検出するべくトレーニングされた第１のクラシファイアおよび咳嗽音の１つまたは複数の呼気後の相を検出するべくトレーニングされた第２のクラシファイアを含む少なくとも２つの電子パターン・クラシファイアに適用するステップと、を含む。

本発明の好ましい実施態様においては、この方法が、音波から抽出した特徴を、第１のクラシファイアが咳嗽音の呼気相としてその音波の特徴を分類した後にのみ、第２のクラシファイアに適用するステップを含む。

この方法の好ましい実施態様においては、第１のクラシファイアが、呼気相に関して陽性かつ呼気相の後に続く咳嗽音の部分に関して陰性のトレーニングに従ってアレンジされる。

好ましくは、この方法が、呼気相の終了と、呼気相の後に続く前記咳嗽音の開始の間にギャップを提供することを含む。

この方法の好ましい実施態様においては、第２のクラシファイアが、呼気相に関して陰性かつ呼気相の後に続く咳嗽音の部分に関して陽性のトレーニングに従ってアレンジされる。

好ましくは、第２のクラシファイアが、手前で述べたトレーニングに従ってアレンジされ、それにおいては、呼気相の終了と、呼気相の後に続く前記咳嗽音の開始の間にギャップが提供される。

本発明の好ましい実施態様においては、特徴が、音波のメル周波数ケプストラム係数に対応する特徴を含む。

好ましくは、特徴が、さらに、音波の対数エネルギに対応する特徴を含む。

好ましくは、第１および第２のクラシファイアが、時間遅延ニューラル・ネットを包含する。

本発明のさらなる側面によれば、音波の咳嗽音を検出するための装置が提供され、当該装置は、
音波を導入するためのトランスデューサからの出力をデジタル化するためのデジタル化アッセンブリと、
デジタル化アッセンブリと通信する、音波の連続セグメントから複数の特徴を抽出するための特徴抽出アッセンブリと、
咳嗽音の呼気相を認識するべくトレーニングされた、特徴抽出アッセンブリに応答する第１のクラシファイアと、
咳嗽音の１つまたは複数の呼気後の相を認識するべくトレーニングされた、特徴抽出アッセンブリに応答する第２のクラシファイアと、
第１のクラシファイアおよび第２のクラシファイアからの出力に基づいて咳嗽音を識別するべくアレンジされたクラシファイア後咳嗽識別プロセッサと、を含む。

好ましくは、クラシファイア後咳嗽識別プロセッサが、咳嗽音の呼気相の検出を示す第１のクラシファイアの出力の後に続いて生じる第２のクラシファイアの出力に応答するべくアレンジされる。

本発明の好ましい実施態様においては、第１のクラシファイアおよび第２のクラシファイアが、第１および第２のニューラル・ネットを包含し、それにおいて第１のニューラル・ネットは、呼気相を検出する陽性トレーニングに従って重み付けされ、かつそれにおいて第２のニューラル・ネットは、１つまたは複数の呼気後の相を検出する陽性トレーニングに従って重み付けされる。

第１のニューラル・ネットが、さらに、呼気相に関する陽性トレーニングおよび呼気後の相に関する陰性トレーニングに従って重み付けされると好ましい。

また、第２のニューラル・ネットが、さらに、呼気相に関する陰性トレーニングおよび呼気後の相に関する陽性トレーニングに従って重み付けされることも好ましい。

本発明の好ましい実施態様においては、特徴抽出アッセンブリが、音波からメル周波数ケプストラム係数（ＭＦＣＣ）を抽出するべくアレンジされる。

好ましくは、特徴抽出アッセンブリが、ゼロ次のＭＦＣＣを含むＭＦＣＣを抽出するべくアレンジされる。

特徴抽出アッセンブリは、音波から対数エネルギ特徴を抽出するべくアレンジされると好ましい。

本発明の好ましい実施態様においては、この装置が、第１および第２のクラシファイアの出力と、それぞれ、呼気相および呼気後の相の検出確率レベルを評価するためのスレッショルド値とを比較するための第１および第２の比較器を含む。

本発明の好ましい実施態様においては、咳嗽識別プロセッサが、咳嗽音を識別するために比較器に応答する。

好ましくは、咳嗽音識別器が、音波のセグメントのＲＭＳパワーを推定するためのＲＭＳパワー推定器を含み、それにおいて、咳嗽識別プロセッサは、ＲＭＳパワー推定器からの出力を考慮に入れて咳嗽音を識別するべくアレンジされる。

この装置が、ポスト咳嗽識別プロセッサに応答する咳嗽フラッガ・アッセンブリを含むと好ましく、それにおいて咳嗽フラッガ・アッセンブリは、咳嗽音を含むことが識別された音波の部分を記録するべくアレンジされる。

第１および第２のニューラル・ネットが、好ましくは、特徴抽出アッセンブリから出る時間遅延された特徴ベクトルのシーケンスを処理するための時間遅延ニューラル・ネットを包含する。

この装置は、手前で述べた方法に従って特別にプログラムされたポータブル演算デバイスによって実装可能である。

本発明の別の側面によれば、音波から咳嗽音を検出するための方法が提供され、当該方法は、
音波から抽出された特徴を電子パターン・クラシファイアに適用するステップであって、
咳嗽の呼気相と、
咳嗽音の１つまたは複数の呼気後の相と、
非咳嗽事象の存在と、
を検出するべく構成された電子パターン・クラシファイアに適用するステップと、
これらの呼気相、１つまたは複数の呼気後の相、および非咳嗽事象の存在の検出に対応する電子パターン・クラシファイアからの信号を考慮に入れて咳嗽が検出されたと見做すステップと、を含む。

本発明の好ましい特徴、実施態様、および変形は、この分野の当業者が本発明を実施するための充分な情報を提供する以下の詳細な説明からはっきりと認められるであろう。詳細な説明は、いかなる形においても先行する本発明の概要の範囲を限定すると見なされない。詳細な説明では、次に示す多数の図面が参照されることになる。

典型的な咳嗽音の波形を示した波形図である。 先行技術の方法に従った咳嗽の分類を上に重ね合わせて示した２つの連続的な咳嗽音の波形のプロットである。 図２に図解された分類の生成に使用された先行技術のニューラル・ネット・クラシファイアのブロック図である。 ここで論じているＬＷ１アルゴリズムのニューラル・ネット・アーキテクチャのブロック図である。 ＬＷ１方法に従った咳嗽音の分類を上に重ね合わせて示した互いに接近した２セットの２つの咳嗽音のプロットである。 本発明の好ましい実施態様に従った咳嗽音の検出のための方法のフローチャートである。 図５Ａの方法を実装するための本発明の実施態様に従った装置のブロック図である。 本発明の好ましい実施態様の実行に使用される多様なスレッショルド値を説明するための、上に重ね合わされた好ましい実施態様のクラシファイアからの出力を伴った咳嗽音のブロック図である。 図５Ａのフローチャートの方法に従った咳嗽音の分類を上に重ね合わせて示した互いに接近した２セットの２つの咳嗽音のプロットである。 本発明の側面の好ましい実施態様に従った第１および第２のクラシファイアをトレーニングするための方法のフローチャートである。 咳嗽音の初期呼気相を検出するための第１のクラシファイアを肯定的および否定的にトレーニングするべく特徴が捉えられる波形の部分を示す咳嗽音の波形のプロットである。 本発明に従って使用される好ましいクラシファイアの構造を示したブロック図である。 咳嗽音の呼気後の相を検出するための第２のクラシファイアを肯定的および否定的にトレーニングするべく特徴が捉えられる波形の部分を示す咳嗽音の波形のプロットである。 第１および第２のクラシファイアからの出力を上に重ね合わせて示した一連の咳嗽音のプロットである。 特別にプログラムされたポータブル演算デバイスを構成するスマートフォン形式の咳嗽検出装置のブロック図である。 本発明の第２の実施態様に従った第２の『マルチクラス』クラシファイアの構造を示したブロック図である。 図１３のマルチクラス・クラシファイアをトレーニングするべく特徴が捉えられる波形の部分を起訴する咳嗽音の波形のプロットである。

発明者らは、現在利用可能な咳嗽検出のための方法は、子供の咳嗽の録音の中によくある互いにきわめて接近した咳嗽（たとえば、次から次に生じる咳嗽の「トレイン」）をはっきりと区別できないことがあると気付いた。

図２は、先行技術のニューラル・ネット実装された咳嗽検出装置の出力２を上に重ね合わせて示した連続する４つの咳嗽ｃ１、・・・、ｃ４のプロットである。使用されたニューラル・ネット・アレンジメント５１は、米国特許出願公開第２０１５／００７３３０６号の中に記述されており、図３に示した。図２のプロットを参照すると、この例においては先行技術の方法が、きわめて接近している咳嗽、すなわちｃ１、ｃ２、およびｃ３、ｃ４のセットを４つの離散的な咳嗽として正しく検出できていないことがわかる。それに代えて、ライン２によって示されるとおり、ｃ１およびｃ２が単一の咳嗽と見做され、ライン４によって示されるとおり、ｃ３およびｃ４もまた単一の咳嗽と見做されている。これらの咳嗽の、人間の聴き取りによって達成されると思われる真の識別は、ライン６、８、１０、および１２によって示される。

好ましい実施態様を後述する本発明について考える前に、本発明者らは、この先行技術に改良を施すべくいくつかの異なるアプローチを試した。たとえば、ここで『ＬＷ１』方法と呼ぶ第１の試みは、手作業的特徴の数を低減し、ニューラル・ネットワークの複雑性を低減し、かつ全体の咳嗽事象の平方二乗平均（ＲＭＳ）の平均を超えるＲＭＳパワー値を有するオーディオ信号のフレームの処理のみに対してニューラル・ネットワークをトレーニングするべく設計された。

この最初のアプローチにおいて発明者らが使用した低減された特徴セットは、メル周波数ケプストラム係数（ＭＦＣＣ）特徴、ゼロクロス・レート、およびシャノン・エントロピを含んでいた。ニューラル・ネットワーク（ＮＮ）５３のサイズは、それぞれ１８７、５０、および１０のノードを伴った３つの隠れ層から、図４に図解されているとおり、３２のノードを伴う１つだけの隠れ層３ａに低減された。図４のＮＮ ３は、その後、咳嗽の平均ＲＭＳを超えるＲＭＳパワー値を有するトレーニング音サンプルのフレームを用いてトレーニングされた。このトレーニング・プロセスにおいては、低エネルギ・フレームが無視された。それに加えて、多数の話し声、拍手、機械の音、およびそのほかの咳嗽ではない典型的な背景音が陰性の例として使用された。

次の表１から明らかになろうが、ＬＷ１は、先行技術方法を超える有意に増加した正確度を提供することがわかる。特に、互いに接近した咳嗽については、より雑音の多い環境内の咳嗽および咳嗽が異なるマイクロフォンを使用して録音された。概して言えば、これは、手前で述べた米国特許出願公開に述べられているより有意に堅牢な解決策であった。

表１：非常に困難な咳嗽、すなわち、高い背景雑音レベル、録音および／または互いに接近して生じている多くの咳嗽に対する先行技術のアルゴリズムとＬＷ１のパフォーマンス

図５は、ＬＷ１方法を実装するべくトレーニングされた図４のＮＮ ５３の出力５５のプロットであり、４つの連続する咳嗽音５７ａ－５７ｄの上に出力が重ね合わされて示されている。ＬＷ１方法がライン１４、１６、および１８、２０によって示されるとおり、２セットの互いに接近した２つの咳嗽を正しく検出していることが観察される。しかしながら、検出された咳嗽が、ライン２２、２４、２６、および２８によって示されるとおりの手作業でマークした真の咳嗽と比較して短く切られていることも観察される。発明者らは、ＬＷ１が、正確度の高い咳嗽検出方法であり、かつ咳嗽カウント応用のために非常に有用であるが、自動化された咳嗽診断のために必要となる、咳嗽がいつ終了したかの正確な測度を与えることに失敗していると判断した。

そこで発明者らは、別の、ここで『ＬＷ１．５』方法と呼ぶ第２の試みを試すことを決めた。

ＬＷ１．５方法においては、ニューラル・ネットワークが、最初の咳嗽音、すなわち咳嗽の呼気相に対してのみトレーニングされる。トレーニングは、咳嗽の開始から４つの処理フレーム（約１００ミリ秒）が陽性ターゲットとしてトレーニングされ、手作業でマークされた咳嗽の残りは、陰性ターゲットとしてトレーニングされるように行われた。別の変更は、手作業的特徴の数をさらに低減し、かつＭＦＣＣおよび信号の対数エネルギのみを含めたことである。

ＬＷ１と同様に、エネルギ・ベースのヒューリスティックがＬＷ１．５方法に使用されて咳嗽検出を拡張した。この試みにおいて発明者らは、推定される最小背景雑音レベルに基づいて咳嗽を拡張した。背景雑音レベルは、録音の中の現在のポイントに対してもっともエネルギの低い側の１０２４個のフレームを取り上げて平均ＲＭＳを取ることによって推定された。咳嗽は、処理フレームのＲＭＳが、推定された背景レベルの１．５倍より下に落ちたときに終了する。

表２から理解できるとおり、ＬＷ１．５を用いて達成された再現率は、ＬＷ１の場合のそれよりはるかに良好である。しかしながら、精度が１０％落ちたことに発明者らは満足に足るものでないと感じた。

表２：非常に困難な、すなわち背景雑音が高い咳嗽データに対するＬＷ１方法とＬＷ１．５方法のパフォーマンス

したがって、認識されることになろうが、この段階において２つの異なるアプローチが考えられ、テストされた。しかしながら、発明者らの観点においては、両方の方法ともに異なる形の改良ではあったが、ＬＷ１およびＬＷ１．５いずれの方法も、検出された咳嗽がその後に続いて疾病診断のために処理され得るという標準に適している咳嗽検出ではなかった。

熟考の後に打開策が生じ、発明者らは、以前の自分たちの試みとは対照的に、咳嗽検出のために１つより多くのニューラル・ネットワークを試すことを決定した。

発明者らは、本発明の、ここで『ＬＷ２』と呼ぶこともある好ましい実施態様において、咳嗽事象の第２および第３の相を分類する試みに第２のニューラル・ネットワークを使用することを決定した。ここで、これらの第２および第３の相（特に、第３の相の発音相）が咳嗽事象に特有でないことに気付くことが重要である。たとえば、発音事象は、発話の間にもしばしば生じる。第２のニューラル・ネットワークがそれだけで使用された場合には、発話およびそのほかの人間の雑音に起因する偽陽性が有意な数に上ることになろう。したがって、発明者らは、その種のアプローチが成功するか否か確信が持てなかった。

概要を述べれば、本発明の好ましい実施態様において、発明者らは、２つのトレーニング済みニューラル・ネットワークからの出力を処理して咳嗽音を検出した。第１のニューラル・ネットワークは、咳嗽音の第１の呼気相を分類するべく（方法ＬＷ１．５におけるとおり）トレーニングされ、第２のニューラル・ネットワークは、咳嗽音の第２および第３の相を分類するべくトレーニングされた。発話の間に第２のネットワークが偽陽性を生み出す問題を回避するため、この方法は、好ましく、第２のＮＮのアクティブ化が第１のＮＮに続くように２つのＮＮの時間的な組み合わせを含む。

単一の咳嗽努力を抽出するステップ
図５Ａは、本発明の好ましい実施態様に従った咳嗽検出のための方法のフローチャートである。最初に、ボックス５１において、たとえば、デジタル・レコーダのマイクロフォンを用いて患者を録音することによって、咳嗽音を含んでいる可能性のあるテスト・オーディオ・データが獲得される。ボックス５３においては、テスト・オーディオ・データが、ハイおよびロー・パス・フィルタリングおよびアナログ・デジタル変換によって前処理される。ボックス５５においては、デジタル化された音信号がフレームにセグメント化され、時間遅延ニューラル・ネット・クラシファイアに信号を印加することが可能となるように、時間遅延が適用される。ボックス５７においては、デジタル化された信号の各フレームが解析されて、特定の特徴の存在が決定され、本発明の好ましい実施態様においては、これらの特徴が、メル周波数ケプストラム係数（ＭＦＣＣ）および信号の対数エネルギ特徴を含む。

検出された特徴は、一連の特徴ベクトルに形作られる。ボックス６１においては、咳嗽の第１の呼気相を識別するべくあらかじめトレーニング済みの時間遅延ニューラル・ネットワーク（ＴＤＮＮ）の形式のクラシファイアが、一連のフレームを検査して呼気相が存在するか否かを決定する。ボックス５９においては、咳嗽の第２および第３の相を識別するべくあらかじめトレーニング済みの第２の時間遅延ニューラル・ネットワークが、それらのフレームを検査して第２および第３の相が存在するか否かを決定する。

ボックス６３においては、ＴＤＮＮクラシファイアからの出力がスムージングされ、あらかじめ決定済みのスレッショルド値と比較されて、それらのフレームが咳嗽信号に対応するか否かが決定される。ボックス６５においては、これらのフレームが咳嗽の存在を示していると検出された場合に、たとえば、検出された咳嗽を伝達するオーディオ信号の特定の部分のレコードを書き込むことによって咳嗽のフラグを立てる。

ここで図６を参照すると、図５Ａのフローチャートの方法を実装する本発明の第１の実施態様に従った咳嗽音を識別するための咳嗽検出器６００のブロック図が図示されている。

前処理
観察対象からのオーディオ信号がマイクロフォン６０１によって導入され、フィルタ６０２によるアンチエイリアシング・フィルタリングを受ける。ＡＡＦフィルタ６０２からのフィルタリング後のアナログ信号が、アナログ・デジタル・コンバータ６０７に渡される。ＡＤＣ ６０３からのデジタル化後の信号は、デジタル信号処理パイプラインの第１ステップとして、フィルタ６０５および６０７によりハイおよびロー・パス・フィルタリングされる。現在説明している本発明の実施態様においては、ハイ・パス・フィルタ６０５のカットオフ周波数が５０Ｈｚであり、ロー・パス・フィルタ６０７のカットオフ周波数が１６ｋＨｚである。

特徴抽出
ＬＰＦ ６０７からの、デジタル化され、フィルタリングされた後のオーディオ信号は、フレーム・セグメンタ６０９によって１０２４サンプルのオーバーラップのないフレームにセグメント化される。各フレームは、オーディオ持続時間の２３．２ミリ秒を表す。各フレームについて、特徴抽出器アッセンブリ６１１ａ－６１１ｎによって１４の特徴値が抽出される。現在説明している本発明の好ましい実施態様においては、抽出される特徴が、各フレームの、ゼロ次の係数を含む１３のメル周波数ケプストラム係数（ＭＦＣＣ）、および対数エネルギに対応する特徴も包含する。特徴抽出器６１１ａ－６１１ｎの出力は、シーケンシャル特徴ベクトル・レジスタ６１３に渡される。レジスタ６１３内にストアされる各特徴ベクトルは、対応する１４の抽出済みの特徴のための値を有する。

特徴ベクトル・レジスタ６１３からの特徴ベクトルは、２つの特別にトレーニングされた第１および第２の時間遅延ニューラル・ネット６１５および６１７のそれぞれに印加される。ＴＤＮＮ ６１５および６１７は、後述する態様でそれぞれトレーニング済みである。トレーニング済みのＴＤＮＮ１ ６１５は、咳嗽音の呼気相を検出し、ＴＤＮＮ２は、咳嗽の残り、すなわち呼気後の相を検出するべくトレーニングされている。

第１および第２のＴＤＮＮ ６１５および６１７からの出力は、それぞれのＮＮ１およびＮＮ２スムージング・フィルタ６１９および６２１に結合されている。ＮＮ１スムージング・フィルタ６１９の出力は、３タップ平均フィルタである。ＮＮ２スムージング・フィルタ６２１は、５タップ平均フィルタである。

ＮＮ１出力フィルタ６１９からの出力は、ＮＮ１出力フィルタ６１９からの信号とスレッショルド・レベルｔｈｄ１を比較する比較器６２３に印加される。ＮＮ１比較器６２３からの出力は、ＮＮ１出力フィルタからの出力がｔｈｄ１より上であるか、またはそれより下であるかを示す。

同様に、ＮＮ２比較器６２５からの出力は、ＮＮ２出力フィルタからの出力がｔｈｄ２より上であるか、またはそれより下であるかを示す。

後ＮＮ咳嗽ＩＤプロセッサ６２７は、ＮＮ１およびＮＮ２出力フィルタ６１９および６２１からの出力、およびＮＮ１およびＮＮ２比較器からの出力が、処理中の音信号の中に咳嗽音が存在することを示すか否かを決定するべく構成されたロジック・アッセンブリを包含する。後ＮＮ咳嗽ＩＤプロセッサ６２７は、離散的なロジック・ボードとして実装することができるか、またはそれに代えてフィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）等のプログラム済みのコントローラまたは適切なプログラム済みのマイクロプロセッサを包含してもよい。

後ＮＮ咳嗽ＩＤプロセッサ６２７は、次に示す規則に従って動作するべく構成されている。

１．可能性のある咳嗽の識別は、ＮＮ１が固定スレッショルド（ｔｈｄ１）より高いときにのみ開始する。咳嗽の開始は、常にＮＮ１の開始を必要とすることになる。

２．可能性のある咳嗽の識別は、次の場合に継続する：
Ｉ．ＮＮ１が、スレッショルド（ｔｈｄ１）より上である。
ＩＩ．ＮＮ１が、スレッショルド（ｔｈｄ１）より下であり、ＮＮ２が、スレッショルド（ｔｈｄ２）より上である。
ＩＩＩ．フレームＲＭＳパワー推定器６２８からの出力が、フレームのＲＭＳパワーが、推定された背景雑音ＲＭＳレベルの１０倍より高いことを示す。フレームＲＭＳパワー推定器は、それまでの録音の間における最下位側の１０２４のＲＭＳフレームを平均することによって背景雑音レベルを推定するべくアレンジされている。ＮＮ１とＮＮ２の間にギャップが存在することもあるため、ＲＭＳベースの継続が組み込まれる。ＲＭＳベースのブリッジングは、ＮＮ２フレームがまだ検出されていないときにのみ行われる。

３．咳嗽は、次の場合に終了する：
Ｉ．ＮＮ１出力フィルタ６１９からの出力が、上向きの方向においてＮＮ２出力フィルタ６２１からの出力と交差する。
ＩＩ．ＮＮ１比較器６２３からの出力が、ＮＮ１出力フィルタ６１９からの出力がｔｈｄ１より下であることを示し；ＮＮ２比較器６２５からの出力が、ＮＮ２出力フィルタ６２１からの出力がｔｈｄ２より下であることを示し、かつフレームＲＭＳパワー推定器６２８からの出力が、フレームのＲＭＳパワーが推定された背景雑音レベルの１０倍より低いことを示す。
ＩＩＩ．現在のフレーム（ｔ）のためのＮＮ１出力フィルタ６１９の出力がｔｈｄ１より大きく、以前のフレーム（ｔ－１）のためのＮＮ１出力フィルタ６１９の出力がｔｈｄ１より小さく、かつ現在の（可能性のある）検出された咳嗽事象において、ＮＮ２フレーム（１つまたは複数）が、ＮＮ２比較器からの出力がハイに向かう（すなわち、ＮＮ２出力フィルタ６２１からの出力がｔｈｄ２を超える）結果をもたらすことが検出されている。

４．見つかった咳嗽は、次の場合に破棄される：
Ｉ．咳嗽の持続時間が、咳嗽の最小長（１５０ミリ秒）より短い。
ＩＩ．咳嗽の持続時間が、咳嗽の最大長（７５０ミリ秒）より長い。
ＩＩＩ．咳嗽のＮＮ１出力フィルタ６１９とＮＮ２出力フィルタ６２１の組み合わせ後のＲＭＳパワー出力が、トレーニング・プロセスの間に決定されたあらかじめ決定済みのスレッショルド値ｔｈｄ３より低い。
ＩＶ．咳嗽の中でスレッショルド・レベルｔｈｄ１より上を示すＮＮ１比較器６２３の出力のフレームが３つ未満である。
Ｖ．咳嗽の中でスレッショルドｔｈｄ２より上であるとして示されるＮＮ２比較器６２５の出力のフレームが２つ未満である。

５．検出された咳嗽の初めは、短い処理フレーム（１２８サンプル）上のエネルギの急激な開始に対してトリミングされる。開始が検出された場合には、それに応じて咳嗽の開始時間を調整する。エネルギ・レベルのジャンプがまったく検出されなかった場合には、開始時間を処理フレームの境界のまま残す。

ここで図６Ａを参照し、上の４．ＩＩＩの中で述べたｔｈｄ３値の導出を説明する。
ＴＤＮＮ１出力のＲＭＳをＸ１からＸ２まで計算する（＝ｒｍｓ＿ｎｎ１）。
ＴＤＮＮ２出力のＲＭＳをＸ２からＸ３まで計算する（＝ｒｍｓ＿ｎｎ２）。
Ｘ１＝ＴＤＮＮ１＞ｔｈｄ１
Ｘ２＝ＴＤＮＮ２＞ｔｈｄ２、かつＴＤＮＮ２＞ＴＤＮＮ１
Ｘ３＝ＴＤＮＮ２＜＝ｔｈｄ２。

咳嗽の確率の合計ＲＭＳは、ｒｍｓ＿ｎｎ１＋ｒｍｓ＿ｎｎ２である。このことは、両方のネットワークより上となる確率の強度がｔｈｄ１およびｔｈｄ２より上であることを意味する。この合計ＲＭＳをｔｈｄ３と比較して、可能性のある咳嗽が、２つのニューラル・ネットワークの出力に関して充分に高いＲＭＳを有しているか否かを決定する。

ｔｈｄ３値は、トレーニング段階において、偽陽性および真陽性が、スレッショルドの範囲のサーチによって最適化されるように決定される。

注意される必要があるが、Ｘ２は、２つに分割されることがある。この場合においては、ｎｎ１およびｎｎ２の両方が、中間相において、スレッショルド１および２より低く、次に示すようになる：
ｒｍｓ＿ｎｎ１＝［（ＴＤＮＮ１＞ｔｈｄ１）から（ＴＤＮＮ１＜＝ｔｈｄ１）までのｎｎ１のｒｍｓ］
ｒｍｓ＿ｎｎ２＝［（ＴＤＮＮ２＞ｔｈｄ２）から（ＴＤＮＮ２＜＝ｔｈｄ２）までのｎｎ２のｒｍｓ］
言い換えると、確率ＲＭＳは、両方のネットワークがスレッショルドより下にある場合には計算されない。

咳嗽検出装置６００は、後ＮＮ咳嗽ＩＤプロセッサ６２７から、検出済み咳嗽音の開始および終了を示す出力を受け取る識別済み咳嗽フラッガ・アッセンブリ６２９を含む。後ＮＮ咳嗽ＩＤプロセッサ６２７は、後ＮＮ咳嗽ＩＤプロセッサからの信号に対して、識別済みの咳嗽にフラグを立てることによって応答する。識別済みの咳嗽にフラグを立てることは、咳嗽のためのＩＤ番号を、音波内におけるそれの開始時間および終了時間とともに含むデータ・レコードの書き込みを含んでもよい。識別済み咳嗽フラッガ６２９は、咳嗽ＩＤおよび関連付けされた開始および終了時間を表示する視覚的な表示器を含んでもよい。

好ましい実施態様のパフォーマンス
咳嗽識別アルゴリズムの予期される研究が行われ、インドの経験を積んだヘルスケア専門家によって子供の咳嗽が録音された。これらの録音は、話し声、自動車のクラクション、音楽、および機械から発生する雑音を含む有意の背景雑音が含まれる環境内で行われた。ＮＮが、ほかの参照データに対してトレーニングされ、５２の録音に対してテストされた。

表２：非常に困難な咳嗽録音に対する先行技術の方法、ＬＷ１、ＬＷ１．５、およびＬＷ２のパフォーマンス。いずれのアルゴリズムにも、このデータに対するトレーニングはなされていない。

図７は、ＬＷ２を用いた咳嗽検出を図解したグラフである。図７から理解できるとおり、検出された咳嗽のラインが実際の咳嗽と緊密に整合する。ＬＷ２は、ＬＷ１より良好に咳嗽の持続時間を捕捉している。

ＮＮ１およびＮＮ２のトレーニング
手前で述べたとおり、本発明の好ましい実施態様は、２つの時間遅延ニューラル・ネットワークがトレーニングされることを必要とする。ＴＤＮＮ１ ６１５は、初期の咳嗽音、すなわち各咳嗽の呼気相を検出するべくトレーニングされる。第２のネットワークＴＤＮＮ２ ６１７は、中間相および、存在する場合には発音咳嗽音を含む咳嗽の残りの部分を検出するべくトレーニングされる。

最初の咳嗽音が非常にはっきりと区別される特性を有し、咳嗽音のほかの部分より観察対象間において一貫性が高いことは共通の一般知識である。たとえば、以前の研究者らは、次のような見解を述べている：

『我々のアプローチにおいて、我々は、咳嗽音の最初の１５０ミリ秒がその咳嗽反射の呼気相のみに対応し、観察者にわたり概して一貫しているという事実をてこ入れする。我々は、我々のモデルが観察者にわたって一般化が可能となるように、咳嗽反射のこの呼気段階のみをモデリングする。』エリック・シー・ラーソン、チェンジュイ・リー、シーン・リウ、マーガレット・ローゼンフェルト、およびシュウェタク・エヌ・パテル（Ｅｒｉｃ Ｃ．Ｌａｒｓｏｎ、ＴｉｅｎＪｕｉ Ｌｅｅ、Ｓｅａｎ Ｌｉｕ、Ｍａｒｇａｒｅｔ Ｒｏｓｅｎｆｅｌｄ、およびＳｈｗｅｔａｋ Ｎ．Ｐａｔｅｌ）著、２０１１年、「アキュレート・アンド・プライバシー・プレザービング・コフ・センシング・ユージング・ア・ローコスト・マイクロフォン（Ａｃｃｕｒａｔｅ ａｎｄ ｐｒｉｖａｃｙ ｐｒｅｓｅｒｖｉｎｇ ｃｏｕｇｈ ｓｅｎｓｉｎｇ ｕｓｉｎｇ ａ ｌｏｗ－ｃｏｓｔ ｍｉｃｒｏｐｈｏｎｅ）」。第１３回インターナショナル・カンファレンス・オン・ユビキタス・コンピューティング（ｔｈｅ １３ｔｈ ｉｎｔｅｒｎａｔｉｏｎａｌ ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｕｂｉｑｕｉｔｏｕｓ ｃｏｍｐｕｔｉｎｇ）（ＵｂｉＣｏｍｐ ’１１）論文集内、ＡＣＭ、ニューヨーク、ＮＹ、ＵＳＡ、ｐｐ．３７５－３８４。
ＤＯＩ＝ｈｔｔｐ：／／ｄｘ．ｄｏｉ．ｏｒｇ／１０．１１４５／２０３０１１２．２０３０１６３；および

『我々のアプローチは、呼気相の音響的かつスペクトル的にはっきりと区別される特性、および咳嗽音の正確な開始検出のためのそれのポテンシャルから、それの検出を頼る。』ルシオ・シー、テイシェイラ・シー、エンリケシュ・ジェイ、デカーバロー・ピー、パイバ・アールピー（Ｌｕｃｉｏ Ｃ、Ｔｅｉｘｅｉｒａ Ｃ、Ｈｅｎｒｉｑｕｅｓ Ｊ、ｄｅ Ｃａｒｖａｌｈｏ Ｐ、Ｐａｉｖａ ＲＰ）。「ボランタリー・コフ・ディテクション・バイ・インターナル・サウンド・アナリシス（Ｖｏｌｕｎｔａｒｙ ｃｏｕｇｈ ｄｅｔｅｃｔｉｏｎ ｂｙ ｉｎｔｅｒｎａｌ ｓｏｕｎｄ ａｎａｌｙｓｉｓ）」。バイオメディカル・エンジニアリング・アンド・インフォマティクス（Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｉｎｆｏｒｍａｔｉｃｓ）（ＢＭＥＩ）、２０１４年第７回インターナショナル・カンファレンス、２０１４年、ｐｐ．４０５－４０９。

本発明の好ましい実施態様においては、可能性のある咳嗽の開始が、咳嗽の呼気相を見つけるべくトレーニングされた第１のニューラル・ネットワークのみに基づいて検出される。第２のニューラル・ネットワークは、咳嗽事象の残りの検出に使用される。

図７Ａは、第１のクラシファイア、たとえば呼気相ニューラル・ネット（ＴＤＮＮ１）６１５および第２のクラシファイア、たとえば呼気後の相ニューラル・ネット（ＴＤＮＮ２）６１７をトレーニングするための方法の高レベルのブロック・フローチャート７００を表している。

第１のニューラル・ネットワークのトレーニング－－咳嗽の呼気相の分類
第１のネットワークのトレーニングを、ＲＭＳ（平方二乗平均）が全体の咳嗽音の平均ＲＭＳより高い、手作業でマーク付けした咳嗽の第１のフレームから開始する４つの処理フレームに対して行う。手作業でマーク付けした咳嗽の残りは、陰性ターゲットとしてトレーニングされる。ターゲットと陰性ターゲットの間の２つの処理フレームは、混乱を低減するためにトレーニングされない。陰性の例は、そのままトレーニングされる。図８は、第１のニューラル・ネットワーク６１５のための陽性（ライン９６）および陰性（ライン９８）のターゲットとしてトレーニングされる咳嗽の部分を図解している。それに加えて、話し声、泣き声、拍手、および機械が発生する雑音の例が、陰性のトレーニングの例として使用される。

ＴＤＮＮ１ ６１５の入力は、中央の１つをターゲット・フレームとする７つのフレームの処理から導出された特徴ベクトルを含む。言い換えると、入力ベクトルは、ターゲット・フレームの前に隣接する３つのフレーム、後の３つのフレームを『見込む』。したがって、ＴＤＮＮのための入力ベクトルのサイズは、７ｘ１４＝９８の値となる。図９は、ＴＤＮＮ１ ６１５のためのアーキテクチャのブロック図である。図９に図解されているアーキテクチャは、良好に機能するが、発明者らは、隠れ層内の１６のノードの方が、それを３０とするより、わずかに良好に機能する可能性があることを見出した。認識されるであろうが、ＴＤＮＮ１およびＴＤＮＮ２のためのこのほかの構成も機能し得る。

第２のニューラル・ネットワークのトレーニング－－咳嗽の終了相の分類
第２のネットワークＴＤＮＮ２ ６１７は、第１のそれとは反対の態様でトレーニングされる。咳嗽の一番最初、および開始から数えて最初の４つのフレームが、陰性ターゲットとしてトレーニングされる。合間の１つのフレームをスキップし、その後、咳嗽の残りすべてのフレームのＲＭＳが、全体の咳嗽信号の平均ＲＭＳの０．１倍より高ければ、それらを陽性ターゲットとしてトレーニングする。背景雑音を多くリサンプルしている非常にエネルギの低いフレームは、外される。この場合においても、陰性の例は、そのままトレーニングされる。図１０は、第２のニューラル・ネットワークのための陽性ターゲット１０１および陰性ターゲット１０３としてトレーニングされる咳嗽の部分を図解している。

手前で論じたとおり、咳嗽検出は、オーディオ信号から抽出され、かつ２つのネットワークに供給される特徴の連続ストリームの、それら２つのトレーニング済みニューラル・ネットワークの出力に基づく。図１１は、３つの接続された咳嗽１１５のバーストに応答するトレーニング済みの初期相検出ニューラル・ネットワークＴＤＮＮ１ ６１５の出力１１１、およびその後に続く相検出ニューラル・ネットワークＴＤＮＮ２ ６１７の出力１１３を示している。

図５Ａのフローチャートに示されている咳嗽検出方法は、スマートフォン等のポータブル演算デバイスを特別にプログラムすることによって実装可能である。図１２は、咳嗽検出装置３９を実装するべくプログラムされた代表的なスマートフォンのブロック図である。装置３９は、電子メモリ５にアクセスするプロセッシング・アッセンブリ３を含む。電子メモリ５は、プロセッシング・アッセンブリ３による実行のための、たとえば、アンドロイド（Ａｎｄｒｏｉｄ）オペレーティング・システムまたはアップル・アイオーエス（Ａｐｐｌｅ ｉＯＳ）オペレーティング・システム等のオペレーティング・システム８を含む。また電子メモリ５は、本発明の好ましい実施態様に従った咳嗽検出アプリケーション・ソフトウエア製品または『アプリ』６も含む。咳嗽検出アプリ３６は、咳嗽検出装置３９が図５Ａのフローチャートの方法を実装するために、プロセッシング・アッセンブリ３によって実行可能なインストラクションを含む。

プロセッシング・アッセンブリ３は、図１に示されているとおり、データ・バス７を介して複数の周辺アッセンブリ９－２３とデータ通信する。その結果、咳嗽検出装置３９は、ＷＡＮ／ＷＬＡＮアッセンブリ２３および無線周波数アンテナ２９を介して、データ通信ネットワーク３１とのデータ通信を確立することが可能になる。使用においては、装置３９が、リモート・サーバ３３とのデータ通信を確立し、そこからアプリ３６に対するアップデートをダウンロードできるか、またはそこへ、検出された咳嗽音を診断のためにアップロードできる。

使用においては、医療提供者が、咳嗽診断アプリ３６を実行することによって咳嗽検出装置３９を動作させる。アプリ３６は、タッチスクリーン・インターフェース１３を介する『録音開始』ボタンを含む録音画面をＬＣＤスクリーン１１上に表示する。医療提供者は、咳嗽検出装置３９を充分に患者の近くに位置決めした後、『録音開始』ボタンをクリックする。患者からの音が、咳嗽音を含めてマイクロフォン２５によって録音される。これらの音は、オーディオ・インターフェース・アッセンブリ２１によってフィルタリングされ、デジタル・データ・ストリームに変換される。咳嗽診断アプリ３６を包含するインストラクションを実行しているプロセッシング・アッセンブリ３は、図６の専用装置６００の多様な機能ブロックを実装する。咳嗽を検出すると、プロセッシング・アッセンブリ３は、録音済みの音波の咳嗽が格納されている部分のレコードを書き込み、それによって咳嗽を識別し、かつ咳嗽が検出されたことを臨床医に対して視覚的に示すべくスクリーン１１を動作させることができる。このようにして識別された咳嗽は、その後に続いて、それらが患者の疾病状態を示しているか否か、および抗生物質、水分補給、および安静等の、患者に提供する適切な治療を決定する診断方法によって処理可能である。咳嗽の数、および音波の中におけるそれらの位置は、その後、スクリーン１１の表示のために利用可能になる。検出された咳嗽を含んでいる音波の部分は、その後に続く診断処理のために、メモリ５内にストアすることもできる。

本発明の変形およびさらなる実施態様は可能である。たとえば、本発明の好ましい実施態様においては、音の分類にニューラル・ネットワークが使用されているが、それに代えて、決定木（バギングまたはブースティング・ツリーを含む）等のそのほかのクラシファイアを使用してもよい。これについても注意することが重要であり、好ましい実施態様においては、２つのクラシファイア、すなわち咳嗽の第１相のためにＴＤＮＮ１ ６１５、咳嗽の第２および第３相のためにＴＤＮＮ２ ６１７が使用されていた。本発明のほかの実施態様においては、３つ（咳嗽のそれぞれ個別の相のために１つ）のクラシファイアを使用してもよい。

本発明の別の実施態様においては、候補咳嗽音を処理し、咳嗽の第１の部分と第２の部分の間を同時に弁別するべくトレーニングされた単一のマルチクラス・パターン・クラシファイアが提供され、使用される。図１３は、一度に咳嗽の第１の部分と第２の部分の間を弁別するべくトレーニングされた例示的なニューラル・ネットワーク１３００のブロック図である。注意する必要があるが、図１３のニューラル・ネット１３００は、手前で論じた単一の出力を生み出す図９のニューラル・ネット６１５とは対照的に、３つの出力を生成することからマルチクラスである。

図１３のニューラル・ネット１３００は、オーディオ信号の各フレームについて３つのクラスを検出するべくトレーニングされる。３つのクラスは、第１の咳嗽部分、第２の咳嗽部分、または第１の咳嗽部分および第２の咳嗽部分がない場合の陰性トレーニング例である。ニューラル・ネットワーク１３００からの３つの出力信号は、３つのクラスのそれぞれについての検出確率に対応する。２つの咳嗽部分のそれぞれについての確率は、その後、本発明の先の実施態様の２つのニューラル・ネットワークからの出力と同じ方法で使用することが可能である。マルチクラス・アプローチに従った咳嗽検出器は、本発明の実施態様の１つ、たとえば、図１２のスマートフォン・ハードウエアについて先に述べた汎用ハードウエア・プラットフォームを使用して実装できる。

３つのクラスのためのトレーニング・ターゲットを図１４のプロットに図解する。図１４において、実線は、オーディオ特徴の中の咳嗽発作がアクティブなセクション（クラス１）を表す。点線は、咳嗽の第２の部分（クラス２）に対応し、破線は、陰性トレーニング例（クラス３）を表している。

発明者らは、次の表３に示されるとおり、図１３および１４に図解されているマルチクラス・アプローチのパフォーマンスが、手前で論じた先の２つのニューラル・ネットワーク実施態様のパフォーマンスよりわずかに劣ることを見出した。

表３：異なる実装についてのパフォーマンスの比較

代替モデル
咳嗽フレームの分類にニューラル・ネットワークを使用することは、２モデルまたはマルチクラス・モデル構造のいずれにおいても必須でない。発明者らは、ここに示した方法のテストを、ほかのいくつかのモデル・タイプを用いても行った。
● 決定木のアンサンブル
● 勾配ブースティング・ツリー
● 代替ニューラル・ネットワーク・ソフトウエア

これらのモデルは、すべて、表３に示されているとおり、オリジナルの実装と類似するパフォーマンスを達成した。

法令に従い、構造的または方法的特徴に多少なりとも特化した言い回しで本発明を説明してきた。用語『包含する』および、『包含している』および『からなる』といったその変形は、全体を通じ、含んでいるという意味で使用されており、何らかの追加の特徴を排除することはない。理解されるものとするが、この中で述べている手段は、本発明を具体化する好ましい態様を構成するのであって、そのことから、ここに示し、あるいは説明した特定の特徴に本発明が限定されることはない。したがって、本発明は、この分野の当業者によって適切に解釈される付随する特許請求の範囲の適正な範囲内となるあらゆるその形式または修正において請求される。

明細書および特許請求の範囲（存在する場合）の全体を通じ、文脈からほかの解釈が求められない限り、『実質的に』または『約』といった用語が、その用語によって制限された範囲に対する値に限定されないことは理解されるであろう。

本発明のあらゆる実施態様は、例証に過ぎないことを意味し、本発明の限定を意味しない。

２ 出力、ライン
３ プロセッシング・アッセンブリ
３ａ 隠れ層
４ ライン
５ 電子メモリ
６ ライン、アプリ
７ データ・バス
８ ライン、オペレーティング・システム
１０ ライン
１１ ＬＣＤスクリーン
１２ ライン
１３ タッチスクリーン・インターフェース
１４ ライン
１６ ライン
１８ ライン
２０ ライン
２１ オーディオ・インターフェース・アッセンブリ
２２ ライン
２３ ＷＡＮ／ＬＡＮアッセンブリ
２４ ライン
２５ マイクロフォン
２６ ライン
２８ ライン
２９ 無線周波数アンテナ
３１ データ通信ネットワーク
３３ リモート・サーバ
３６ 咳嗽検出アプリ、咳嗽診断アプリ
３９ 咳嗽検出装置、装置
５１ ニューラル・ネット・アレンジメント
５３ ＮＮ、ニューラル・ネットワーク（ＮＮ）
５５ 出力
９６ ライン
９８ ライン
１０１ 陽性ターゲット
１０３ 陰性ターゲット
１１１ 出力
１１３ 出力
１１５ 咳嗽
６００ 咳嗽検出器、咳嗽検出装置
６０１ マイクロフォン
６０２ フィルタ、ＡＡＦフィルタ
６０３ ＡＤＣ、アナログ・デジタル・コンバータ
６０５ フィルタ、ハイ・パス・フィルタ
６０７ フィルタ、ロー・パス・フィルタ、ＬＰＦ
６０９ フレーム・セグメンタ
６１３ レジスタ、特徴ベクトル・レジスタ
６１５ 時間遅延ニューラル・ネット、ＴＤＮＮ、ＴＤＮＮ１
６１７ 時間遅延ニューラル・ネット、ＴＤＮＮ、ＴＤＮＮ２
６１９ ＮＮ１スムージング・フィルタ、ＮＮ１出力フィルタ
６２１ ＮＮ２スムージング・フィルタ、ＮＮ２出力フィルタ
６２３ 比較器、ＮＮ１比較器
６２５ ＮＮ２比較器
６２７ 後ＮＮ咳嗽ＩＤプロセッサ
６２８ フレームＲＭＳパワー推定器
６２９ 識別済み咳嗽フラッガ
１３００ ニューラル・ネットワーク
５７ａ－５７ｄ 咳嗽音
６１１ａ－６１１ｎ 特徴抽出器アッセンブリ、特徴抽出器
ｔｈｄ１－ｔｈｄ３ スレッショルド値、スレッショルド・レベル

Claims (23)

1. 音波から咳嗽音を検出するための方法であって、
   電子形式で前記音波を獲得するステップと、
   前記音波から抽出した特徴を、咳嗽音の呼気相を検出するようにトレーニングされた第１のクラシファイアおよび前記咳嗽音の１つまたは複数の呼気後の相を検出するようにトレーニングされた第２のクラシファイアを含む少なくとも２つの電子パターン・クラシファイア、に適用するステップと、
   を含む方法。
2. 前記音波から抽出した前記特徴を、前記第１のクラシファイアが前記咳嗽音の呼気相として前記音波の特徴を分類した後にのみ、前記第２のクラシファイアに適用することを含む、請求項１に記載の方法。
3. 前記第１のクラシファイアが、前記呼気相に関して陽性かつ前記呼気相の後に続く前記咳嗽音の部分に関して陰性のトレーニングに従ってアレンジされる、請求項１または請求項２に記載の方法。
4. 前記呼気相の終了と、前記呼気相の後に続く前記咳嗽音の開始の間にギャップを提供することを含む、請求項３に記載の方法。
5. 前記第２のクラシファイアが、前記呼気相に関して陰性かつ前記呼気相の後に続く前記咳嗽音の部分に関して陽性のトレーニングに従ってアレンジされる、請求項３に記載の方法。
6. 前記第１および第２のクラシファイアが、単一の隠れ層を有するニューラル・ネットを包含する、請求項３ないし５のいずれか一項に記載の方法。
7. 前記特徴が、前記音波のメル周波数ケプストラム係数に対応する特徴を含む、請求項１ないし６のいずれか一項に記載の方法。
8. さらに、前記特徴が、前記音波の対数エネルギに対応する特徴を含む、請求項７に記載の方法。
9. 前記第１および第２のクラシファイアが、時間遅延ニューラル・ネットを包含する、請求項１ないし８のいずれか一項に記載の方法。
10. 音波の咳嗽音を検出するための装置であって、
    音波を導入するためのトランスデューサからの出力をデジタル化するためのデジタル化アッセンブリと、
    前記デジタル化アッセンブリと通信する、前記音波の連続セグメントから複数の特徴を抽出するための特徴抽出アッセンブリと、
    咳嗽音の呼気相を認識するようにトレーニングされた、前記特徴抽出アッセンブリに応答する第１のクラシファイアと、
    前記咳嗽音の１つまたは複数の呼気後の相を認識するようにトレーニングされた、前記特徴抽出アッセンブリに応答する第２のクラシファイアと、
    前記第１のクラシファイアおよび前記第２のクラシファイアからの出力に基づいて前記咳嗽音を識別するようにアレンジされたクラシファイア後咳嗽識別プロセッサと、
    を含む装置。
11. 前記クラシファイア後咳嗽識別プロセッサが、前記咳嗽音の前記呼気相の検出を示す前記第１のクラシファイアの前記出力の後に続いて生じる前記第２のクラシファイアの出力に応答するようにアレンジされる、請求項１０に記載の装置。
12. 前記第１のクラシファイアおよび前記第２のクラシファイアが、第１および第２のニューラル・ネットを包含し、前記第１のニューラル・ネットが、前記呼気相を検出する陽性トレーニングに従って重み付けされ、かつ、前記第２のニューラル・ネットが、前記１つまたは複数の呼気後の相を検出する陽性トレーニングに従って重み付けされる、請求項１０または請求項１１に記載の装置。
13. 前記第１のニューラル・ネットが、さらに、前記呼気相に関する陽性トレーニングおよび前記呼気後の相に関する陰性トレーニングに従って重み付けされる、請求項１２に記載の装置。
14. 前記第２のニューラル・ネットが、さらに、前記呼気相に関する陰性トレーニングおよび前記呼気後の相に関する陽性トレーニングに従って重み付けされる、請求項１２または請求項１３に記載の装置。
15. 前記音波からメル周波数ケプストラム係数（ＭＦＣＣ）を抽出するように構成された特徴抽出アッセンブリを含む、請求項１０ないし１４のいずれか一項に記載の装置。
16. 前記特徴抽出アッセンブリが、ゼロ次のＭＦＣＣを含むＭＦＣＣを抽出するようにアレンジされている、請求項１５に記載の装置。
17. 前記特徴抽出アッセンブリが、さらに、前記音波から対数エネルギ特徴を抽出するようにアレンジされている、請求項１５または請求項１６に記載の装置。
18. 前記第１および第２のクラシファイアの出力と、それぞれ、前記呼気相および前記呼気後の相の検出確率レベルを評価するためのスレッショルド値とを比較するための第１および第２の比較器を含む、請求項１０ないし１７のいずれか一項に記載の装置。
19. 前記クラシファイア後咳嗽識別プロセッサが、前記咳嗽音を識別するために前記比較器に応答する、請求項１８に記載の装置。
20. 前記音波の咳嗽音を検出するための装置が、前記音波のセグメントのＲＭＳパワーを推定するためのＲＭＳパワー推定器を含み、前記クラシファイア後咳嗽識別プロセッサが、前記ＲＭＳパワー推定器からの出力を考慮に入れて前記咳嗽音を識別するように構成されている、請求項１０ないし１９のいずれか一項に記載の装置。
21. 前記クラシファイア後咳嗽識別プロセッサに応答する咳嗽フラッガ・アッセンブリを含み、
    前記咳嗽フラッガ・アッセンブリが、咳嗽音を含むことが識別された前記音波の部分を記録するようにアレンジされている、
    請求項１０ないし２０のいずれか一項に記載の装置。
22. 前記第１および第２のニューラル・ネットが、前記特徴抽出アッセンブリから出る一連の時間遅延された特徴ベクトルを処理するための時間遅延ニューラル・ネットを包含する、請求項１２ないし１４のいずれか一項に記載の装置。
23. 音波から咳嗽音を検出するための方法であって、
    前記音波から抽出された特徴を、咳嗽音の呼気相、前記咳嗽音の１つまたは複数の呼気後の相および非咳嗽事象の存在を検出するようにトレーニングされた前記電子パターン・クラシファイア、に適用するステップと、
    前記呼気相、前記１つまたは複数の呼気後の相、および前記非咳嗽事象の存在の検出に対応する前記電子パターン・クラシファイアからの信号を考慮に入れて咳嗽が検出されたと見做すステップと、
    を含む方法。

Images