WO2002082967A2 - Dispositif d'aide a l'analyse de bruits adventices - Google Patents

Dispositif d'aide a l'analyse de bruits adventices Download PDF

Info

Publication number
WO2002082967A2
WO2002082967A2 PCT/FR2002/001307 FR0201307W WO02082967A2 WO 2002082967 A2 WO2002082967 A2 WO 2002082967A2 FR 0201307 W FR0201307 W FR 0201307W WO 02082967 A2 WO02082967 A2 WO 02082967A2
Authority
WO
WIPO (PCT)
Prior art keywords
sibilances
noise
adventitious
parameters
frequencies
Prior art date
Application number
PCT/FR2002/001307
Other languages
English (en)
Other versions
WO2002082967A3 (fr
Inventor
Ivan Kehayoff
Georges Kehyayan
Original Assignee
Pneumopartners
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Pneumopartners filed Critical Pneumopartners
Priority to EP02735458A priority Critical patent/EP1381316A2/fr
Priority to JP2002580779A priority patent/JP2004531309A/ja
Priority to US10/475,231 priority patent/US20050033198A1/en
Priority to CA002445241A priority patent/CA2445241A1/fr
Publication of WO2002082967A2 publication Critical patent/WO2002082967A2/fr
Publication of WO2002082967A3 publication Critical patent/WO2002082967A3/fr

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B7/00—Instruments for auscultation
    • A61B7/003—Detecting lung or respiration noise
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network

Definitions

  • the invention relates to a device for the treatment of respiratory noises, such as adventitious noises of the wheezing, large crackling, fine crackling, etc. type.
  • One of the aims of the invention is to improve the device described in application WO00 / 00736, in particular its interface with users in fine, in particular medical personnel, who alone is competent for diagnosis.
  • This adaptation requires in particular an automation of the device, to provide a simple and rapid diagnostic aid, suitable for emergency cases.
  • the invention provides a device for assisting in the analysis of respiratory noise, of the type comprising a working memory capable of storing samples of a signal representing respiratory noise, as well as a calculation module capable of cooperate with the working memory to transform the signal, in time and in frequencies.
  • the device also comprises means for locating, in a transformed signal, at least one component relating to a adventitious noise, and the calculation module is arranged to extract from the transformed signal a set of parameters characterizing this adventitious noise.
  • the aforementioned means are arranged to locate the component representing the adventitious noise in a representation in time and in frequencies of the transformed signal.
  • the device comprises a gripping member, while the means for locating the component are manual.
  • the calculation module is further able to compare values of successive intensities of the transformed signal, in order to locate said component.
  • the calculation module is arranged to compare the intensity values by performing: - a scanning, in frequencies, of the intensities, for different successive instants, while the adventitious noise to be identified is a set of sibilances, and or
  • the parameters characterizing a set of crackles include the number of crackles identified, as well as a time segment and an average intensity in this time segment, for each crackle.
  • these parameters also include a range of frequencies over which each spotted crackler extends.
  • the parameters characterizing a set of sibilances preferably include, for each sibilance, an average frequency during a stable phase of the sibilance, and at least one coefficient of variation linear in frequencies, start and / or end, sibilance.
  • the parameters characterizing a set of sibilances include the number of fundamental sibilances, of lower frequencies.
  • the parameters characterizing a set of sibilances include, for each fundamental sibilance and its harmonic sibilances, the number of harmonic sibilances, as well as an average ratio between the intensities of the harmonic and the intensities of the fundamental.
  • the calculation module is further arranged to compare these parameters with values prerecorded in a stored memory comprising data of parameter sets, each set characterizing at least one adventitious noise, the device further comprising a module d alert to be activated or not depending on the comparison.
  • the parameters characterizing an adventitious noise are successively stored in a stored memory, this stored memory preferably being structured as a database.
  • the device also comprises a telecommunication module for consulting the database remotely.
  • the calculation module for example stored in a read-only memory of the device, is intended to be implemented by a processor that includes, if necessary, the device according to the invention. It can also be presented as a computer program which can be loaded into the device memory from a removable drive. As such, the present invention also relates to a removable support intended to cooperate with a reader of a device of the type described above, and comprising program data for implementing the calculation module.
  • the removable support also comprises prerecorded data of parameters characterizing adventitious noises.
  • FIG. 1 schematically represents an analysis device according to the invention, of noises resulting from a mediated auscultation
  • FIG. 2 is a time-frequency representation of a normal breathing noise (or "vesicular murmur")
  • FIG. 3 is a time-frequency representation of a breathing noise comprising an adventitious noise of the "sibilance" type
  • FIG. 4 is a time-frequency representation of a breathing noise comprising an adventitious noise of the "fine crackling" type
  • FIG. 5 is a time-frequency representation of a breathing noise comprising an adventitious noise of the "big crackling" type
  • FIG. 1 a device for analyzing respiratory noises according to the invention.
  • this device comprises a processing unit (central unit 10), provided with peripheral elements 90 to 97, connected to the central unit.
  • the analysis device comprises a computer equipped with a monitor (screen 90), a printer 91, an input keyboard 93 and a selection member on the screen (or mouse 92 ).
  • a harness 95 worn by the patient PA includes an electronic stethoscope provided with a plurality of sensors 94 (six in the example described). These sensors are arranged to work in a frequency band chosen so as to avoid collecting noises originating from the beating of the heart of the PA patient, as well as friction noises from the harness 95, or others. Typically, this frequency band extends from 100 Hz to approximately 2 kHz.
  • the bandpass filter 96 symbolizes this function. It should be noted that, as a variant, the sensors 94 can work over a wider frequency band, while the connection between the sensors 94 and the central unit 10, or even the central unit itself, comprises means filtering on a limited frequency band, approximately between 100 Hz and 2 kHz.
  • the sound sensors 94 are then arranged to convert an acoustic noise (respiratory noise) into a temporal electrical signal (arrow S).
  • a respiratory flow probe 97 (pneumotachograph in the example described), implanted for example in a mask worn on the face of the patient PA.
  • the probe 97 is then able to identify an instant of start of breathing, for example between an inspiration and an expiration of the patient PA, from a change in sign of the respiratory flow Q.
  • the central unit 10 comprises an interface 1 provided with an Ech sampler (present for example on a sound card), connected to the sensors 94, in order to sample the signal temporal S.
  • Ech sampler present for example on a sound card
  • the samples of signal S are then stored in random access memory 2 (RAM), with a view to processing them by a processing module of the aforementioned type, recorded in read-only memory 4 (ROM) which the unit contains.
  • RAM random access memory 2
  • ROM read-only memory 4
  • the central unit 10 is provided with a microprocessor 3 ( ⁇ P).
  • ⁇ P microprocessor
  • This microprocessor is advantageously capable of working at higher calculation execution rates or of the order of 150 MHz.
  • the spectra resulting from the processing can be recorded on a hard disk of the central unit 10 comprising the read-only memory 4, or also on a removable medium 5, such as a floppy disk, a writable CD-ROM, a magneto-optical disk or other.
  • a communication interface 7 may also be provided, provided with a MODEM link for transmitting the content of the random access memory 2 (processed spectrum) to a remote station, such as a data interpretation station (not shown). .
  • the communication interface 7 can also receive samples of time signals S, originating from the digitization of respiratory noises from a remote patient (not shown), or even spectra already processed, for interpretation.
  • the link 72 between the modem 7 and the RAM 2 of the central unit 10, or even the link 12 between the sound card 1 and the RAM 2 then form, in this example, the input of the aforementioned analysis device .
  • the monitor 90 makes it possible to view the spectra resulting from the abovementioned processing.
  • the input keyboard 93 and the mouse 92 make it possible to modify the time scales and frequencies of the spectra represented, or even to refine the choice of the abovementioned weighting coefficients.
  • CM motherboard 8
  • the monitor 90 is connected to the central unit 10 by a graphics card 6 (link 26), in the usual way.
  • the sound card 1 is controlled to receive a time signal which it samples.
  • the read-only memory comprises a calculation module so that the processor, in cooperation with the read-only memory, is arranged to evaluate a time-frequency transform of the sampled signal, this transform being of the type described in application WO00 / 00736.
  • FIG. 2 describes the spectrum resulting from such a transformation in "time-frequency", from a normal vesicular murmur (respiratory noise without pathology).
  • the different types of hatching are representative of ranges of intensities transformed (respectively increasing) according to a real time scale for which the temporal values are kept, along the abscissa axis and a frequency scale, along the ordinate axis. We do not notice any particular spectral event.
  • This type of rattle is divided into two classes according to whether they are formed by one (monophonic) or several (polyphonic) frequencies.
  • the spectral representation of respiratory noise highlights a monophonic sibilance
  • this spectral representation highlights polyphonic sibilance (at three frequencies in the spectrum represented).
  • FIGS. 4 and 5 describe fine cracklings (FIG. 4) and large cracklings (FIG. 5).
  • pulses C1 to C6 appear, with substantially vertical tendencies, of maximum frequency bordering 1 kHz. These temporally brief events correspond to fine crackles.
  • pulses GC1 to GC8 appear, of frequency limited to approximately 600 Hz and of considerably longer time duration (around 20 ms). When listening, these impulses typically correspond to cracklings.
  • the processing in the context of the present invention begins with the reception of the raw sampled data stored in step 100 (DATA I).
  • steps 102 and 104 provision is made to filter the sounds of the heartbeat.
  • a low-pass filter 102 allows very low frequencies to pass (of the order of a few Hz) while an analyzer 104 locates the frequency of the heartbeats and reconstructs the signal. This signal is subtracted in step 124 from the raw data signal DATA I.
  • step 106 the signal representative of the respiratory noise, containing if necessary adventitious noises (and without noises of heartbeats) is filtered by a bandpass filter, preferably between 50 and 2000 Hz.
  • a signal detector adjusts the respiratory cycle on a standard cycle whose duration is predetermined, in particular as a function of the characteristics of the patient (age, sex, etc.). Such an adjustment advantageously makes it possible to overcome the frequency changes which are due to the durations of inspirations and expirations which are generally variable. We thus detect a beginning of inspiration DI, as well as an end of expiration FE, on which we will come back later.
  • a dynamic compressor / expander adjusts the gain G as a function of the local level, with a chosen time constant (preferably from 0.1 to 0.5 seconds).
  • this time constant is relatively short, so as to enrich the spectra which will be obtained in a subsequent processing.
  • This function thus increases the dynamics of small signals to facilitate the qualitative analysis of the signal. It also makes it possible to obtain a "zoom" effect on the passages of low amplitude, in the measured signals.
  • the time constant is chosen higher, we will obtain a spectral signal whose contrast is higher.
  • a relatively short time constant can be chosen, so as to obtain a rich spectrum, while in a second processing step (in particular when the types of adventitious noises have been identified) a longer time constant can be chosen so as to obtain only preponderant signals, representative of a particular adventitious noise, in the spectra obtained.
  • step 112 After the step of modifying the gain G, data DATA II is recovered in step 112, this data being thus preprocessed.
  • these preprocessed data are stored in the memory of the device, with a view to carrying out a time-frequency transform of the type described in application O00 / 00736 of the Applicant.
  • the device comprises, in an advantageous embodiment, a module 120 for automatic recognition of adventitious noises which are likely to be identified in the spectra obtained after step 114.
  • the module 120 is presented under the form of a computer program stored in the read-only memory of the device and which can be implemented by the processor, with a view to locating the intensity maxima:
  • the module 120 operates by successively scanning the frequencies to locate the sibilances and by scanning the time to locate the crunches.
  • the spectra obtained in step 114 can be displayed on the screen of the device, while a manipulator, by viewing the spectra on the screen, determines whether they are relative adventitious noises to wheezing or crackling.
  • step 116 when the spectrum obtained reveals the presence of wheezes.
  • the pre-processing steps of FIG. 9 are repeated (arrow 122) on new breath noise data, if necessary using a greater time constant in step 110, in order to average the spectra revealing the presence of wheezes, for example on an average of five spectra.
  • This average carried out in step 116 thus makes it possible to smooth the spectra obtained and to identify frequency ranges in which the measured sibilances evolve.
  • the sibilances can be identified on a single spectrum obtained in step 114. Nevertheless, the average of the spectrograms makes it possible to attenuate the non-stationary phenomena, while the stationary phenomena (such as the sibilances ) are affirmed.
  • FIG. 6 represents the modeling of the sibilances which appear on the spectrum of FIG. 3.
  • the non-stationary phenomena are filtered, while only the sibilances are preserved.
  • These sibilances are "linearized" manually from a conventional graphic processing.
  • a statistical treatment establishes, as a function of time, linear regressions of the frequency variations of these sibilances, preferably according to six time ranges, as will be seen below.
  • step 108 by determining an inspiration start time DI and an end expiration time FE, it is also possible to determine an inspiration end time FI, as well as a start time DE expiration, since with reference to FIG. 3, the intensity of the signals detected between FI and DE present an abrupt decrease.
  • the aforementioned statistical processing (for example a computer program capable of statistically managing the time / frequency data calculated in step 114) establishes a first linear regression SU, S21, S31, S41 , as well as a threshold value which is a function of the standard deviation in this regression (for example a multiple of the standard deviation).
  • a second linear regression is calculated S12, S22, S32, S42.
  • This linear regression is again associated with a threshold value which is a function of the standard deviation in this linear regression.
  • the processing continues with the calculation of a third linear regression S13, S23, S33 and S43, when successive points leave significantly the previous linear regression.
  • the aforementioned threshold values can be different according to the first, second or third linear regressions.
  • the practitioner knows that at the beginning of an inspiration or an exhalation (SU, S21, S31, S41), the frequency of a wheezing varies suddenly over time. Then, this frequency stabilizes relatively over time (plates S12, S22, S32 and S42). At the end of an inspiration or an expiration (S13, S23, S33, S43), this frequency varies suddenly again as a function of time (generally decreases rapidly).
  • the inspiration phase has a single sibilance, with three clear phases of start of inspiration, stabilization in frequencies and end of inspiration (with decrease in the frequency of the sibilance) .
  • the expiration phase for its part, has three sibilances, with frequency decreases at first, frequency stabilization thereafter and frequency decreases at the end of expiration.
  • the expiration phase presents a single polyphonic sibilance with one sibilance in the fundamental frequency S4 and two sibilances at harmonic frequencies S2 and S3.
  • a sibilance can conventionally decompose according to a Fourier series of the type:
  • ⁇ 0 is a function of time.
  • this function is linear since the modeling of the frequency variation of the sibilances is preferentially linear in the example, with phases of increase or decrease of frequencies, appreciably linear, and phases where these frequencies are substantially constant.
  • the processing of the device according to the invention advantageously evaluates the coefficients of the linear variation of the frequency in each phase of inspiration or expiration of wheezes. These parameters of linear variation are important data for the diagnosis of the practitioner according to the pathology of the patient, as will be seen further on.
  • the relatively stable phases in frequency Si2 it is preferably provided to average the respective frequencies of the sibilances, in order to store these frequencies averages, while the frequencies of the other phases Sil and Si2 are parameterized according to a linear variation model.
  • the number of sibilances of lower fundamental frequencies (SI and S4 in the example shown) is stored as a parameter representing adventitious noise.
  • Another important parameter is the number of harmonics that a polyphonic sibilance comprises, as well as the ratio of their intensities (average value of each parameter ⁇ of the Fourier series).
  • the processing of the device according to the invention indicates the numerical values of these parameters, for example by displaying them on a display screen of the device.
  • the sound card 1 can cooperate with the processor and this read-only memory, in order to reconstitute an acoustic signal which includes the parameters calculated and stored in the database in the manner described above.
  • provision may be made to store sampled data of a normal vesicular murmur, to which a sound is superimposed, the parameters of which come from the aforementioned database.
  • a set of stored parameters is representative of an associated pathology, and more particularly of a stage known to the practitioner in the evolution of this pathology.
  • each crackling sound is modeled according to its height H in frequency, relative to the vesicular murmur (background noise at approximately 300 Hz), and by the time range L over which this crackling sound extends and which makes it possible to characterize it in terms of "large crackers” or "fine crackers".
  • the number of crackles is advantageously detected, manually or automatically.
  • width L and height H can be stored and listed in a database as "fine crackers” or “large crackers”.
  • an average intensity is assigned to each crackling and this average value is stored with the parameters L and H in the database.
  • a breathing noise comprising adventitious noises of the "crackling" type (configured according to their width, height and number), superimposed on a normal vesicular murmur and , if necessary, to modeled sibilance, if one wishes to listen to a complex breathing noise.
  • another particularly advantageous application consists in operating the device for a patient at home, while the parameters extracted in the manner described above from the measured respiratory noises (variation in the frequency of wheezes, ratio of the intensity of the harmonics , width, height and number of crackles) can be transmitted by a network communication link such as the Internet to a diagnostic station.
  • the diagnostic station is then equipped with a processing module which recomposes the sound thus configured, while the practitioner listens to this sound to establish its diagnosis.
  • the transmission via the communication link is rapid since the transmitted data (parameters of adventitious noises) are much less numerous than untreated sound data which would have been transmitted for listening by the practitioner.
  • the device can compare the measured parameters with parameters stored on a database contained in the memory of the device, while an alarm module (for example an acoustic signal or a visual signal displayed on the screen). screen) is activated if this comparison reveals an advanced stage of the pathology, corresponding, if necessary, to a crisis.
  • an alarm module for example an acoustic signal or a visual signal displayed on the screen. screen
  • the database can be set up as a shared repository targeting a large number of respiratory sounds, which are gradually enriched, in particular under the supervision of specialists and / or experts.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pulmonology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

L'invention concerne un dispositif d'aide à l'analyse de bruits adventices, tels que des sibilances ou des crépitants. Selon l'invention, ces bruits adventices sont repérés sur des représentations spectrales en temps/fréquences et paramétrés selon un jeu de coefficients qui les caractérisent. Ces jeux de coefficients sont stockés en mémoire pour l'élaboration d'une base de données ou encore comparés à des sons synthétisés, à partir de paramètres tirés d'une telle base de données.

Description

Dispositif d'aide à l'analyse de bruits adventices
L'invention concerne un dispositif de traitement de bruits respiratoires, tels que des bruits adventices de type sibilances, gros crépitants, crépitants fins, etc.
La demande internationale publiée WO00/00736, à considérer comme citée par référence dans la présente demande, décrit un dispositif de traitement de bruits respiratoires de ce type, dans le but d' obtenir une représentation en temps et en fréquences d'un signal représentant ce bruit. Comme souligné dans la demande internationale précitée, cette transformation permet de "visualiser" un bruit respiratoire.
Cependant, l'interprétation des spectres temps-fréquences obtenus ne peut être destinée qu' à un personnel techniquement qualifié.
L'un des buts de l'invention est d'améliorer le dispositif décrit dans la demande WO00/00736, en particulier son interface avec les utilisateurs in fine, notamment le personnel médical, seul compétent pour le diagnostic.
Cette adaptation nécessite notamment une automatisation du dispositif, pour fournir une aide au diagnostic simple et rapide, appropriée aux cas d'urgence.
L'invention propose à cet effet un dispositif d'aide à l'analyse de bruits respiratoires, du type comprenant une mémoire de travail capable de stocker des échantillons d'un signal représentant un bruit respiratoire, ainsi qu'un module de calcul capable de coopérer avec la mémoire de travail pour effectuer une transformation du signal, en temps et en fréquences.
Selon une caractéristique générale de l'invention, le dispositif comporte en outre des moyens pour repérer, dans un signal transformé, au moins une composante relative à un bruit adventice, et le module de calcul est agencé pour extraire du signal transformé un jeu de paramètres caractérisant ce bruit adventice.
Avantageusement, les moyens précités sont agencés pour repérer la composante représentant le bruit adventice dans une représentation en temps et en fréquences du signal transformé.
Dans une forme de réalisation, le dispositif comporte un organe de saisie, tandis que les moyens pour repérer là composante sont manuels.
En complément ou en variante, le module de calcul est apte en outre à comparer des valeurs d'intensités successives du signal transformé, pour repérer ladite composante.
Dans cette forme de réalisation, le module de calcul est agencé pour comparer les valeurs d'intensités en effectuant : - un balayage, en fréquences, des intensités, pour différents instants successifs, tandis que le bruit adventice à repérer est un ensemble de sibilances, et/ou
- un balayage, en temps, des intensités, pour différentes fréquences, tandis que le bruit adventice à repérer est un ensemble de crépitants.
Préférentiellement, les paramètres caractérisant un ensemble de crépitants comprennent le nombre de crépitants repérés, ainsi qu'un segment temporel et une intensité moyenne dans ce segment temporel, pour chaque crépitant.
Il est prévu en outre que ces paramètres comprennent aussi une gamme de fréquences sur laquelle s'étend chaque crépitant repéré.
Par ailleurs, les paramètres caractérisant un ensemble de sibilances comprennent préférentiellement, pour chaque sibilance, une fréquence moyenne pendant une phase stable de la sibilance, et au moins un coefficient de variation linéaire en fréquences, de début et/ou de fin, de la sibilance.
Avantageusement, les paramètres caractérisant un ensemble de sibilances comprennent le nombre de sibilances fondamentales, de plus basses fréquences.
Pour caractériser notamment des sibilances polyphoniques, les paramètres caractérisant un ensemble de sibilances compren- nent, pour chaque sibilance fondamentale et ses sibilances harmoniques, le nombre de sibilances harmoniques, ainsi qu'un rapport moyen entre les intensités de l'harmonique et les intensités de la fondamentale.
Dans une réalisation préférée, le module de calcul est agencé en outre pour comparer ces paramètres avec des valeurs préenregistrées dans une mémoire rangée comprenant des données de jeux de paramètres, chaque jeu caractérisant au moins un bruit adventice, le dispositif comportant en outre un module d'alerte propre à être activé ou non en fonction de la comparaison.
Dans une variante de cette réalisation, les paramètres caractérisant un bruit adventice sont successivement stockés dans une mémoire rangée, cette mémoire rangée étant préféren- tiellement structurée comme une base de données.
Dans une réalisation avantageuse, le dispositif comporte en outre un module de télécommunication pour consulter à distance la base de données.
Le module de calcul, par exemple stocké dans une mémoire morte du dispositif, est destiné à être mis en oeuvre par un processeur que comporte, le cas échéant, le dispositif selon l'invention. Il peut se présenter aussi comme un programme informatique qui peut être chargé en mémoire du dispositif à partir d'un lecteur amovible. A ce titre, la présente invention vise aussi un support amovible destiné à coopérer avec un lecteur d'un dispositif du type décrit ci-avant, et comprenant des données de programmes pour mettre en oeuvre le module de calcul.
Dans une réalisation avantageuse, le support amovible comprend en outre des données préenregistrées de paramètres caractérisant des bruits adventices.
D'autres avantages et caractéristiques de la présente invention apparaîtront à l'examen de la description détaillée ci-après et des dessins annexés, sur lesquels :
- la figure 1 représente schématiquement un dispositif d'analyse selon l'invention, de bruits issus d'une auscultation médiate,
- la figure 2 est une représentation temps-fréquence d'un bruit de respiration normale (ou "murmure vésiculaire") ,
- la figure 3 est une représentation temps-fréquence d'un bruit de respiration comportant un bruit adventice de type "sibilances",
- la figure 4 est une représentation temps-fréquence d'un bruit de respiration comportant un bruit adventice de type "crépitants fins",
- la figure 5 est une représentation temps-fréquence d'un bruit de respiration comportant un bruit adventice de type "gros crépitant",
Les dessins contiennent pour l'essentiel des éléments de caractère certain. Ils pourront non seulement servir à mieux faire comprendre la présente invention, mais aussi contribuer à sa définition, le cas échéant. On se réfère tout d'abord à la figure 1 pour décrire, à titre d'exemple, un dispositif d'analyse de bruits respiratoires selon l'invention. Globalement, ce dispositif comporte une unité de traitement (unité centrale 10), munie d'éléments périphériques 90 à 97, connectés à l'unité centrale. Dans l'exemple représenté sur la figure 1, le dispositif d'analyse comporte un ordinateur équipé d'un moniteur (écran 90), une imprimante 91, un clavier de saisie 93 et un organe de sélection à l'écran (ou souris 92).
Par ailleurs, un harnais 95 que porte le patient PA comporte un stéthoscope électronique muni d'une pluralité de capteurs 94 (six dans l'exemple décrit). Ces capteurs sont agencés pour travailler dans une bande de fréquences choisie de manière à éviter de recueillir des bruits issus du battement du coeur du patient PA, ainsi que des bruits de frottement du harnais 95, ou autres. Typiquement, cette bande de fréquences s'étend de 100 Hz à environ 2 kHz. Le filtre passe-bande 96 symbolise cette fonction. Il est à noter qu'en variante, les capteurs 94 peuvent travailler sur une bande de fréquences plus large, tandis que la liaison entre les capteurs 94 et l'unité centrale 10, ou encore l'unité centrale elle-même, comportent des moyens de filtrage sur une bande de fréquences limitée, environ entre 100 Hz et 2 kHz. Les capteurs sonores 94 sont alors agencés pour convertir un bruit acoustique (bruit respiratoire) en un signal électrique temporel (flèche S) .
Il peut être prévu en outre une sonde de débit respiratoire 97 (pneumotachographe dans l'exemple décrit), implantée par exemple dans un masque que porte le visage du patient PA. La sonde 97 est alors apte à repérer un instant de départ de respiration, par exemple entre une inspiration et une expiration du patient PA, à partir d'un changement de signe du débit respiratoire Q.
L'unité centrale 10 comporte une interface 1 munie d'un échantillonneur Ech (présent par exemple sur une carte son) , reliée au capteurs 94, en vue d'échantillonner le signal temporel S. En particulier, selon le théorème de Shannon, il est préférable d'utiliser une fréquence d'échantillonnage supérieure à deux fois la fréquence maximale du signal utile, de manière à éviter des phénomènes de repliement. Les échantillons du signal S (multiplicité d'intensités précitée) sont ensuite stockés en mémoire vive 2 (RAM) , en vue de les traiter par un module de traitement du type précité, enregistré en mémoire morte 4 (ROM) que comporte l'unité centrale 10.
Pour effectuer les traitements des échantillons par calcul, l'unité centrale 10 est munie d'un microprocesseur 3 (μP) . Ce microprocesseur est avantageusement capable de travailler à des cadences d'exécution de calcul supérieures ou de l'ordre de 150 MHz. Les spectres issus du traitement peuvent être enregistrés dans un disque dur de l'unité centrale 10 comportant la mémoire morte 4, ou encore sur un support amovible 5, tel qu'une disquette, un CD-ROM inscriptible, un disque magnéto-optique ou autre. Il peut être prévu en outre une interface de communication 7, munie d'une liaison MODEM pour transmettre le contenu de la mémoire vive 2 (spectre traité) vers une station distante, telle qu'une station d'interprétation de données (non représentée) . L'interface de communication 7 peut en outre recevoir des échantillons de signaux temporels S, issus de la numérisation de bruits respiratoires d'un patient à distance (non représenté), ou encore des spectres déjà traités, pour interprétation.
La liaison 72 entre le modem 7 et la mémoire vive 2 de l'unité centrale 10, ou encore la liaison 12 entre la carte son 1 et la mémoire vive 2 forment alors, dans cet exemple, l'entrée du dispositif d'analyse précitée.
Le moniteur 90, ainsi que l'imprimante 91, que comporte en outre le dispositif d'analyse, permettent de visualiser les spectres issus du traitement précité. Le clavier de saisie 93 et la souris 92 permettent de modifier les échelles de temps et fréquences des spectres représentés, ou encore pour d'affiner le choix des coefficients de pondération précités. Généralement, la plupart des liaisons entre les différents éléments de l'unité centrale 10, ainsi que les liaisons avec les périphériques, sont pilotées par une carte-mère 8 (CM) . En vue de préserver la clarté de la figure 1, les liaisons entre la carte-mère 8 et les éléments de 1 '.unité centrale 10 n'ont pas été représentées. Il est à noter cependant que le moniteur 90 est relié à l'unité centrale 10 par une carte graphique 6 (liaison 26), de façon habituelle.
La carte son 1 est pilotée pour recevoir un signal temporel qu'elle échantillonne. La mémoire morte comprend un module de calcul de sorte que le processeur, en coopération avec la mémoire morte, est agencé pour évaluer une transformée temps- fréquence du signal échantillonné, cette transformée étant du type décrit dans la demande WO00/00736.
A ce titre, cette demande WO00/00736 est, ici, citée par référence, à toutes fins utiles.
On se réfère alors à la figure 2 pour décrire le spectre issu d'une telle transformation en "temps-fréquence", d'un murmure vésiculaire normal (bruit respiratoire sans pathologie) . Les différents types de hachures (obliques, horizontales, croisées) sont représentatifs de gammes d'intensités trans- formées (respectivement croissantes) en fonction d'une échelle de temps réel pour laquelle les valeurs temporelles sont conservées, suivant l'axe des abscisses et d'une échelle de fréquences, suivant l'axe des ordonnées. On ne remarque alors aucun événement spectral particulier.
En revanche, le spectre "temps-fréquences" représenté sur la figure 3 met en évidence sensiblement quatre sibilances qui sont des bruits continus d'une durée généralement supérieure ou égale à 125ms :
- une première courbe Si de 0 à 0,7s environ, avec une fréquence stabilisée autour de 1,15 kHz, - une seconde courbe S2 entre 1,4s et 2,7s, de fréquence moyenne voisine de 0,75 kHz,
- une troisième courbe S3 qui s'étend d'environ 1,6s à 2,5s et de fréquence moyenne voisine de 0,55 kHz, et
- une quatrième courbe S4 entre 2s et 2,5s, de fréquence moyenne voisine de 0,20 kHz.
Ce type de râle est divisé en deux classes suivant qu'elles sont formées de une (monophoniques) ou plusieurs (polyphoniques) fréquences. Ainsi, entre 0 et 0,7s (partie gauche du spectre de la figure 7), la représentation spectrale du bruit respiratoire met en évidence une sibilance monophonique, tandis qu'entre 1,3s et 2,5s, cette représentation spectrale met en évidence une sibilance polyphonique (à trois fréquences dans le spectre représenté) .
Un autre type de bruit adventice (ou râle) concerne les craquements qui sont des bruits adventices discontinus. La durée de ces bruits ne dépasse guère 20ms, de façon générale.
On se réfère aux figures 4 et 5 pour décrire des crépitants fins (figure 4) et des gros crépitants (figure 5) . Sur la figure 4, apparaissent des impulsions Cl à C6, à tendances sensiblement verticales, de fréquence maximale avoisinant 1 kHz. Ces événements temporellement brefs correspondent à des crépitants fins. Sur la figure 5, apparaissent des impulsions GC1 à GC8, de fréquence limitées à environ 600 Hz et de durée temporelle sensiblement plus grandes (avoisinant 20ms). A l'écoute, ces impulsions correspondent typiquement à des crépitements.
En se référant à la figure 9, le traitement dans le cadre de la présente invention commence par la réception des données échantillonnées, brutes, stockées à l'étape 100 (DATA I). Avantageusement, aux étapes 102 et 104, il est prévu de filtrer les bruits du battement de coeur. Dans ce but, un filtre passe-bas 102 laisse passer les très basses fréquences (de l'ordre de quelques Hz) tandis qu'un analyseur 104 repère la fréquence des battements de coeur et en reconstitue le signal. Ce signal est retranché à l'étape 124 du signal de données brutes DATA I .
A l'étape 106, le signal représentatif du bruit respiratoire, contenant le cas échéant des bruits adventices (et sans bruits de battements de coeur) est filtré par un filtre passe-bande, préférentiellement entre 50 et 2000 Hz.
A l'étape 108, un détecteur de signal ajuste le cycle respiratoire sur un cycle standard dont la durée est prédéterminée, notamment en fonction des caractéristiques du patient (âge, sexe, etc) . Un tel ajustement permet avantageu- sèment de s'affranchir des changements de fréquences qui sont dues au durées d'inspirations et d'expirations qui sont généralement variables. On détecte ainsi un début d'inspiration DI, ainsi qu'une fin d'expiration FE, sur lesquels on reviendra plus loin.
A l'étape 110, un compresseur/expandeur de dynamique ajuste le gain G en fonction du niveau local, avec une constante de temps choisie (préférentiellement de 0,1 à 0,5 secondes). Avantageusement, cette constante de temps est relativement courte, de manière à enrichir les spectres qui seront obtenus dans un traitement ultérieur. Cette fonction permet d'accroître ainsi la dynamique des petits signaux afin de faciliter l'analyse qualitative du signal. Elle permet en outre d'obtenir un effet de "zoom" sur les passages de faible amplitude, dans les signaux mesurés. D'un autre côté, si la constante de temps est choisie plus élevée, on obtiendra un signal spectral dont le contraste est plus élevé. C'est ainsi que dans une première analyse, il peut être choisi une constante de temps relativement courte, de manière à obtenir un spectre riche, tandis que dans une seconde étape de traitement (notamment lorsque les types de bruits adventices ont été repérés) une constante de temps plus longue peut être choisie de manière à n'obtenir que des signaux prépondérants, représentatifs d'un bruit adventice particulier, dans les spectres obtenus.
Après l'étape de modification du gain G, on récupère des données DATA II à l'étape 112, ces données étant ainsi prétraitées .
En se référant à la figure 10, ces données pré-traitées sont stockées en mémoire du dispositif, en vue d'effectuer une transformée temps-fréquence du type décrit dans la demande O00/00736 de la Demanderesse. Après cette étape de transformation 114, le dispositif comporte, dans une réalisation avantageuse, un module 120 de reconnaissance automatique des bruits adventices qui sont susceptibles d'être repérés dans les spectres obtenus après l'étape 114. Préférentiellement, le module 120 se présente sous la forme d'un programme informatique stocké dans la mémoire morte du dispositif et qui peut être mise en oeuvre par le processeur, en vue de repérer les maxima d'intensité :
- en fonction du temps, et à fréquence constante pour repérer des craquements (gros crépitants ou crépitants fins) ; et
- en fonction des fréquences, et à un temps constant, en vue de repérer des sibilances.
Ainsi, le module 120 opère en balayant successivement les fréquences pour repérer les sibilances et en balayant le temps pour repérer les craquements.
Dans une variante moins élaborée, les spectres obtenus à l'étape 114 peuvent être affichés sur l'écran du dispositif, tandis qu'un manipulateur, en visualisant les spectres à l'écran, détermine s'il s'agit de bruits adventices relatifs à une sibilance ou à des craquements.
Le traitement se poursuit à l'étape 116, lorsque le spectre obtenu révèle la présence de sibilances. Préférentiellement, à l'étape 116, les étapes de pré-traitement de la figure 9 sont réitérées (flèche 122) sur des nouvelles données de bruits respiratoires, le cas échéant en utilisant une constante de temps plus grande à l'étape 110, et ce, afin de moyenner les spectres révélant la présence de sibilances, par exemple sur une moyenne de cinq spectres. Cette moyenne effectuée à l'étape 116 permet ainsi de lisser les spectres obtenus et repérer des plages de fréquences dans lesquelles évoluent les sibilances mesurées.
Bien entendu, dans une variante moins élaborée, les sibilances peuvent être repérées sur un seul spectre obtenu à l'étape 114. Néanmoins, la moyenne des spectrogrammes permet d'atténuer les phénomènes non stationnaires, tandis que les phénomènes stationnaires (tels que les sibilances) sont affirmés.
Par ailleurs, à l'étape 118 et lorsque des craquements (gros crépitants ou crépitants fins) sont repérés, les opérations de pré-traitement de la figure 9 peuvent être réitérés, par exemple, une seule fois, avec une constante de temps plus élevée, de manière à contraster le spectre obtenu à l'étape 114, le cas échéant. Dans ce cas, on recherchera à quantifier le nombre de phénomènes non stationnaires observés, par exemple le nombre de crépitants, leur hauteur en fréquence, leur largeur dans le temps, leur intensité, etc.
La figure 6 représente la modélisation des sibilances qui apparaissent sur le spectre de la figure 3. Lorsque plusieurs spectres sont moyennes à l'étape 116, les phénomènes non stationnaires sont filtrés, tandis que seules les sibilances sont conservées. Ces sibilances sont "linéarisées" manuellement à partir d'un traitement graphique conventionnel.
Dans une variante plus élaborée, un traitement statistique établit, en fonction du temps, des régressions linéaires des variations fréquentielles de ces sibilances, préférentielle- ent selon six plages temporelles, comme on le verra ci- après. Avantageusement, à l'étape 108, en déterminant un instant de début d'inspiration DI et un instant de fin d'expiration FE, il est possible aussi de déterminer un instant de fin d'inspiration FI, ainsi qu'un instant de début d'expiration DE, puisqu'en se référant à la figure 3, l'intensité des signaux détectés entre FI et DE présentent une diminution abrupte .
Dans chaque plage temporelle DI-FI et DE-FE, le traitement statistique précité (par exemple un programme informatique capable de gérer statistiquement les données temps/fréquence calculées à l'étape 114) établit une première régression linéaire SU, S21, S31, S41, ainsi qu'une valeur seuil qui est fonction de l'écart type dans cette régression (par exemple un multiple de l'écart-type). Lorsque le traitement statistique détecte une pluralité de points successifs qui sortent de la régression de façon significative (en fonction de la valeur seuil précitée) , une seconde régression linéaire est calculée S12, S22, S32, S42. A cette régression linéaire est associée à nouveau une valeur seuil qui est fonction de l'écart-type dans cette régression linéaire. Le traitement se poursuit par le calcul d'une troisième régression linéaire S13, S23, S33 et S43, lorsque des points successifs sortent significativement de la régression linéaire précédente.
Bien entendu, les valeurs seuil précitées peuvent être différentes selon les première, seconde ou troisième régressions linéaires. Typiquement, le praticien sait qu'au début d'une inspiration ou d'une expiration (SU, S21, S31, S41) , la fréquence d'une sibilance varie brutalement dans le temps. Ensuite, cette fréquence se stabilise relativement dans le temps (plateaux S12, S22, S32 et S42). A la fin d'une inspiration ou d'une expiration (S13, S23, S33, S43) , cette fréquence varie à nouveau brutalement en fonction du temps (décroît rapidement en général) .
Le traitement statistique permet avantageusement de repérer ces trois phases pour les différentes sibilances détectées. Dans l'exemple représenté sur la figure 6, la phase d'inspiration présente une unique sibilance, avec trois phases nettes de début d'inspiration, de stabilisation en fréquences et de fin d'inspiration (avec décroissance de la fréquence de la sibilance). La phase d'expiration présente, quant à elle, trois sibilances, avec des décroissances de fréquences dans un premier temps, une stabilisation en fréquences ensuite et des décroissances en fréquences en fin d' expiration.
Plus précisément, la phase d'expiration présente une unique sibilance polyphonique avec une sibilance dans la fréquence fondamentale S4 et deux sibilances à des fréquences harmoniques S2 et S3.
Une sibilance peut classiquement se décomposer selon une série de Fourier du type :
S(t) = sin(ω0.t) + ΣA±. sin (i.ω0. t)
Dans cette expression, ω0 est une fonction du temps. Dans l'exemple représenté sur la figure 6, cette fonction est linéaire puisque la modélisation de la variation fréquen- tielle des sibilances est préférentiellement linéaire dans l'exemple, avec des phases de croissance ou de décroissance de fréquences, sensiblement linéaires, et des phases où ces fréquences sont sensiblement constantes.
Le traitement du dispositif selon l'invention évalue avanta- geusement les coefficients de la variation linéaire de la fréquence dans chaque phase d'inspiration ou d'expiration des sibilances. Ces paramètres de variation linéaire sont des données importantes pour le diagnostic du praticien en fonction de la pathologie du patient, comme on le verra plus loin.
Pendant les phases relativement stables en fréquence Si2, il est préférentiellement prévu de moyenner les fréquences respectives des sibilances, en vue de stocker ces fréquences moyennes, tandis que les fréquences des autres phases Sil et Si2 sont paramétrées selon un modèle de variation linéaire.
Le nombre de sibilances de fréquences fondamentales les plus basses (SI et S4 dans l'exemple représenté) est stocké en tant que paramètre représentant le bruit adventice.
Un autre paramètre important est le nombre d'harmoniques que comporte une sibilance polyphonique, ainsi que le rapport de leurs intensités (valeur moyenne de chaque paramètre Α de la série de Fourier) . Le traitement du dispositif selon l'invention indique 'les valeurs numériques de ces paramètres, par exemple en les affichant sur un écran de visualisation du dispositif.
Par ailleurs, il est prévu de mémoriser ces paramètres dans une mémoire morte du dispositif, en vue de constituer une base de données. A partir de ces paramètres, la carte son 1 peut coopérer avec le processeur et cette mémoire morte, en vue de reconstituer un signal acoustique qui comporte les paramètres calculés et stockés dans la base de données de la manière décrite ci-avant.
Par exemple, il peut être prévu de stocker des données échantillonnées d'un murmure vésiculaire normal, auxquelles se superpose un son dont les paramètres sont issus de la base de données précitée.
Lors du stockage des paramètres dans la mémoire morte ROM du dispositif, cette mémoire étant rangée et structurée selon la base de données précitée, un jeu de paramètres stockés est représentatif d'une pathologie associée, et plus particulièrement d'un stade connu du praticien dans l'évolution de cette pathologie.
On se réfère maintenant aux figures 7 et 8 pour décrire la modélisation des craquements (crépitants fins à la figure 7 et gros crépitants à la figure 8) . A la fin de l'étape 118, il est prévu dans le dispositif un module de traitement capable de repérer les maxima en fréquences dans les intensités mesurées, pour chaque crépitant, ainsi qu'une largeur moyenne L du crépitant, qui correspond à une plage temporelle sur laquelle s'étend ce crépitant. Ainsi, chaque crépitant est modélisé selon sa hauteur H en fréquence, par rapport au murmure vésiculaire (bruit de fond à environ 300 Hz) , et par la plage temporelle L sur laquelle s'étend ce crépitant et qui permet de le caractériser en termes de "gros crépitants" ou "crépitants fins".
Le nombre de crépitants est avantageusement détecté, manuellement ou automatiquement.
Le praticien peut, ici encore, établir un diagnostic à partir de ces données (nombre de crépitants dans un cycle respiratoire, largeur moyenne L des crépitants et hauteur en fréquences) .
De plus, les paramètres de ces crépitants (largeur L et hauteur H) peuvent être stockés et répertoriés dans une base de données en tant que "crépitants fins" ou "gros crépitants" .
Préférentiellement, dans les rectangles de modélisation des crépitants qui sont représentés sur les figures 7 et 8, une intensité moyenne est attribuée à chaque crépitant et cette valeur moyenne est stockée avec les paramètres L et H dans la base de données.
Inversement, en utilisant les paramètres stockés dans cette base de données, il est possible de recréer un bruit respiratoire comprenant des bruits adventices de type "crépitants" (paramétrés selon leur largeur, leur hauteur et leur nombre) , superposés à un murmure vésiculaire normal et, le cas échéant, à des sibilances modélisées, si l'on souhaite écouter un bruit respiratoire complexe. Bien entendu, une autre application particulièrement avantageuse consiste à faire fonctionner le dispositif pour un patient à domicile, tandis que les paramètres extraits de la façon décrite ci-avant des bruits respiratoires mesurés (variation de fréquence des sibilances, rapport de l'intensité des harmoniques, largeur, hauteur et nombre de craquements) peuvent être transmis par une liaison de communication en réseau de type Internet à un poste de diagnostic. Le poste de diagnostic est alors équipé d'un module de traitement qui recompose le son ainsi paramétré, tandis que le praticien écoute ce son pour établir son diagnostic.
Dans cette réalisation, la transmission par la liaison de communication est rapide puisque les données transmises (paramètres des bruits adventices) sont beaucoup moins nombreuses que des données de son non traité qui auraient été transmises pour l'écoute par le praticien.
Dans une variante, le dispositif peut comparer les paramètres mesurés avec des paramètres stockés sur une base de données que comporte la mémoire du dispositif, tandis qu'un module d' alarme (par exemple un signal acoustique ou un signal visuel s' affichant à l'écran) est activé si cette comparaison révèle un stade avancé de la pathologie, correspondant, le cas échéant, à une crise.
La base de données peut être aménagée comme un référentiel partagé visant un grand nombre de bruits respiratoires, ceux- ci étant progressivement enrichis, en particulier sous contrôle de spécialistes et/ou experts.
Bien entendu, la présente invention ne se limite pas à la forme de réalisation décrite ci-avant à titre d'exemple ; elle s'étend à d'autres variantes qui restent néanmoins définies dans le cadre des revendications ci-après.

Claims

Revendications
1. Dispositif d'aide à l'analyse de bruits respiratoires, du type comprenant une mémoire de travail (2) capable de stocker des échantillons d'un signal représentant un bruit respiratoire, ainsi qu'un module de calcul (4,3) capable de coopérer avec la mémoire de travail pour effectuer une transformation du signal (114), en temps et en fréquences, caractérisé en ce qu'il comporte en outre des moyens (4,3,120) pour repérer, dans un signal transformé, au moins une composante relative à un bruit adventice (Si;Ci;GCi) , et en ce que le module de calcul est agencé pour extraire du signal transformé un jeu de paramètres (Ai,ω0;H,L) caractérisant ce bruit adventice.
2. Dispositif selon la revendication 1, caractérisé en ce que lesdits moyens sont agencés pour repérer la composante représentant le bruit adventice dans une représentation (fig.3, fig.4, fig.5) en temps et en fréquences du signal transformé.
3. Dispositif selon la revendication 2, caractérisé en ce qu'il comporte un organe de saisie (92,93), tandis que les moyens pour repérer la composante sont manuels.
4. Dispositif selon l'une des revendications 1 et 2, caractérisé en ce que le module de calcul est apte en outre à comparer (120) des valeurs d'intensités successives du signal transformé, pour repérer ladite composante.
5. Dispositif selon la revendication 4, caractérisé en ce que le module de calcul (120) est agencé pour comparer les valeurs d'intensités en effectuant :
- un balayage, en fréquences, des intensités, pour différents instants successifs, tandis que le bruit adventice à repérer est un ensemble de sibilances, et/ou
- un balayage, en temps, des intensités, pour différentes fréquences, tandis que le bruit adventice à repérer est un ensemble de crépitants.
6. Dispositif selon l'une des revendications précédentes, caractérisé en ce que les paramètres caractérisant un ensemble de crépitants comprennent le nombre de crépitants repérés, ainsi qu'un segment temporel (L) et, de préférence, une intensité moyenne dans ce segment temporel, pour chaque crépitant.
7. Dispositif selon la revendication 6, caractérisé en ce que les paramètres comprennent en outre une gamme de fréquences (H) sur laquelle s'étend chaque crépitant repéré.
8. Dispositif selon l'une des revendications précédentes, caractérisé en ce que les paramètres caractérisant un ensemble de sibilances comprennent, pour chaque sibilance, une fréquence moyenne pendant une phase stable de la sibilante (Si2), et au moins un coefficient de variation linéaire en fréquences, de début (Sil) et/ou de fin (Si3), de la sibilance.
9. Dispositif selon l'une des revendications précédentes, caractérisé en ce que les paramètres caractérisant un ensemble de sibilances comprennent le nombre de sibilances fondamentales-, de plus basses fréquences (S1,S4).
10. Dispositif selon l'une des revendications précédentes, caractérisé en ce que les paramètres caractérisant un ensemble de sibilances comprennent, pour chaque sibilance fondamentale (S4) et ses sibilances harmoniques (S2,S3), le nombre de sibilances harmoniques, ainsi qu'un rapport moyen (Ai) entre les intensités de l'harmonique et les intensités de la fondamentale.
11. Dispositif selon l'une des revendications précédentes, caractérisé en ce que le module de calcul est agencé en outre pour comparer lesdits paramètres avec des valeurs préenregistrées dans une mémoire rangée (ROM) comprenant des données de jeux de paramètres, chaque jeu caractérisant au .moins un bruit adventice, et en ce que le dispositif comporte en outre un module d'alerte propre à être activé ou non en fonction de la comparaison.
12. Dispositif selon l'une des revendications 1 à 10, caractérisé en ce que les paramètres caractérisant un bruit adventice sont successivement stockés dans une mémoire rangée (4) .
13. Dispositif selon l'une des revendications 11 et 12, caractérisé en ce que la mémoire rangée (4) est structurée comme une base de données.
14. Dispositif selon la revendication 13, caractérisé en ce qu'il comporte en outre un module de télécommunication
(MODEM) pour consulter à distance la base de données.
15. Support amovible destiné à coopérer avec un lecteur (5) d'un dispositif selon l'une des revendications précédentes, caractérisé en ce qu'il comprend des données de programmes pour mettre en oeuvre le module de calcul.
16. Support amovible selon la revendication 14, caractérisé en ce qu'il comprend en outre des données préenregistrées de paramètres (Ai,ω0;H, L) caractérisant des bruits adventices.
PCT/FR2002/001307 2001-04-18 2002-04-16 Dispositif d'aide a l'analyse de bruits adventices WO2002082967A2 (fr)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP02735458A EP1381316A2 (fr) 2001-04-18 2002-04-16 Dispositif d'aide a l'analyse de bruits adventices
JP2002580779A JP2004531309A (ja) 2001-04-18 2002-04-16 副雑音の分析支援装置
US10/475,231 US20050033198A1 (en) 2001-04-18 2002-04-16 Device for assistance in the analysis of adventitious sounds
CA002445241A CA2445241A1 (fr) 2001-04-18 2002-04-16 Dispositif d'aide a l'analyse de bruits adventices

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR0105256A FR2823660A1 (fr) 2001-04-18 2001-04-18 Dispositif d'aide a l'analyse de bruits adventices
FR01/05256 2001-04-18

Publications (2)

Publication Number Publication Date
WO2002082967A2 true WO2002082967A2 (fr) 2002-10-24
WO2002082967A3 WO2002082967A3 (fr) 2003-01-03

Family

ID=8862441

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2002/001307 WO2002082967A2 (fr) 2001-04-18 2002-04-16 Dispositif d'aide a l'analyse de bruits adventices

Country Status (6)

Country Link
US (1) US20050033198A1 (fr)
EP (1) EP1381316A2 (fr)
JP (1) JP2004531309A (fr)
CA (1) CA2445241A1 (fr)
FR (1) FR2823660A1 (fr)
WO (1) WO2002082967A2 (fr)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006013647A1 (fr) * 2004-08-05 2006-02-09 National University Corporation Hamamatsu University School Of Medicine Stethoscope visuel, procede d’affichage d’images de celui-ci et programme d’affichage d’images de celui-ci
US8335992B2 (en) 2009-12-04 2012-12-18 Nellcor Puritan Bennett Llc Visual indication of settings changes on a ventilator graphical user interface
US8443294B2 (en) 2009-12-18 2013-05-14 Covidien Lp Visual indication of alarms on a ventilator graphical user interface
US8453645B2 (en) 2006-09-26 2013-06-04 Covidien Lp Three-dimensional waveform display for a breathing assistance system
JP2013123494A (ja) * 2011-12-13 2013-06-24 Sharp Corp 情報解析装置、情報解析方法、制御プログラム、および、記録媒体
US8555881B2 (en) 1997-03-14 2013-10-15 Covidien Lp Ventilator breath display and graphic interface
JP2014050672A (ja) * 2012-08-09 2014-03-20 Jvc Kenwood Corp 呼吸音分析装置、呼吸音分析方法および呼吸音分析プログラム
US8924878B2 (en) 2009-12-04 2014-12-30 Covidien Lp Display and access to settings on a ventilator graphical user interface
US9119925B2 (en) 2009-12-04 2015-09-01 Covidien Lp Quick initiation of respiratory support via a ventilator user interface
US9262588B2 (en) 2009-12-18 2016-02-16 Covidien Lp Display of respiratory data graphs on a ventilator graphical user interface
US9950129B2 (en) 2014-10-27 2018-04-24 Covidien Lp Ventilation triggering using change-point detection
US10362967B2 (en) 2012-07-09 2019-07-30 Covidien Lp Systems and methods for missed breath detection and indication
US10582880B2 (en) 2006-04-21 2020-03-10 Covidien Lp Work of breathing display for a ventilation system
US11672934B2 (en) 2020-05-12 2023-06-13 Covidien Lp Remote ventilator adjustment

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1622512B1 (fr) * 2003-04-10 2013-02-27 Adidas AG Systemes et procedes de detection d'evenements respiratoires
US8920343B2 (en) 2006-03-23 2014-12-30 Michael Edward Sabatino Apparatus for acquiring and processing of physiological auditory signals
US20080139893A1 (en) * 2006-12-08 2008-06-12 Warren Lee Apparatus And System For Sensing and Analyzing Body Sounds
JP2008233419A (ja) * 2007-03-19 2008-10-02 Ricoh Co Ltd 現像装置、トナー、画像形成方法、画像形成装置及びプロセスカートリッジ
WO2009036312A1 (fr) * 2007-09-12 2009-03-19 Freeman Jenny E Dispositif et procédé pour évaluer des paramètres physiologiques
US20110029910A1 (en) * 2009-07-31 2011-02-03 Nellcor Puritan Bennett Llc Method And System For Providing A Graphical User Interface For Delivering A Low Flow Recruitment Maneuver
US20110092840A1 (en) * 2009-09-23 2011-04-21 Feather Sensors Llc Intelligent air flow sensors
US8506501B2 (en) * 2010-03-18 2013-08-13 Sharp Laboratories Of America, Inc. Lightweight wheeze detection methods and systems
US10702166B1 (en) 2010-08-13 2020-07-07 Respiratory Motion, Inc. Devices and methods for respiratory variation monitoring by measurement of respiratory volumes, motion and variability
DK2603138T3 (en) 2010-08-13 2018-02-05 Respiratory Motion Inc DEVICES AND METHODS FOR MONITORING RESPIRATION VARIATION IN MEASURING RESPIRATION VOLUMES, MOVEMENT AND VARIABILITY
US11723542B2 (en) 2010-08-13 2023-08-15 Respiratory Motion, Inc. Advanced respiratory monitor and system
AU2012283905B2 (en) 2011-07-20 2015-10-29 Respiratory Motion, Inc. Impedance measuring devices and methods for emergency cardiovascular care
TWI528944B (zh) * 2011-08-11 2016-04-11 Nat Univ Tsing Hua 應用於電子聽診器的疾病診斷方法
JP6125019B2 (ja) 2012-09-07 2017-05-10 レスピラトリー・モーション・インコーポレイテッド 電極パッドセット
JP6656789B2 (ja) * 2013-10-29 2020-03-04 パイオニア株式会社 信号処理装置及び方法
US9595123B2 (en) 2014-03-06 2017-03-14 Respiratory Motion, Inc. Methods and devices for displaying trend and variability in a physiological dataset
JPWO2015145763A1 (ja) * 2014-03-28 2017-04-13 パイオニア株式会社 呼吸音解析装置及び呼吸音解析方法、並びにコンピュータプログラム及び記録媒体
JP6298527B2 (ja) * 2014-03-28 2018-03-20 パイオニア株式会社 生体音解析装置及び生体音解析方法、並びにコンピュータプログラム及び記録媒体
JP2015188601A (ja) * 2014-03-28 2015-11-02 パイオニア株式会社 呼吸音解析装置及び呼吸音解析方法、並びにコンピュータプログラム及び記録媒体
CN103932733B (zh) * 2014-04-11 2016-10-12 中国人民解放军第三军医大学第三附属医院 一种基于肺音的肺间质纤维化的数字化检测分析装置
WO2016002004A1 (fr) * 2014-07-01 2016-01-07 パイオニア株式会社 Dispositif d'analyse de son respiratoire, procédé d'analyse de son respiratoire, programme informatique et support d'enregistrement
JP2016030067A (ja) * 2014-07-29 2016-03-07 パイオニア株式会社 呼吸音解析装置及び呼吸音解析方法、並びにコンピュータプログラム及び記録媒体
CN107427627A (zh) 2014-11-04 2017-12-01 呼吸运动公司 呼吸参数引导的自动化iv给药和iv管夹激活
EP3229692B1 (fr) * 2014-12-12 2019-06-12 Koninklijke Philips N.V. Système de surveillance acoustique, procédé de surveillance et programme informatique de surveillance
KR20180094082A (ko) 2015-12-15 2018-08-22 레스퍼러토리 모션 인코포레이티드 맥박산소측정 전 호흡 곤란을 검출하고 허위 탈포화 알람을 제거하기 위한 호흡량 모니터링 평가 방법
JP6630149B2 (ja) * 2015-12-28 2020-01-15 パイオニア株式会社 生体音解析装置及び生体音解析方法、並びにコンピュータプログラム及び記録媒体
CN109152693A (zh) * 2016-05-11 2019-01-04 皇家飞利浦有限公司 具有数字听诊的胸壁振荡系统
EP3761937B1 (fr) * 2018-03-06 2023-08-09 Koninklijke Philips N.V. Oscillateur de paroi thoracique haute fréquence
JP6495501B2 (ja) * 2018-03-26 2019-04-03 ヘルスセンシング株式会社 生体情報検出装置
JP7122225B2 (ja) * 2018-10-31 2022-08-19 エア・ウォーター・バイオデザイン株式会社 処理装置、システム、処理方法、およびプログラム
JP2019150641A (ja) * 2019-05-17 2019-09-12 パイオニア株式会社 呼吸音解析装置
JP7001806B2 (ja) * 2020-12-25 2022-01-20 パイオニア株式会社 呼吸音解析装置、呼吸音解析方法、コンピュータプログラム及び記録媒体

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000000736A1 (fr) 1998-06-29 2000-01-06 Robert Bosch Gmbh Dispositif d'alimentation en carburant pour moteur a combustion interne

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2363686A (en) * 1943-10-29 1944-11-28 Harry F. Olson Acoustic Stethoscope
JPS534796B2 (fr) * 1971-12-31 1978-02-21
US3990435A (en) * 1974-09-30 1976-11-09 Murphy Raymond L H Breath sound diagnostic apparatus
NZ244186A (en) * 1991-09-06 1995-04-27 Commw Scient Ind Res Org Determination of parameters of object optically and validation of object
US5671733A (en) * 1994-04-21 1997-09-30 Snap Laboratories, L.L.C. Method of analyzing sleep disorders
US6168568B1 (en) * 1996-10-04 2001-01-02 Karmel Medical Acoustic Technologies Ltd. Phonopneumograph system
CA2201042A1 (fr) * 1997-03-26 1998-09-26 Peter Tiffany Macklem Mesure du calibre des voies aeriennes
US6139505A (en) * 1998-10-14 2000-10-31 Murphy; Raymond L. H. Method and apparatus for displaying lung sounds and performing diagnosis based on lung sound analysis
FR2791248B1 (fr) * 1999-03-24 2001-08-24 Georges Kehyayan Dispositif d'analyse de bruits auscultatoires, en particulier de bruits respiratoires
IL131909A0 (en) * 1999-09-15 2001-03-19 Ben Muvhar Shmuel Asthma detection device

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000000736A1 (fr) 1998-06-29 2000-01-06 Robert Bosch Gmbh Dispositif d'alimentation en carburant pour moteur a combustion interne

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8555881B2 (en) 1997-03-14 2013-10-15 Covidien Lp Ventilator breath display and graphic interface
US8555882B2 (en) 1997-03-14 2013-10-15 Covidien Lp Ventilator breath display and graphic user interface
WO2006013647A1 (fr) * 2004-08-05 2006-02-09 National University Corporation Hamamatsu University School Of Medicine Stethoscope visuel, procede d’affichage d’images de celui-ci et programme d’affichage d’images de celui-ci
US10582880B2 (en) 2006-04-21 2020-03-10 Covidien Lp Work of breathing display for a ventilation system
US8453645B2 (en) 2006-09-26 2013-06-04 Covidien Lp Three-dimensional waveform display for a breathing assistance system
US8335992B2 (en) 2009-12-04 2012-12-18 Nellcor Puritan Bennett Llc Visual indication of settings changes on a ventilator graphical user interface
US8924878B2 (en) 2009-12-04 2014-12-30 Covidien Lp Display and access to settings on a ventilator graphical user interface
US9119925B2 (en) 2009-12-04 2015-09-01 Covidien Lp Quick initiation of respiratory support via a ventilator user interface
US8499252B2 (en) 2009-12-18 2013-07-30 Covidien Lp Display of respiratory data graphs on a ventilator graphical user interface
US8443294B2 (en) 2009-12-18 2013-05-14 Covidien Lp Visual indication of alarms on a ventilator graphical user interface
US9262588B2 (en) 2009-12-18 2016-02-16 Covidien Lp Display of respiratory data graphs on a ventilator graphical user interface
JP2013123494A (ja) * 2011-12-13 2013-06-24 Sharp Corp 情報解析装置、情報解析方法、制御プログラム、および、記録媒体
US11642042B2 (en) 2012-07-09 2023-05-09 Covidien Lp Systems and methods for missed breath detection and indication
US10362967B2 (en) 2012-07-09 2019-07-30 Covidien Lp Systems and methods for missed breath detection and indication
JP2014050672A (ja) * 2012-08-09 2014-03-20 Jvc Kenwood Corp 呼吸音分析装置、呼吸音分析方法および呼吸音分析プログラム
US10940281B2 (en) 2014-10-27 2021-03-09 Covidien Lp Ventilation triggering
US9950129B2 (en) 2014-10-27 2018-04-24 Covidien Lp Ventilation triggering using change-point detection
US11712174B2 (en) 2014-10-27 2023-08-01 Covidien Lp Ventilation triggering
US11672934B2 (en) 2020-05-12 2023-06-13 Covidien Lp Remote ventilator adjustment

Also Published As

Publication number Publication date
WO2002082967A3 (fr) 2003-01-03
CA2445241A1 (fr) 2002-10-24
US20050033198A1 (en) 2005-02-10
FR2823660A1 (fr) 2002-10-25
JP2004531309A (ja) 2004-10-14
EP1381316A2 (fr) 2004-01-21

Similar Documents

Publication Publication Date Title
EP1381316A2 (fr) Dispositif d'aide a l'analyse de bruits adventices
CA2366686A1 (fr) Dispositif d'analyse de bruits auscultatoires, en particulier de bruits respiratoires
US8152731B2 (en) Wavelet transform and pattern recognition method for heart sound analysis
WO1997040745A1 (fr) Systeme de collecte et de traitement d'informations biometriques
JPH11506970A (ja) 胃腸音を特徴づける方法および装置
JP4389239B2 (ja) 聴診信号における律動を推定するための方法および装置
Sujadevi et al. Denoising of phonocardiogram signals using variational mode decomposition
FR3070590B1 (fr) Methode d'evaluation de maturation d'un bebe premature et systeme associe
CN109712635B (zh) 一种声音数据处理方法、智能终端及存储介质
CH627358A5 (fr) Procede et appareillage d'analyse rapide d'un enregistrement electrocardiographique sur bande.
EP4027874B1 (fr) Procédé de détermination du taux respiratoire
Ari et al. On a robust algorithm for heart sound segmentation
EP3160336A2 (fr) Dispositif de traitement de données de rythme cardiaque foetal, méthode et programme d'ordinateur correspondant
EP0347515A1 (fr) Dispositif d'analyse des bruits respiratoires
FR2905587A1 (fr) Dispositif et procede d'analyse temporelle de l'agitation d'un patient alite.
JP2002511296A (ja) 聴診信号を処理するための方法および装置
WO1991001682A1 (fr) Procede et appareil ambulatoire pour mesurer en continu la tension arterielle
FR3024943A1 (fr) Dispositif et procede de determination d'une frequence respiratoire d'un individu a partir de son rythme cardiaque
Kumar et al. A discrete wavelet packet transform based approach for selection of artifact-free phonocardiogram segment
WO2011042664A1 (fr) Caracterisation des cycles respiratoires.
EP1438707A2 (fr) Procede de caracterisation du timbre d'un signal sonore selon au moins un descripteur
WO2007094427A1 (fr) Lecteur de contenu
EP3017757B1 (fr) Methode d'elaboration automatisee d'une courbe d'evolution d'un indicateur representatif de la variabilite de la frequence cardiaque d'un etre humain ou d'un animal de competition
Alvarado Alvarez et al. Masking of Korotkoff sounds used in blood pressure measurement through auscultation
Turner et al. Cardiac Auscultation Using Artificial Intelligence on Different Devices

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A2

Designated state(s): CA JP US

AL Designated countries for regional patents

Kind code of ref document: A2

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE TR

121 Ep: the epo has been informed by wipo that ep was designated in this application
AK Designated states

Kind code of ref document: A3

Designated state(s): CA JP US

AL Designated countries for regional patents

Kind code of ref document: A3

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE TR

WWE Wipo information: entry into national phase

Ref document number: 2445241

Country of ref document: CA

Ref document number: 2002580779

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 2002735458

Country of ref document: EP

WWP Wipo information: published in national office

Ref document number: 2002735458

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 10475231

Country of ref document: US

WWW Wipo information: withdrawn in national office

Ref document number: 2002735458

Country of ref document: EP