TWI822508B - 多維度人工智能聽診裝置 - Google Patents
多維度人工智能聽診裝置 Download PDFInfo
- Publication number
- TWI822508B TWI822508B TW111147275A TW111147275A TWI822508B TW I822508 B TWI822508 B TW I822508B TW 111147275 A TW111147275 A TW 111147275A TW 111147275 A TW111147275 A TW 111147275A TW I822508 B TWI822508 B TW I822508B
- Authority
- TW
- Taiwan
- Prior art keywords
- heart sound
- sound signals
- artificial intelligence
- heart
- dimensional artificial
- Prior art date
Links
- 238000002555 auscultation Methods 0.000 title claims abstract description 58
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 50
- 230000005236 sound signal Effects 0.000 claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 230000003321 amplification Effects 0.000 claims abstract description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 3
- 238000007781 pre-processing Methods 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 239000002033 PVDF binder Substances 0.000 claims description 6
- 229910052451 lead zirconate titanate Inorganic materials 0.000 claims description 6
- 229920002981 polyvinylidene fluoride Polymers 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 229910052751 metal Inorganic materials 0.000 claims description 4
- 239000002184 metal Substances 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 4
- 208000024891 symptom Diseases 0.000 claims description 4
- HFGPZNIAWCZYJU-UHFFFAOYSA-N lead zirconate titanate Chemical compound [O-2].[O-2].[O-2].[O-2].[O-2].[Ti+4].[Zr+4].[Pb+2] HFGPZNIAWCZYJU-UHFFFAOYSA-N 0.000 claims description 3
- 229920000642 polymer Polymers 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims description 3
- 210000001765 aortic valve Anatomy 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 210000003102 pulmonary valve Anatomy 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 210000000591 tricuspid valve Anatomy 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 210000004115 mitral valve Anatomy 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 238000009611 phonocardiography Methods 0.000 description 3
- 230000002861 ventricular Effects 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 2
- 208000008784 apnea Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 208000010125 myocardial infarction Diseases 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000002330 Congenital Heart Defects Diseases 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 230000001746 atrial effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001269 cardiogenic effect Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005831 heart abnormality Effects 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 210000003709 heart valve Anatomy 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 210000000779 thoracic wall Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/02—Stethoscopes
- A61B7/026—Stethoscopes comprising more than one sound collector
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/263—Bioelectric electrodes therefor characterised by the electrode materials
- A61B5/27—Conductive fabrics or textiles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/6804—Garments; Clothes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/02—Stethoscopes
- A61B7/04—Electric stethoscopes
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Acoustics & Sound (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
一種多維度人工智能聽診裝置，該聽診裝置包括：複數個心音感測器，被配置為對應於身體待監測區域不同的心音聽診位置，能同時擷取對應該不同的心音聽診位置的複數個心音訊號；處理單元，由電源供電且電性地耦合該複數個心音感測器，對蒐集到的該複數個心音訊號進行濾波、訊號放大及數位化等預處理；可通訊地耦合一外部計算電子裝置；其中，預處理後的該複數個心音訊號，透過該外部計算電子裝置分析、交叉比對後得到該複數個心音訊號中個別心音訊號之間的關聯性。
Description
本發明涉及聽診裝置相關技術，特別是一種多維度人工智能聽診裝置。
心音檢測設備，例如聽診器或聽診裝置，是透過檢測聲音來診斷器官活動的儀器，電子聽診器是透過將聽頭置於被檢測生物體的相應部位採集心肺等器官活動的聲音，將這些聲音轉換為電訊號，經過放大之後，直接由揚聲器發出聲音，使醫生或相關醫護人員能夠根據相應的聲音訊號確定病因或病灶，並做出正確的診斷。
心臟聽診是傳統身體檢查中評估心臟功能和活動的方式。可聽見的心音是由心臟瓣膜突然關閉或湍流產生的。在健康成人中，兩個正常心音在一個心動週期中依次出現。心音的音高和出現時間遵循一定的規律。
第一心音(S1)出現在心室收縮期的開始，這是由於關閉二尖瓣和三尖瓣(統稱為房室瓣)所致。第二心音(S2)出現在心室舒張期的開始，這是由於主動脈瓣和肺動脈瓣關閉所致。S1是持續時間較長的低音，而S2是持續
時間較短的高音。在正常情況下，S1-S2間期(收縮期)比S2-S1間期(舒張期)短。
透過聽診可以有效診斷多種心臟病，在一些致命的心臟病中，例如急性瓣膜功能障礙，心臟聽診已被證實是成功的、可靠的且成本低廉的早期診斷方式。
心音圖(Phonocardiography,PCG)是一種記錄心音的方法，通過用聽診器在胸壁上的各個部位收集心跳或湍流產生的機械振動；在此過程中，記錄的心音以圖形方式呈現。PCG可以提供心音和雜音的定量和定性資訊。
目前常用的聽診方式是透過聽診器對身體不同部位逐一進行聽診，然而此種聽診方式無法同時對同一器官，例如心臟，比對不同位置的音訊。這種資訊量對於早期發現病灶並提出預警，特別是心臟衰竭、心肌梗塞等心因性疾病，是明顯不足的。
因此，針對上述缺失提出能同時對多點進行身體音訊，例如心音，進行量測之設備及音訊數據分析方式，以得到不同點之間身體音訊的關聯性是有迫切需求的。
本發明的目的在提供一種多維度人工智能聽診裝置。
根據上述目的，本發明提供一種多維度人工智能聽診裝置包括：複數個心音感測器，被配置為對應於身體待監測區域不同的心音聽診位置，能同時擷取對應該不同的心音聽診位置的複數個心音訊號；處理單元，由電源供電且電性地耦合該複數個心音感測器，對蒐集到的該複數個心音訊號進行濾波、訊號放大及數位化等預處理；可通訊地耦合一外部計算電子裝置；其中，預處理後的該複數個心音訊號，透過該外部計算電子裝置分析、交叉比對後得到該複數個心音訊號中個別心音訊號之間的關聯性。
以一實施例而言，上述之複數個心音感測器為形成於軟性基板上之壓電貼片，作為感測因震動而產生之電壓訊號。
以一實施例而言，上述之外部計算電子裝置為智慧型手機或雲端伺服器。
以一實施例而言，上述之壓電貼片包含一壓電材料，且該壓電材料的上下層表面上鍍上可導電的金屬電極。
以一實施例而言，上述之壓電材料為聚偏氟乙烯(PVDF)高分子壓電薄膜。
以一實施例而言，上述之壓電材料為鋯鈦酸鉛(PZT)。
以一實施例而言，上述之處理單元包括：濾波器，電性連接上述複數個心音感測裝置，用於接收來自該複數心音感測裝置的該複數個心音訊號並對其進行濾波；訊號放大器，電性連接該濾波器，用於放大濾波後的該複數個心音訊；類比數位轉換器，電性連接該訊號放大器，用於將濾波與放大後之該複數個心音訊號數位化；微處理器，電性連接該類比數位轉換器，用於接收數位化的該複數個心音訊號並對其進行運算處理以獲得去背景噪音且穩定的預處理的該複數個心音訊號；及其中該微處理器可以執行指令儲存單元將該預處理的該複數個心音訊號儲存於與該微處理器電連接的儲存單元中，或是經由與該微處理器電連接的無線傳輸模組將上述預處理的該複數個心音訊號發送至外部計算電子裝置做進一步分析。
以一實施例而言，其中透過該外部電子計算電子裝置分析、交叉比對上述預處理後的該複數個心音訊號的方法包括：將上述經預處理即數位化之複數個心音訊號，傳送至外部計算電子裝置，透過其處理系統之處理器執行心率分析，比較該複數個心音訊號的心率，以確認正確心跳；將上述確認正確心跳的該複數個心音訊號進行心音訊號切割以及特徵點提取；對上述提取之心音訊號特徵點，透過人工智能(AI)或機器學習等算法進行與資料庫中儲存之先前資料進行AI分類比對以及分析訓練；然後，根據上述分類比對以及分析訓練之結果以確認病徵。
以一實施例而言，上述之人工智能(AI)或機器學習等算法為該外部計算電子裝置可執行的演算程式或應用程式。
以一實施例而言，上述之人工智能(AI)或機器學習等算法包含以下步驟：對輸入之複數個心音訊號進行預濾波以及歸一化處理；提取時域、頻域特徵；採用卷積神經網絡(Covolutioal Neural Networks,CNN)模型或其他類型神經網絡模型(例如RNN/LSTM等)輸出分類結果。
100:多維度人工智能聽診裝置
101:心音感測器
103:硬體模組
101a:壓電材料
101b:金屬
200:多維度人工智能聽診裝置
201:心音感測器
211:心音訊號
213:心音訊號
301:心音感測器
30:使用者
303:外部計算電子裝置
305:雲端網路
307:雲端伺服器
400:多維度人工智能聽診裝置
401:心音感測器
425:微處理器
427:儲存單元
429:無線傳輸模組
429a:天線
431:濾波器
433:訊號放大器
435:類比數位轉換器(ADC)
437:電池組
439:電源管理單元
S501,S503,S505,S507,S509:步驟
[圖1A-圖1B]顯示顯示根據本發明的一個實施例所提，用於多維度人工智能聽診裝置的構造。
[圖2A]顯示醫學上的主要心音聽診區之分布圖。
[圖2B]顯示根據本發明的一個實施例所提出，用於多維度人工智能聽診裝置的複數個心音感測器配置的示意圖。
[圖2C]顯示根據本發明的一個實施例所提出，於呼吸後閉氣之期間內，同時量測到對應於主動脈瓣區(A)與肺動脈瓣區(P)的心音訊號。
[圖3]顯示根據本發明的一個實施例所提出的系統架構圖。
[圖4]顯示根據本發明的一個實施例所提出的多維度人工智能聽診裝置的功能方塊圖。
[圖5]顯示根據本發明的一個實施例所提出，由上述多維度人工智能聽診裝置的複數個聲音感測裝器所同步蒐集之心音訊號，具體之心音數據分析流程。
此處本發明將針對發明具體實施例及其觀點加以詳細描述，此類描述為解釋本發明之結構或步驟流程，其係供以說明之用而非用以限制本發明之申請專利範圍。因此，除說明書中之具體實施例與較佳實施例外，本發明亦可廣泛施行於其他不同的實施例中。以下藉由特定的具體實施例說明本發明之實施方式，熟悉此技術之人士可藉由本說明書所揭示之內容輕易地瞭解本發明之功效性與其優點。且本發明亦可藉由其他具體實施例加以運用及實施，本說明書所闡述之各項細節亦可基於不同需求而應用，且在不悖離本發明之精神下進行各種不同的修飾或變更。
本發明的主要目的在於提供多維度人工智能聽診裝置，用於同時量測不同心臟位置的音訊狀況，互相比對以取得更正確的資訊。
圖1A-圖1B顯示根據本發明的一個實施例所提，用於多維度人工智能聽診裝置100的構造，圖1A為其俯視圖，聽診裝置包括心音感測器101以及由PCB電路板乘載的相應驅動及偵測電路(硬體模組103)；圖1B為其側視圖，PCB電路板上設置有包含處理器、濾波器、A/D轉換器以及其他電子組件，作為收集身體音訊、處理收集到之身體音訊以及傳送處理後之身體音訊至一外部計算電子裝置進行分析。
以一實施例而言，上述心音感測器101為由一壓電材料101a，例如聚偏氟乙烯(PVDF)高分子壓電薄膜、鋯鈦酸鉛(PZT)等材料，其上下層表面上度上可導電的金屬(例如，鋁(Al)、銅(Cu)等)101b，作為電極，形成於軟性基板上之壓電貼片，作為感測因震動而產生之電壓訊號。
根據本發明的實施例，上述聽診裝置可以設計為具有複數個分離式心音感測器或是以陣列形式組成。
圖2A顯示醫學上的心音聽診區，主要區分為五個，即(1)第一主動脈瓣區(A)、(2)肺動脈瓣區(P)、(3)第二主動脈瓣區(Erb)、(4)三尖瓣區(T)、以及(5)二尖瓣區(M)，本發明實施例中，上述複數個心音感測器能夠同時量測多點的音訊，並比對彼此間的音訊關聯性。以圖2B為例，其顯示用於多維度人工智能聽診裝置200的複數個心音感測器201配置的示意圖，圖式中複數個心音感測器201可以同時量測第一主動脈瓣區(A)與肺動脈瓣區(P)的心音訊號；圖2C顯示於呼吸後閉氣之期間內，同時量測到對應於第一主動脈瓣區(A)與肺動脈瓣區(P)的心音訊號，其中心音訊號211為複數個心音感測器於第一主動脈瓣區(A)所量測到的心音訊號，心音訊號213為複數個心音感測器於第一主動脈瓣區(A)所量測到的心音訊號；由同步量測上述兩點位置的心音訊號，可以得到兩個量測位置瓣膜開關的時間差，進而可以得到逆分裂音之時間，可以隨時監控特定病徵訊息並避免心肌哽塞等急性病症。
如圖3所示，多維度人工智能聽診裝置300包含複數個心音感測器301，以監測貼片的形式黏貼於使用者30身上，多維度人工智能聽診裝置300可通
訊地與行動裝置(例如，智慧型手機、平板電腦等外部計算電子裝置)303連接。由多維度人工智能聽診裝置300所蒐集到的心音數據，可以透過無線傳輸(例如，藍芽、WiFi等無線通訊方式)，由行動裝置303經由雲端網路305上傳至雲端伺服器307。在雲端伺服器中，數據將被儲存至雲端數據資料庫中。上述系統還包括安裝在行動裝置中的應用程式，該應用程式包含在多維度人工智能聽診裝置300、行動裝置303和雲端伺服器307之間接收和發送數據的指令。上述應用程式可基於Android、Windows 10或iOS作業系統平台運作，且可以將蒐集到的相關數據/訊號，例如心音訊號以及其波形，上傳到雲端伺服器307以進行儲存，並透過數據分析及特徵提取算法對數據進行分析、運算處理後生成評估報告並據以提供醫療上的建議。
上述多維度人工智能聽診裝置400包含複數個心音感測器401，其功能方塊圖如圖4所示。該多維度人工智能聽診裝置400能夠分別透過複數個心音感測器401從人體獲得身體音訊，並且可以被構造為用於監控生理數據和遠端診斷的聽診裝置。該多維度人工智能聽診裝置400可以接收和發送數據，執行軟體應用，其包括微處理器、儲存單元、無線傳輸模組。
微處理器425可以是微控制器、數位訊號處理器(DSP)、應用專用積體電路(ASIC)、可程式邏輯電路或執行指令以根據本發明執行處理運算的其他數位數據處理裝置。微處理器425可以執行儲存於儲存單元的各種應用程式。
儲存單元427可以包括唯讀記憶體(ROM)、隨機存取記憶體(RAM)、電可抹除可程式ROM(EEPROM)、快閃記憶體或一般用於電腦的任何記憶體。
無線傳輸模組429連接至天線429a，天線429a被構造為透過無線通訊通道發送輸出數據和接收輸入數據。無線電信通道可以為數位無線電信通道，例如WiFi、Bluetooth、RFID、NFC、3G/4G/5G或任何其他未來的無線通訊接口。
上述透過複數個聲音感測器401從人體獲得身體音訊經由濾波器431過濾雜訊再由訊號放大器433放大訊號。經濾波和放大後的身體音訊透過一類比數位轉換器(ADC)435，將類比訊號轉為數位訊號然後由微處理器425進行運算處理以獲得去背景噪音(de-noising)且穩定的心電訊號和身體音訊。微處理器425可以透過指令或程式將上述去背景噪音(de-noising)且穩定的身體音訊儲存於儲存單元中，或是經由無線傳輸模組429發送上述訊號至行動裝置，例如智慧型手機做進一步分析。
電池組437則為多維度人工智能聽診裝置400提供電力，並可以配合電源管理單元439優化電力運用。
上述之訊號放大器433、濾波器431、類比數位轉換器435以及微處理器425可以整合為一積體電路(integrated circuit,IC)作為多維度人工智能聽診裝置400的處理單元425a。
心音訊號可以包括屬於不同訊號段類型的若干段，例如S1段、S2段、S3段、S4段、雜音段，其中S1是由二尖瓣和三尖瓣關閉引起的；S2在主動脈瓣和肺動脈瓣的關閉期間出現；S3是由早期舒張期間的快速心室充盈而引起的；S4作為使血液移入擴張的心室的心房收縮的結果而出現；雜音最可能由血液湍
流造成。S1可以進一步包括由二尖瓣引起的M1和三尖瓣引起的T1，並且S2可以進一步包括由主動脈瓣引起A2和由肺動脈瓣引起的P2。對於健康的個體而言，S3、S4和雜音通常是聽不見。
由於身體音訊，例如心音能有效地反映心臟，尤其是瓣膜活動、血液流動狀況，例如，房室瓣的關閉是產生第一心音的主要因素，半月瓣關閉時產生第二心音的主要成分。許多心血管疾病，尤其是瓣膜類疾病，心音都是重要的診斷信息，因此在臨床上應用非常廣泛。
根據一個實施例，複數個聲音感測器401的輸出端經由訊號放大器、濾波器和類比數位轉換器的處理，將已經去背景噪音及數位化之身體音訊儲存於多維度人工智能聽診裝置400的儲存單元中。
以一實施例而言，由多維度人工智能聽診裝置400的儲存單元中所儲存的數位化之心電訊號和身體音訊可以經由無線傳輸方式將其發送至行動裝置303的處理系統或作為雲端伺服器307執行的計算系統上運行的處理系統進行保存和進一步處理、分析。
以一實施例而言，由上述多維度人工智能聽診裝置400的複數個聲音感測裝器401所同步蒐集之心音訊號，具體之心音數據分析流程如圖5所示；首先於步驟S501，於身體待測區域中的不同心音聽診位置，獲取由多維度人工智能聽診裝置400的複數個聲音感測裝器401所同步蒐集不同心音聽診位置之複數個心音訊號，並進行心音訊號之濾波、放大等預處理及數位化；於步驟S503，將上述經預處理即數位化之複數個心音訊號，傳送至外部計算電子裝置，透過其處
理系統之處理器執行心率分析，比較上述複數個心音訊號的心率，以確認正確心跳；於步驟S505，將上述確認正確心跳的複數個心音訊號進行心音訊號切割以及特徵點提取；接著，於步驟S507，對上述提取之心音訊號特徵點，透過人工智能(AI)或機器學習等算法進行與資料庫中儲存之先前資料AI分類比對以及分析訓練；然後，於步驟S509，根據上述分類比對以及分析訓練之結果以確認病徵。
以一實施例而言，人工智能(AI)或機器學習等算法可以為該外部計算電子裝置可執行的演算程式或應用程式。
以一實施例而言，該外部計算電子裝置可以是行動裝置(例如，智慧型手機)或是雲端伺服器。
以一實施例而言，上述人工智能(AI)或機器學習等算法可以包含以下步驟；對輸入之心音訊號進行預濾波以及歸一化處理，提取時域、頻域特徵，採用卷積神經網絡(Covolutioal Neural Networks,CNN)模型或其他類型神經網絡模型(例如RNN/LSTN等)輸出分類結果，其中RNN為遞歸神經網絡模型(recurrent neural network,RNN)，LSTM為長短期記憶模型(long-short term memory,LSTM)。
本發明的優點在於同步採集不同位置的心音訊號，透過比較各點心率確認正確心跳，利用心音的對應關係實現對心臟情況的初步診斷，降低對專業人員的依賴性，實現自動識別心臟異常並示警，適於家用監控心臟狀態。
在不脫離本實施例的範圍的情況下，可以對上述方法和系統進行改變。因此，應當注意，包含在以上描述中或者在附圖中示出的內容應當被解釋
為說明性的，而不是有限制意義的。這裡，除非另有說明，短語“在實施例中”等同於短語“在某些實施例中”，而不是指所有實施例。所附的權利要求旨在覆蓋這裡描述的所有一般的和特定的特徵，以及就語言而言可以說落在它們之間的本方法和系統的範圍的所有陳述。
301:心音感測器
30:使用者
303:外部計算電子裝置
305:雲端網路
307:雲端伺服器
Claims (10)
- 一種多維度人工智能聽診裝置，該聽診裝置包括：複數個心音感測器，被配置為對應於身體待監測區域不同的心音聽診位置，能同時擷取對應該不同的心音聽診位置的複數個心音訊號；處理單元，由電源供電且電性地耦合該複數個心音感測器，對蒐集到的該複數個心音訊號進行濾波、訊號放大及數位化等預處理；可通訊地耦合一外部計算電子裝置；其中，預處理後的該複數個心音訊號，透過該外部計算電子裝置分析、交叉比對後得到該複數個心音訊號中個別心音訊號之間的關聯性；其中，上述之處理單元包括：濾波器，電性連接該複數個心音感測裝置，用於接收該複數個心音訊號並對其進行濾波；訊號放大器，電性連接該濾波器，用於放大濾波後的該複數個心音訊號；類比數位轉換器，電性連接該訊號放大器，用於將濾波與放大後之該複數個心音訊號數位化；及微處理器，電性連接該類比數位轉換器，用於接收數位化的該複數個心音訊號並對其進行運算處理以獲得去背景噪音且穩定的預處理的該複數個心音訊號。
- 如請求項1所述之多維度人工智能聽診裝置，其中上述之複數個心音感測器為形成於軟性基板上之壓電貼片，作為感測因震動而產生之電壓訊號。
- 如請求項1所述之多維度人工智能聽診裝置，其中上述之外部計算電子裝置為智慧型手機或雲端伺服器。
- 如請求項2所述之多維度人工智能聽診裝置，其中上述之壓電貼片包含一壓電材料，且該壓電材料的上下層表面上鍍上可導電的金屬電極。
- 如請求項4所述之多維度人工智能聽診裝置，其中上述之壓電材料為聚偏氟乙烯(PVDF)高分子壓電薄膜。
- 如請求項4所述之多維度人工智能聽診裝置，其中上述之壓電材料為鋯鈦酸鉛(PZT)。
- 如請求項1所述之多維度人工智能聽診裝置，其中上述之微處理器可以執行指令將該預處理的該複數個心音訊號儲存於與該微處理器電連接的儲存單元中，或是經由與該微處理器電連接的無線傳輸模組將上述預處理的該複數個心音訊號發送至該外部計算裝置做進一步分析。
- 如請求項1所述之多維度人工智能聽診裝置，其中透過該外部電子計算電子裝置分析、交叉比對上述預處理後的該複數個心音訊號的方法包括：將上述經預處理即數位化之複數個心音訊號，傳送至該外部計算電子裝置，透過其處理系統之處理器執行心率分析，比較該複數個心音訊號的心率，以確認正確心跳；將上述確認正確心跳的該複數個心音訊號進行心音訊號切割以及特徵 點提取；對上述提取之心音訊號特徵點，透過人工智能(AI)或機器學習等算法進行與資料庫中儲存之先前資料進行AI分類比對以及分析訓練；然後，根據上述分類比對以及分析訓練之結果以確認病徵。
- 如請求項7所述之多維度人工智能聽診裝置，其中上述之人工智能(AI)或機器學習等算法為該外部計算電子裝置可執行的演算程式或應用程式。
- 如請求項7所述之多維度人工智能聽診裝置，其中上述之人工智能(AI)或機器學習等算法包含以下步驟：對輸入之複數個心音訊號進行預濾波以及歸一化處理；提取時域、頻域特徵；採用卷積神經網絡(Covolutioal Neural Networks,CNN)模型或其他類型神經網絡模型(例如RNN/LSTM等)輸出分類結果。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111147275A TWI822508B (zh) | 2022-12-08 | 2022-12-08 | 多維度人工智能聽診裝置 |
| US18/485,725 US20240188922A1 (en) | 2022-12-08 | 2023-10-12 | Multi-dimensional Artificial Intelligence Auscultation Device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111147275A TWI822508B (zh) | 2022-12-08 | 2022-12-08 | 多維度人工智能聽診裝置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI822508B true TWI822508B (zh) | 2023-11-11 |
| TW202423373A TW202423373A (zh) | 2024-06-16 |
Family
ID=89722664
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW111147275A TWI822508B (zh) | 2022-12-08 | 2022-12-08 | 多維度人工智能聽診裝置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20240188922A1 (zh) |
| TW (1) | TWI822508B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113712522A (zh) * | 2015-03-31 | 2021-11-30 | 长桑医疗（海南）有限公司 | 用于生理特征推导的系统和方法 |
| CN114601492A (zh) * | 2022-03-10 | 2022-06-10 | 重庆大学 | 一种移动便携物联网心肺音听诊系统 |
-
2022
- 2022-12-08 TW TW111147275A patent/TWI822508B/zh active
-
2023
- 2023-10-12 US US18/485,725 patent/US20240188922A1/en active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113712522A (zh) * | 2015-03-31 | 2021-11-30 | 长桑医疗（海南）有限公司 | 用于生理特征推导的系统和方法 |
| CN114601492A (zh) * | 2022-03-10 | 2022-06-10 | 重庆大学 | 一种移动便携物联网心肺音听诊系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20240188922A1 (en) | 2024-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3840642B1 (en) | Systems for determining a physiological or biological state or condition of a subject | |
| US20210259560A1 (en) | Methods and systems for determining a physiological or biological state or condition of a subject | |
| US20190343466A1 (en) | System and Method of Extraction, Identification, Marking and Display of Heart Valve Signals | |
| US11197616B2 (en) | Multisensor physiological monitoring systems and methods | |
| JP4819687B2 (ja) | 特異値分解を使用する聴診音を分析する方法および診断装置 | |
| WO2006079062A1 (en) | Analysis of auscultatory sounds using voice recognition | |
| US20180116626A1 (en) | Heart Activity Detector for Early Detection of Heart Diseases | |
| CN108492890B (zh) | 一种人体健康状态监测系统及方法 | |
| US11751772B2 (en) | System and a method for myocardial performance determination | |
| EP3399905A1 (en) | System and method of extraction, identification, making and display of the heart valve signals | |
| US20230309949A1 (en) | Wearable Heart Sound Detection System and Method Thereof | |
| TWI822508B (zh) | 多維度人工智能聽診裝置 | |
| Balbin et al. | Arrhythmia Detection using Electrocardiogram and Phonocardiogram Pattern using Integrated Signal Processing Algorithms with the Aid of Convolutional Neural Networks | |
| TW202423373A (zh) | 多維度人工智能聽診裝置 | |
| JP7320867B2 (ja) | 医療機器及びプログラム | |
| Low et al. | IoT-enabled heart monitoring device with signal de-noising and segmentation using discrete wavelet transform | |
| US20240188836A1 (en) | Integrated Sensing Device for Heart Sound and ECG Signals | |
| TWI845058B (zh) | 心音與心電訊號的整合感測裝置 | |
| CN112932525B (zh) | 一种肺音异常智能诊断系统、介质及设备 | |
| TWI771077B (zh) | 穿戴式身體音訊擷取裝置及相應監控系統 | |
| US11234630B2 (en) | Cardiac health assessment systems and methods | |
| US11083403B1 (en) | Pulmonary health assessment system | |
| Di Pinto et al. | Health Status Remote Monitoring System: ECG Peaks Detection by Successive Thresholding Algorithm Employing Envelope Function | |
| TW202423364A (zh) | 心音與心電訊號的整合感測裝置 | |
| Udawatta et al. | Knowledge on heart patients through stethoscopic cardiac murmur identification for E-healthcare |