WO2012060107A1 - 生体音検査装置、及び、生体音検査方法 - Google Patents
生体音検査装置、及び、生体音検査方法 Download PDFInfo
- Publication number
- WO2012060107A1 WO2012060107A1 PCT/JP2011/006165 JP2011006165W WO2012060107A1 WO 2012060107 A1 WO2012060107 A1 WO 2012060107A1 JP 2011006165 W JP2011006165 W JP 2011006165W WO 2012060107 A1 WO2012060107 A1 WO 2012060107A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- sound
- power
- biological
- biological sound
- characteristic index
- Prior art date
Links
Images
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
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/085—Measuring impedance of respiratory organs or lung elasticity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/087—Measuring breath flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
-
- 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
- A61B7/00—Instruments for auscultation
- A61B7/02—Stethoscopes
- A61B7/04—Electric stethoscopes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0204—Acoustic sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/082—Evaluation by breath analysis, e.g. determination of the chemical composition of exhaled breath
Definitions
- the present invention relates to a biological sound inspection apparatus.
- the present invention relates to a biological sound inspection apparatus that supports estimation of the state of a biological body by measuring a biological sound propagating in the living body and calculating a plurality of biological sound characteristics.
- Lung sounds are all sounds that occur with respiratory motion in the lungs and thorax, except for sounds that use the cardiovascular system as a sound source, regardless of normal or abnormal.
- lung sounds are classified as respiratory sounds, which are physiological sounds that use the air flow generated in the respiratory tract as a sound source, and secondary noises, which are abnormal sounds that occur in pathological conditions such as wheezing and pleural friction sounds. being classified. Note that the sound source of the breathing sound is considered to occur in a relatively thick airway.
- diagnosis of lung diseases is performed by signal processing of lung sounds.
- auxiliary noise is detected to estimate the disease state.
- an objective index of disease has not been established.
- Pneumothorax is one of the lung diseases. Pneumothorax is a formation of an air space between the lung and the chest wall, which appears as a decrease in respiratory sounds in the physical findings. Therefore, in order to detect the state of the pneumothorax, a method of performing signal processing by radiating sound waves into the mouth and trachea by a speaker, propagating the emitted sound waves within the patient, and measuring the propagated sound waves on the chest wall has been proposed (see, for example, Patent Document 1). According to Patent Document 1, it is possible to detect a pneumothorax state by calculating a transfer characteristic using a radiated sound wave and a sound wave measured on the chest wall.
- Patent Document 1 As a method that does not use a means for emitting sound waves through a speaker, a method of analyzing lung sounds measured on the chest wall has been proposed (for example, see Patent Document 1). According to Patent Document 1, frequency conversion is performed using a lung sound signal measured on the chest wall, an energy ratio between a low frequency band component and a high frequency band component is calculated, and a respiratory state can be detected.
- a person other than the doctor measures the body sound by placing a microphone on a predetermined part of the patient, and transmits the body sound signal to the doctor through the communication line. May have auscultation.
- a device that supports diagnosis by applying a plurality of microphones to a patient has been proposed (for example, (See Patent Document 3).
- Patent Document 3 a weighted sum is calculated using acoustic signals from a plurality of microphones, and an acoustic signal in a place where the microphones are not applied is created in a pseudo manner to support diagnosis at a remote location. can do.
- the state of the disease cannot be accurately estimated from the transmission characteristics of the lung sound.
- the lung status changes depending on the disease status.
- the state of the lungs that is, the lung parenchyma and the airway surface change every day even if no secondary noise such as wheezing occurs during non-attack. Therefore, for example, even if the lung transfer characteristics are calculated using the method of Patent Document 1, there is a problem that the state of the disease cannot be estimated with high accuracy. This is because the state of the airway surface cannot be evaluated only by the transmission characteristics of the lungs.
- the present invention has been made to solve the above-described problems, and an object of the present invention is to provide a biological sound inspection apparatus and the like that acquire biological sound and accurately estimate the state of the biological body using the acquired biological sound. .
- a biological sound inspection apparatus supports biological sound estimation by measuring a biological sound propagating through a living body and calculating a plurality of biological sound characteristics.
- a biological sound inspection apparatus that measures the biological sound in the first part of the living body and generates a first biological sound signal; and closer to the sound source of the biological sound than the first part
- a power ratio that is a ratio of the power of the first body sound signal to the power of the second body sound signal, and a second body sound measurement unit that measures the body sound in the second part and generates a second body sound signal
- a power ratio calculation unit for calculating the transmission ratio of the biological sound in the living body by performing an operation for suppressing the influence of at least one of the respiratory flow velocity and the physique of the living body on the power ratio, Calculated as one of biological sound characteristics
- a sound source characteristic index calculating unit that calculates a sound source
- the sound source characteristic index (disease high frequency power ratio) and the transmission characteristic index (disease gain) in which the influence of the respiratory flow velocity and physique of the subject are suppressed by acquiring and analyzing two body sounds in the living body are obtained. Calculated. Therefore, it is possible to accurately estimate the state of the living body.
- the power calculation unit calculates a second power that is a power of the second biological sound signal in a second frequency band that is a frequency band different from the first frequency band, and the biological sound inspection apparatus is And a reference power calculation unit that calculates a first power reference value that is a value that suppresses the influence of the physique difference of the living body included in the second power, and the sound source characteristic index calculation unit includes the first power
- the sound source characteristic index is calculated by performing the calculation by calculating a ratio of the first power to a reference value.
- This configuration can suppress the influence of the physique included in the second biological sound signal. Therefore, even when there is a change in the second power (low frequency power) due to the difference in the physique of the subject, it is possible to reduce the influence of the change.
- the second frequency band is a frequency band including a lower frequency than the first frequency band.
- the first power reference value (high frequency power reference value) can be set according to the second power (low frequency power), and the influence of fluctuations in the second power (low frequency power) can be reduced. Is possible.
- the power ratio calculation unit calculates the power ratio in a third frequency band and the power ratio in a fourth frequency band including a frequency lower than the third frequency band, and calculates the transfer characteristic index.
- the unit calculates a ratio of the power ratio in the third frequency band to the power ratio in the fourth frequency band as the transfer characteristic index.
- the power ratio calculation unit calculates the power ratio in a third frequency band
- the transfer characteristic index calculation unit includes the height, age, weight, sex, body surface area, and body mass of the living body.
- a gain reference value calculated using at least one of the indexes and a preset first gain prediction formula is calculated, and a ratio of the power ratio in the third frequency band to the gain reference value is transmitted. Calculated as a characteristic index.
- the living body sound inspection apparatus further has a living body in a good state or in a bad state based on identification information set in advance and the calculated sound source characteristic index and the transmission characteristic index.
- a state estimation unit for estimating whether there is any is provided.
- the state estimation unit uses a discriminant function as the identification information, and when the sound source characteristic index and the transfer characteristic index are substituted into the discriminant function, the value of the discriminant function is a predetermined value or more.
- the estimation is performed such that one of the good and bad biological states is set, and the value of the discriminant function is less than a predetermined value, the other is the good or bad biological state.
- the state estimation unit increases or decreases the predetermined value so that a truly bad living body in the estimation is a ratio that is estimated to be bad, and a truly good living body is in the estimation. Change the specificity, which is the proportion estimated to be good.
- the state of the living body can be estimated, and it is possible to easily grasp the quality of the living body without being an expert.
- the state estimation unit estimates a state of a living body using a support vector machine as the identification information.
- This configuration makes it possible to automatically identify the state of a living body with high accuracy.
- the state estimation unit further estimates the state of the living body from the medication information related to the medication to the living body.
- the state estimation of the living body can be changed according to the content of the medication information to the living body, and the state estimation adapted to the individual situation becomes possible.
- the biological sound inspection apparatus further displays a test result including a two-dimensional map which is a graph having two axes, the axis indicating the sound source characteristic index and the axis indicating the transfer characteristic index.
- the two-dimensional map is divided into a plurality of regions by at least one boundary line.
- the two-dimensional map is divided into three by a straight line or a curve in the axial direction indicating the transfer characteristic index, and divided into two by a straight line or a curve in the axial direction indicating the sound source characteristic index.
- the biological sound test apparatus further has a living body in a good state or in a bad state based on identification information set in advance, the measured sound source characteristic index, and the transmission characteristic index.
- a state estimation unit that estimates whether or not the state estimation unit uses the boundary line as the identification information, and the coordinates corresponding to the calculated sound source characteristic index and the transmission characteristic index in the two-dimensional map The state is estimated from the region including.
- the state estimation unit includes an area including coordinates corresponding to the transfer characteristic index and the sound source characteristic index at the first time, and the transfer characteristic index and the sound source characteristic at a second time different from the first time.
- the state of the living body is estimated from an area including coordinates corresponding to the index.
- This configuration makes it possible to estimate the quality of the state based on the time-series change of the analysis result of the same individual and the tendency thereof even if the disease high frequency power ratio and the disease gain are correlated.
- the second part is a predetermined part of the chest or neck
- the first part is a predetermined part of the chest.
- the first part is a sternum notch
- the second part is a second intercostal space on the right clavicle midline.
- the lung sound can be measured at a position close to the sound source of the lung sound and the peripheral position of the lung, and the lung state can be estimated with high accuracy.
- the second part is a part closer to the neck than the first part.
- the lung sound can be measured at two points on the path through which the lung sound propagates in the lung, and the state of the lung can be estimated.
- the biological state is an asthmatic lung state.
- This configuration makes it possible to determine the state of asthma lungs by analyzing lung sounds.
- the biological sound inspection method is a biological sound inspection method that supports estimation of the state of a biological body by measuring a biological sound propagating through the living body and calculating a plurality of biological sound characteristics.
- a first body sound measurement step for measuring the body sound in the first part of the living body and generating a first body sound signal; and the body in the second part closer to the sound source of the body sound than the first part.
- a second body sound measurement step for measuring a sound and generating a second body sound signal; and a power ratio calculation for calculating a power ratio which is a ratio of the power of the first body sound signal to the power of the second body sound signal And calculating a transfer characteristic index of the biological sound in the living body by one of the biological sound characteristics by performing an operation that suppresses at least one of the respiratory flow velocity and the physique of the living body on the power ratio.
- An attainment characteristic index calculating step a power calculating step for calculating a first power that is a power of the second biological sound signal in the first frequency band
- a sound source characteristic index calculating step of calculating a sound source characteristic index of the biological sound as another one of the biological sound characteristics by performing an operation that suppresses one influence.
- Such a program can be distributed via a recording medium such as a CD-ROM (Compact Disc Read Only Memory) or a transmission medium such as the Internet.
- a recording medium such as a CD-ROM (Compact Disc Read Only Memory) or a transmission medium such as the Internet.
- the living body sound inspection apparatus can easily quantify the state of the living body from a plurality of viewpoints by analyzing the lung sound.
- FIG. 1 is a diagram illustrating a functional block configuration of the biological sound inspection apparatus according to the first embodiment.
- FIG. 2 is a configuration diagram of the body sound measurement unit.
- FIG. 3A is a diagram illustrating an example of functional blocks of the signal analysis unit.
- FIG. 3B is a diagram illustrating another example of the functional blocks of the signal analysis unit.
- FIG. 3C is a diagram illustrating another example of the functional blocks of the signal analysis unit.
- FIG. 3D is a diagram illustrating another example of the functional blocks of the signal analysis unit.
- FIG. 4A is a flowchart illustrating an example of calculation of a disease high frequency power ratio.
- FIG. 4B is a flowchart illustrating another example of the calculation of the disease high frequency power ratio.
- FIG. 4A is a flowchart illustrating an example of calculation of a disease high frequency power ratio.
- FIG. 4B is a flowchart illustrating another example of the calculation of the disease high frequency power ratio.
- FIG. 4A is
- FIG. 4C is a flowchart illustrating another example of the calculation of the disease high frequency power ratio.
- FIG. 4D is a flowchart illustrating another example of calculating the disease high frequency power ratio.
- FIG. 5 is a diagram illustrating an example of frequency characteristics of power of lung sounds measured at the neck.
- FIG. 6 is a scatter diagram showing an example of the relationship between the measured low-frequency power and high-frequency power of lung sounds.
- FIG. 7 is a flowchart illustrating an example of a method for calculating a disease gain.
- FIG. 8 is a diagram illustrating an example of frequency characteristics of power of lung sound measured in the chest.
- FIG. 9 is a scatter diagram showing an example of the relationship between the measured height and the low frequency gain.
- FIG. 10 is a scatter diagram showing an example of the relationship between the disease high-frequency power ratio and% V50 of the spirometer in asthmatic patients.
- FIG. 11 is a scatter diagram showing an example of the relationship between disease gain and IOS R5 in an asthmatic patient.
- FIG. 12 is a diagram illustrating an example of a functional block configuration of the biological sound inspection apparatus according to the second embodiment.
- FIG. 13 is a diagram illustrating an example of a functional block configuration of the state estimation unit.
- FIG. 14 is a flowchart illustrating an example of a biological state estimation method.
- FIG. 15 is a scatter diagram showing an example of the relationship between the disease high frequency power ratio and the disease gain in an asthmatic patient.
- FIG. 16 is a diagram illustrating an example of the ROC curve.
- FIG. 17 is a diagram illustrating another example of the ROC curve.
- FIG. 18 is a diagram illustrating another example of the functional block configuration of the state estimation unit.
- FIG. 19 is a flowchart illustrating another example of the biological state estimation method.
- FIG. 20 is a scatter diagram showing another example of the relationship between the disease high frequency power ratio and the disease gain in an asthmatic patient.
- FIG. 21 is a diagram illustrating an example of a two-dimensional map.
- FIG. 22 is a diagram illustrating an example of a decision tree.
- FIG. 23 is a diagram illustrating an example of an output display of the biological sound inspection apparatus.
- FIG. 24 is a scatter diagram showing an example of the relationship between the power, the high frequency power, and the low frequency power in the entire band of the measured lung sound.
- FIG. 24 is a scatter diagram showing an example of the relationship between the power, the high frequency power, and the low frequency power in the entire band of the measured lung sound.
- FIG. 25A is a scatter diagram showing an example of the relationship between the disease high frequency power ratio and the body weight.
- FIG. 25B is a scatter diagram showing an example of the relationship between the disease high frequency power ratio and the height.
- FIG. 26A is a scatter diagram showing an example of the relationship between the disease high-frequency power ratio and FEV1.
- FIG. 26B is a scatter diagram showing an example of the relationship between the disease high frequency power ratio and V50.
- FIG. 27A is a scatter diagram showing an example of the relationship between the whole-band power of biological sound and the disease high-frequency power ratio.
- FIG. 27B is a scatter diagram showing another example of the relationship between the whole-band power of biological sound and the disease high-frequency power ratio.
- FIG. 1 is a diagram illustrating a functional block configuration of the biological sound test apparatus 100 according to the first embodiment.
- the biological sound inspection apparatus 100 includes biological sound measuring units 101 and 102 that measure biological sounds, a signal processing unit 103, a recording unit 107 that records information used in the signal processing unit 103 and analysis results of the biological sound signal, And a display unit 108 for displaying the analysis result of the body sound signal to the measurer.
- the signal processing unit 103 digitizes each of the biological sound signals amplified by the amplification unit 104 and the amplification unit 104 that amplifies the biological sound signals measured by the biological sound measurement units 101 and 102 (converts them into digital data).
- An A / D processing unit 105 and a signal analysis unit 106 that analyzes the body sound signal converted into digital data by the A / D processing unit 105, respectively.
- the recording unit 107 and the display unit 108 may be in an external device connected via a communication line.
- FIG. 2 is a configuration diagram of the biological sound measurement unit 101.
- the body sound measurement unit 101 transmits a body sound that is converted into air vibrations by the diaphragm unit 201, and a body sound that is converted into air vibrations by the diaphragm unit 201.
- a microphone 203 that converts a biological sound that has propagated through the space 202 into an electrical signal
- a lead wire 204 that transmits the biological sound signal converted into the electrical signal by the microphone 203.
- the filling unit 205 may be filled with a vibration damping material such as a rubber material or gel so that vibration due to environmental noise from the outside does not propagate to the space 202.
- the biological sound measurement unit 102 has the same configuration as the biological sound measurement unit 101.
- FIG. 3A, 3B, 3C, and 3D are diagrams illustrating examples of functional blocks of the signal analysis unit 106.
- FIG. 3A, 3B, 3C, and 3D are diagrams illustrating examples of functional blocks of the signal analysis unit 106.
- the signal analysis unit 106 includes a power calculation unit 301, a disease high frequency power ratio calculation unit 303, a power ratio calculation unit 304, and a disease gain calculation unit 305.
- the power calculation unit 301 calculates power in a plurality of frequency bands from each biological sound signal digitized by the A / D processing unit 105.
- the disease high frequency power ratio calculation unit 303 calculates a disease high frequency power ratio from each power of a plurality of frequency bands calculated by the power calculation unit 301.
- the power ratio calculation unit 304 calculates a power ratio using the power of one or a plurality of frequency bands calculated by the power calculation unit 301, and calculates a high frequency gain and a low frequency gain.
- the disease gain calculation unit 305 calculates a disease gain from the high frequency gain and the low frequency gain. As shown in FIGS. 3B and 3C, the signal analysis unit 106 calculates a power correction value of a different frequency band from the power of a predetermined frequency band calculated by the power calculation unit 301. And 312 may be further provided. Furthermore, as illustrated in FIG. 3D, the signal analysis unit 106 may include a correction unit 306 that corrects the power ratio calculated by the disease high frequency power ratio calculation unit 303.
- the disease high frequency power ratio is a numerical value associated with the disease state of the trachea irrespective of the respiratory flow velocity and the physique, and is obtained by a series of processes shown in FIGS. 3A, 3B, 3C, and 3D. Calculated.
- the disease high frequency power ratio calculated by FIG. 3A is referred to as a first disease high frequency power ratio.
- the disease high band power ratio calculated by FIGS. 3B, 3C, and 3D may be referred to as the second disease high band power ratio, the third disease high band power ratio, and the fourth disease high band power ratio, respectively.
- the disease high-frequency power ratio is an example of a sound source characteristic index of biological sound.
- the disease gain is a numerical value associated with the degree of lung disease state regardless of the respiratory flow rate and physique.
- the disease gain is an example of a biological sound transfer characteristic index in a living body.
- the body sound measurement unit 102 may be disposed near the central airway, or may be located near the central airway on the chest wall or the neck.
- a sternum notch is desirable.
- the sternum notch can shorten the distance between the central airway and the body sound measurement unit, and can suppress the attenuation of lung sounds due to muscles and fat. It has the characteristics that can be measured with high S / N (signal to noise ratio).
- FIG. 4A, FIG. 4B, FIG. 4C, and FIG. 4D are flowcharts for calculating the disease high frequency power ratio using the second body sound measured by the body sound measurement unit 102 in the signal analysis unit 106.
- the flowchart shown in FIG. 4A corresponds to the process flow in the functional block shown in FIG. 3B.
- FIG. 4B corresponds to FIG. 3C
- FIG. 4C corresponds to FIG. 3A
- FIG. 4D corresponds to FIG.
- steps S400 and S401 which are processes common to all of FIGS. 4A, 4B, 4C, and 4D, will be described.
- the power calculation unit 301 calculates high frequency power that is power (sound pressure level) included in the high frequency (step S400).
- the high frequency indicates a frequency band in which the power of the lung sound can be significantly measured with respect to the measured noise. For example, assuming that 85 msec is one frame, the power included in the high frequency of one frame is calculated every 21 msec, and the average value of the high frequency power of each frame in the measured lung sound analysis time interval is calculated.
- the high frequency power is an example of the first power.
- FIG. 5 is a diagram showing an example of frequency characteristics of power of lung sound measured at the neck.
- the solid line is the frequency characteristic of the power of the lung sound measured during breathing, and the broken line is the frequency characteristic of the power measured in the apnea section.
- the measured lung sound includes noise, and the frequency characteristic measured in the apnea section indicates the noise level.
- a range of 4 kHz or less where the power of the lung sound is equal to the noise level is suitable for the analysis of the lung sound.
- the S / N ratio (signal-noise ratio) of the lung sound which is the power of the lung sound with respect to the noise level (in FIG.
- a frequency band of 3 kHz or less including a lung sound spectrum component in which a corresponding difference between the solid line and the broken line is 5 dB or more is suitable for analysis. Therefore, a frequency of 3 kHz or less is suitable as the high band, and it is particularly desirable that it is a part or all of the frequency band of 500 Hz or more and 1.5 kHz or less.
- High frequency power is characterized by a high possibility of reflecting changes in the respiratory tract due to illness. On the other hand, the frequency range of the high frequency may vary somewhat from disease to disease or due to individual differences. is there.
- the power calculation unit 301 calculates low-frequency power, which is power included in the low frequency, from the body sound signal digitized by the A / D processing unit 105 (step S401). For example, as in step S400, the power included in the low frequency is calculated for each frame, and the average value of the power of each frame in the analysis time interval is calculated.
- the low frequency band may be any frequency band of 3 kHz or less including the spectral components of lung sound measured at the cervix and including a frequency band lower than the high frequency band.
- the frequency band is preferably 100 Hz or more and 2 kHz or less. This is because this band has a characteristic of reflecting the degree of respiratory flow velocity during breathing.
- the low frequency power is an example of the second power.
- steps S400 and S401 is not necessarily limited to this, and may be reversed or may be processed in parallel.
- the reference power calculation unit 302 sets the low frequency power calculated by the power calculation unit 301 and the recording unit 107 in advance.
- a high frequency power reference value for correcting the high frequency power is calculated from the measured low frequency power using the high frequency power correction equation that has been measured (step S402).
- the high frequency power correction formula is, for example, Formula 1.
- DNPowNml ⁇ 0.006 * DBPow ⁇ 2 + 1.090 * DBPow ⁇ 4.619 (Formula 1)
- Equation 1 DNPowNml is the high frequency power reference value, and DBPow is the low frequency power value.
- Formula 1 is derived, for example, as a regression curve of low-frequency power and high-frequency power of lung sounds measured at the neck in a subject having normal lungs, and predicts high-frequency power from low-frequency power. It has become.
- the high frequency power reference value is the high frequency power predicted from the low frequency power.
- Equation 1 is derived from the relationship between low-frequency power and high-frequency power of lung sounds measured at the neck.
- FIG. 6 is an example of a scatter diagram showing the relationship between low-frequency power and high-frequency power of lung sounds measured at the neck.
- a regression curve having an arbitrary order of the first order or higher can be used.
- the regression curve with the highest correlation coefficient is most suitable.
- the order of the regression curve having the highest correlation coefficient was quadratic.
- the high frequency power reference value may be a value that can reduce the influence of the respiratory flow velocity, and may be an expression other than the regression curve or straight line of the low frequency power and the high frequency power.
- an equation for calculating the value of the respiratory flow rate from the low frequency power may be used.
- the reference power calculation unit 312 uses the low frequency power calculated by the power calculation unit 301 and the correction power to increase the power. Calculate the area power reference value.
- the signal processing flowchart shown in FIG. 3C the signal processing flowchart shown in FIG.
- the power calculation unit 301 calculates correction power included in the correction band for biological sound from the biological sound signal digitized by the A / D processing unit 105 (step S404). For example, as in step S400, the power included in the correction band is calculated for each frame, and the average value of the power of each frame in the analysis time interval is calculated. Since the spectral component of the lung sound measured at the neck is included in the frequency band of 3 kHz or less, the correction band may be a band of 3 kHz or less. In particular, the frequency band is preferably 100 Hz or more and 2 kHz or less. This is because this band has a characteristic of reflecting the degree of respiratory flow velocity during breathing.
- steps S400, S401, and S404 is not necessarily limited to this, and may be reversed or processed in parallel.
- the reference power calculation unit 312 uses the low-frequency power calculated by the power calculation unit 301, the correction power, and the high-frequency power correction formula set in advance in the recording unit 107, so that the high-frequency power is calculated.
- a high frequency power reference value for correcting the above is calculated (step S405).
- DNPowNml and DBPow are the same variables as in Equation 1, and CorPow is power for correction.
- Coef_C is a coefficient integrated with CorPow.
- the first term on the right side of Equation 2 is a DBPow term that is selected as a band that greatly reduces the influence of the respiratory flow rate, and the second term on the right side is a term for reducing effects other than the respiratory flow rate.
- FIG. 24 is a scatter diagram showing an example of the relationship between power, high-frequency power, and low-frequency power in the entire lung sound band measured at the neck.
- the horizontal axis represents the power in the whole band of the body sound
- the vertical axis represents the high frequency power and the low frequency power.
- the entire band power is 100 Hz or more and 2 kHz or less
- the high band power is 800 Hz or more and 1.3 kHz or less
- the low band power is 100 Hz or more and 800 Hz or less.
- a circle indicates a low-frequency power plot
- a + indicates a high-frequency power plot.
- Equation 3 The regression lines of the low-frequency power and the full-band power, and the regression lines of the high-frequency power and the full-band power are expressed by Equation 3 and Equation 4, respectively.
- DBPow Coef_B * AllPow + Const_B (Formula 3)
- DNPow Coef_N * AllPow + Const_N (Formula 4)
- DBPow is high band power
- DNPow is high band power
- AllPow is full band power
- Coef_B and Coef_N are coefficients representing inclinations.
- Coef_B was 0.99
- Coef_N was 1.41.
- Const_B and Const_N are constants representing intercepts.
- the plot of the low-frequency power has little variation, and changes almost linearly in proportion to the total bandwidth power.
- the plot of the high frequency power changes in proportion to the power of the entire band, but the variation is large and the slope is different from the slope of the low frequency power.
- the difference in inclination may include effects such as individual differences and physique differences that are factors other than respiratory flow velocity, and it is desirable to suppress these effects.
- the difference value between Coef_B and Coef_N is Coef_C, and a term integrated with CorPow is added.
- the frequency band of CorPow may be a full-band power or a low-band power, and may be a frequency band different from the high band. In particular, it is desirable that the frequency band does not overlap with the high range.
- the coefficient of the second term on the right side of Equation 2 is obtained by experiment and may be another coefficient. Of course, it may be a term other than a linear function such as a power term.
- the signal analysis unit 106 may be configured to include the reference power calculation unit 302 as shown in FIG. 3B.
- different correction formulas may be selected according to physical information such as illness, race, target age, height, age, weight, and sex, usage, and the like. Further, the above parameters may be introduced as variables in the correction formula. Furthermore, the frequency band of the low frequency power or the power for correction may be arbitrarily selected when the correction formula is selected. The frequency band may be selected from the shape of the power spectrum of the first and second biological sounds.
- the third disease high frequency power is calculated using the high frequency power calculated by the power calculation unit 301 and the high frequency power reference value calculated by the reference power calculation unit 312. Calculate the ratio.
- the disease high frequency power ratio is obtained as the ratio of the high frequency power to the high frequency power reference value (step S403).
- the low frequency power may be used as the high frequency power reference value.
- the reference power calculation units 302 and 312 are not required, the signal analysis unit 106 has a configuration as shown in FIGS. 3A and 4C, for example, and the disease high frequency power ratio calculation unit 303 has a high power for the low frequency power.
- the ratio of the region power is calculated as the first disease high region power ratio (step S406).
- the frequency band of the low frequency power may be 3 kHz or less including the spectral component of the lung sound measured at the neck as shown in FIG.
- the frequency band is preferably 100 Hz or more and 800 Hz or less.
- the power in this frequency band varies almost linearly in proportion to the respiratory flow velocity, and has the feature that the overlap with the frequency band of the high frequency power reflecting the influence of the disease can be reduced. is there.
- the power ratio calculated from the low-frequency power and the high-frequency power may be corrected using the body information, and calculated as the fourth disease high-frequency power ratio (step S407). ).
- the configuration shown in FIG. 3D is obtained, and the correction unit 306 corrects the power ratio calculated by the disease high frequency power ratio calculation unit 303.
- the physical information includes, for example, height, age, weight, body surface area, and body mass index.
- the power ratio may be divided by the value of physical information.
- the power ratio calculated from the lung sound of a normal person and at least one variable of physical information are used as independent variables, and a power ratio prediction formula is calculated by regression analysis or the like.
- a power ratio reference value obtained from the physical information and the power ratio prediction formula is calculated, and the ratio or difference between the power ratio calculated by the disease high frequency power ratio 303 and the power ratio reference value is used. You may correct
- the frequency band of the high frequency power may be different depending on the disease, race, target age, height, age, weight, sex, and other physical information, usage, and the like. Moreover, you may make it select from the shape of the power spectrum of the 1st and 2nd biological sound.
- the disease high frequency power ratio may be obtained as a ratio based on which of the respective powers in any case of FIGS. 4A, 4B, 4C and 4D. It is assumed that the ratio based on the high frequency power reference value is obtained.
- FIG. 10 is a scatter diagram showing an example of the relationship between the disease high-frequency power ratio in an asthmatic patient and% V50 (predicted rate of air velocity at the volume level of 50% of the vital capacity), which is one index of the spirometer.
- % V50 is said to represent an airway obstruction state, and means that the obstruction state progresses as the value of% V50 decreases.
- the disease high frequency power ratio and% V50 have a significant correlation, it can be said that the disease high frequency power ratio reflects the obstruction state of the airway.
- FIG. 26A is a scatter diagram showing an example of the relationship between the disease high frequency power ratio obtained by the flowchart of FIG. 4B and FEV1 (amount of one second) as one index of the spirometer in an asthmatic patient.
- FEV1 amount of one second
- FIG. 26B shows an example of the relationship between the disease high-frequency power ratio obtained by the flowchart of FIG. 4B and V50 (measured value of breath at a volume level of 50% of the vital capacity) obtained from the flowchart of FIG. 4B in an asthmatic patient.
- V50 measured value of breath at a volume level of 50% of the vital capacity
- FIGS. 27A and 27B are scatter diagrams showing an example of the relationship between the whole-band power of biological sound and the disease high-frequency power ratio obtained by the configurations of FIGS. 3A and 3C, respectively.
- the full band power uses a band of 100 Hz or more and 2 kHz or less. From FIG. 27A, it can be seen that the disease high frequency power ratio calculated by the configuration of FIG. 3A is a value dependent on the total bandwidth power. However, FIG. 27B shows that the disease high frequency power ratio calculated by the configuration of FIG. 3C is a value that does not depend on the entire band power. According to the configuration of FIG.
- the coefficient of Equation 2 needs to be set in advance, but a value that does not depend on the entire band power, that is, a value that suppresses the influence of respiratory flow rate, individual differences, physique differences, and the like can be calculated. Probability is high.
- the coefficient is not required to be set, and the same individual who is relatively less affected by individual differences and physique differences can be used for time series comparison of the disease high frequency power ratio. Few.
- the biological sound measuring apparatus 100 can quantify the state in the airway caused by the disease using the disease high frequency power ratio.
- the high frequency power of turbulent noise that is a respiratory sound source may increase, and the value of the disease high frequency power ratio may increase.
- the closer to the normal lung the lower the high frequency power of the turbulent noise and the smaller the value of the disease high frequency power ratio may be.
- the body sound measurement device 100 does not directly use high frequency power that changes depending on the respiratory flow velocity, but rather uses a high frequency power reference value calculated using a high frequency power correction formula. By using the power ratio, the influence of the respiratory flow rate can be reduced.
- the biological sound measuring device 100 can easily evaluate the state of the airway only by the lung sound measurement.
- the power calculation unit 301 may calculate the power of a desired frequency band using a frequency transform such as Fourier transform, or may use a band pass filter. In addition, other methods may be used.
- the reference power calculation unit 302 calculates the high-frequency power reference value using the low-frequency power and the high-frequency power correction formula, but when the respiratory flow is measured using a spirometer or the like in the actual examination. May calculate a high frequency power reference value using a respiratory flow velocity measured using a respiratory flow sensor. In this case, a correction formula for calculating the high frequency power reference value from the respiratory flow velocity needs to be recorded in the recording unit 107 in advance. As a result, the influence of the respiratory flow rate on the high frequency power can be suppressed with higher accuracy.
- the body sound measuring unit 101 may be disposed on the chest wall or on the back, and is desirably disposed at a position located on the periphery of the lung.
- FIG. 7 is a flowchart showing an example of a method for calculating a disease gain using the first and second biological sounds measured by the biological sound measuring units 101 and 102 in the signal analyzing unit 106.
- the power calculation unit 301 receives the first and second biological sound signals digitized by the A / D processing unit 105, the first and second powers that are power spectra in the entire frequency band of each biological sound signal.
- a spectrum is calculated (step S700). For example, 85 msec is one frame, and every 21 msec, a power spectrum of one frame is calculated using frequency conversion, and an average value of the power spectrum of each frame in the measured lung sound analysis time interval is calculated.
- the power ratio calculation unit 304 uses the first and second power spectra calculated by the power calculation unit 301 to calculate the ratio of the first power spectrum to the second power spectrum (step S701).
- the power spectrum ratio may be obtained as a ratio based on either the first or the second. That is, the ratio of the second power spectrum to the first power spectrum may be used.
- a low frequency gain that is a power ratio in a low frequency and a high frequency gain that is a power ratio in a high frequency are calculated (step S702).
- FIG. 8 is a diagram showing an example of the frequency characteristics of the power of lung sound measured at the chest.
- the solid line is the frequency characteristic of the power of the lung sound measured during breathing
- the broken line is the frequency characteristic of the power measured in the apnea section.
- the measured lung sound includes noise, and the frequency characteristic measured in the apnea section indicates the noise level.
- a range of 3 kHz or less where the power of the lung sound is equal to the noise level is suitable for the analysis of the lung sound.
- the S / N (signal-to-noise ratio) of the lung sound which is the power of the lung sound with respect to the noise level (solid line in FIG. 8)
- a frequency band of 2 kHz or less including a lung sound spectrum component having a frequency of 5 dB or more is equivalent to the analysis.
- a frequency band of 2 kHz or less is suitable for the low band, and in particular, a frequency band of 100 Hz or more and 200 Hz or less is desirable.
- an average value of power ratios included in a band of 100 Hz or more and 200 Hz or less is preferably set as a low frequency gain. This is because this band has a feature of reflecting the physique of the subject.
- the high frequency band may be a frequency band that includes a frequency component equal to or higher than the frequency included in the low frequency band and is 2 kHz or less.
- the 400 Hz band including approximately 400 Hz is desirable. This is because this frequency band has the characteristic of reflecting the state of the lung parenchyma due to the disease.
- the disease gain calculation unit 305 calculates the ratio of the high frequency gain to the low frequency gain by using the low frequency gain and the high frequency gain calculated by the power ratio calculation unit 304 as the disease gain (step S703).
- the disease gain may be obtained as a ratio based on either the low frequency gain or the high frequency gain. That is, the ratio of the low frequency gain to the high frequency gain may be used.
- FIG. 11 is a scatter diagram showing an example of the relationship between the disease gain in an asthmatic patient and R5, which is one index of IOS (Impulse Oscillometry System).
- IOS Impulse Oscillometry System
- the IOS index is a value that depends on age, height, and weight, but a correction formula for the Japanese subject is not yet established.
- the value of the high frequency gain which has not performed the physique correction by the low frequency gain is used as the disease gain.
- correlation coefficient 0.485, significance probability ⁇ 0.001
- R5 represents the total airway resistance for the entire lung, and means that the higher the value of R5, the harder it is to breathe.
- R5 and the disease gain are positively correlated, so the influence of the physique may remain, but the disease gain represents the state of the entire lung parenchyma that affects the total airway resistance. It can be said that there is a high possibility.
- the body sound measurement device 100 quantifies changes in the lung parenchyma due to a disease while suppressing the influence of the physique by using a disease gain that is a ratio with the low frequency gain instead of directly using the high frequency gain. can do. For example, when edema occurs in the lung parenchyma due to a disease or hardening of the lung parenchyma occurs, lung sounds are easily transmitted. In this case, the value of the disease gain is increased. When the disease gain is logarithmically expressed, the disease gain is a negative number and approaches 0 dB when the lung sound easily propagates.
- the body sound test apparatus 100 reduces the influence of age, physique, etc., and does not require the control of the respiratory flow rate, and the airway state and the lung parenchymal state. Can be evaluated.
- step S701 the power ratio calculation unit 304 directly calculates the power spectrum ratio, but a cross spectrum method may be used.
- the power calculation unit 301 may calculate only the power in each of the low frequency range and the high frequency range. In this case, if the power calculation unit 301 calculates the power in the low frequency and the high frequency, and the power ratio calculation unit 304 calculates the power ratio in the low frequency and the high frequency, the low frequency gain and the high frequency gain can be calculated. . As a result, it is not necessary to perform frequency conversion in the entire band in order to calculate the power spectrum, and the amount of calculation can be reduced.
- a band pass filter for each frequency band may be designed to calculate the power for each frequency band.
- the disease gain calculation unit 305 calculates the ratio of the high frequency gain to the low frequency gain, but a low frequency gain reference value may be used instead of the low frequency gain.
- the low-frequency gain reference value is a value calculated using at least one body parameter and a correction formula among height, age, weight, sex, body surface area, and body mass index. In this case, a correction formula for correcting the low-frequency gain from the body parameters needs to be recorded in the recording unit 107 in advance. As a result, there is a possibility that the low-frequency gain corresponding to the physique can be calculated with higher accuracy.
- the lung sound analysis time interval in the biological sound measurement device 100 is either the whole or part of the inspiratory time period, the whole or part of the expiratory time, or both or part of the inspiratory expiration. May be.
- the biological sound measurement units 101 and 102 have been described as including the lead wire 204 and transmitting the biological sound signal.
- the present invention is not limited to this, and the biological sound signal is transmitted by wireless communication instead of the lead wire 204. It may be a configuration. According to this configuration, the lead wire 204 is not required, and it is possible to prevent noise from being mixed from the lead wire 204 due to vibration caused by contact of the lead wire 204 with the body, electromagnetic waves, or the like during measurement of body sound. .
- the biological sound measuring units 101 and 102 have been described as detecting a biological sound using the microphone 203, but a biological sound may be detected using an acceleration sensor. In this case, the diaphragm part 201 and the space part 202 are unnecessary. As a result, it is possible to reduce ambient noise propagating due to air vibration from being mixed into the sensor via the diaphragm portion and the space portion.
- Embodiment 2 In the present embodiment, a method for determining the state (good or bad) of a living body based on the disease high-frequency power ratio and the disease gain calculated after acquiring the body sound in Embodiment 1, and the basis for the determination A method for setting the information will be described.
- FIG. 12 is a diagram illustrating an example of a configuration block configuration of the biological sound inspection apparatus 1200 according to the second embodiment.
- the same constituent blocks as those in the first embodiment are denoted by the same reference numerals and description thereof is omitted.
- the biological sound inspection apparatus 1200 uses the analysis result calculated by the signal analysis unit 106 and the identification information recorded in advance in the recording unit 107 to identify the state of the living body.
- An estimation unit 1201 is provided.
- FIG. 13 is a diagram illustrating an example of a functional block configuration of the state estimation unit 1201.
- the state estimation unit 1201 includes a state digitizing unit 1300 that digitizes the state of the living body, and a determination unit 1301 that determines the state of the living body using the result of the state digitizing unit 1300. .
- FIG. 14 is a flowchart showing an example of a biological state estimation method in the state estimation unit 1201.
- the state digitizing unit 1300 uses the disease high frequency power ratio and disease gain calculated by the signal analyzing unit 106 and the identification information recorded in advance in the recording unit 107 to indicate a state value indicating the state of the living body. Is calculated (step S1400).
- the identification information is a function for calculating a continuous value using the disease high frequency power ratio and the disease gain, for example, as shown in Equation 5.
- Z 0.273 * DGain + 0.351 * DHiPow + 4.124 (Formula 5)
- Z is a state value
- DGain is a disease gain
- DHiPow is a disease high frequency power ratio.
- Expression 5 is an example obtained by experiment, and may be another expression.
- the discriminating unit 1301 compares the state numerical value calculated by the state digitizing unit 1300 with a predetermined value (step S1401). If the state numerical value is less than the predetermined value, it is determined that the state of the living body is good (step S1402). On the other hand, if the state numerical value is greater than or equal to the predetermined value, it is determined that the living body is in a bad state (step S1403).
- FIG. 15 is a scatter diagram showing an example of the relationship between the disease high frequency power ratio and the disease gain in asthmatic patients.
- circles are values analyzed from lung sounds measured when there are no symptoms of seizures and other asthma, and are analysis values of a good lung state (good state).
- the plus sign is a value analyzed from lung sounds measured when there is a seizure or cough symptom or asthma symptom such as activity limitation, and is an analysis value of a poor lung condition (bad condition) is there.
- the discriminant function in this case is Equation 5.
- the predetermined value in the discriminating unit 1301 is desirably 0.
- Other predetermined values can be used depending on the application.
- the sensitivity and specificity in the test can be changed by increasing or decreasing the predetermined value.
- the sensitivity is the ratio of the number of living organisms determined to be defective to the number of living organisms that are truly defective.
- the specificity is the ratio of the number of living organisms determined to be good to the number of living organisms that are truly good. That is, when it is determined that the state of the lung sound is poor when the body sound test apparatus 1200 measures the lung sound, the predetermined value may be set to be smaller than 0 in order to increase the sensitivity. On the other hand, when it is determined by the biological sound inspection apparatus 1200 that the state is good, when it is desired to increase the specificity, the predetermined value may be set larger than zero.
- the configuration may be such that the operator of the biological sound test apparatus can arbitrarily change the predetermined value.
- the predetermined value is set appropriately depending on what formula is used as the discriminant function. What is necessary is just to set a formula and a predetermined value appropriately by each device and environment of an apparatus so that the state of the state of the lung can be determined as good or bad.
- FIG. 16 is an ROC curve when the predetermined value is changed by the discriminant function of Expression 5 in the scattering state of FIG.
- an ROC curve indicates a relationship between sensitivity and specificity when a predetermined value is changed, and one predetermined value corresponds to one point on the ROC curve. If the biological sound test apparatus 1200 displays the ROC curve, the operator grasps the relationship between sensitivity and specificity from the ROC curve and changes the use of the test by changing the predetermined value to a desired value. Can do. Furthermore, if the biological sound test apparatus 1200 records a predetermined value corresponding to an arbitrary point on the ROC curve in the recording unit 107 in advance, the operator simply selects an arbitrary point on the ROC curve. The predetermined value can be easily set to a desired value.
- FIG. 17 is obtained by adding the ROC curve when the two groups in FIG. 15 are identified using only the disease gain to the ROC curve in FIG. 16 (dotted line in FIG. 17).
- the higher the both sensitivity and specificity the closer the graph is to the upper left. For this reason, as is clear from FIG. 17, the identification accuracy is improved in the case of using two indicators of the disease gain and the disease high frequency power ratio than in the case of using only the disease gain. I understand that.
- identification information may be used.
- supervised classification methods such as SVM (support vector machine), neural network, GMM (Gaussian Mixture Model), K-means method, association rules such as a priori, and unsupervised classification methods such as self-organizing maps.
- the configuration may be such that the identification information is changed according to the usage.
- identification information may be used when used for differential diagnosis of asthma and when used for follow-up during treatment. Moreover, you may change identification information for every disease. According to this configuration, identification information and a predetermined value can be set for each usage and disease, and the identification accuracy can be improved.
- identification information and the predetermined value may be changed according to medication information such as the type and volume of medication.
- step S1402 and step S1403 may be reversed depending on the type of identification information, the type of disease to be applied, and the usage. That is, when the state numerical value is less than the predetermined value in step S1401, it may be determined that the state is defective, and when the state numerical value is equal to or greater than the predetermined value, it may be determined that the state is good.
- a configuration may be adopted in which a predetermined value is learned for each individual and the predetermined value is sequentially updated. For example, when measuring the body sound of the same individual on a regular basis, a correct or incorrect correct label is assigned to each measured value based on the results of other test equipment or diagnosis by a doctor, and stored Identification information or a predetermined value may be learned so that the good or bad state can be accurately identified based on the measured value and the correct answer label. According to this configuration, appropriate identification information and a predetermined value can be set for each individual, and the identification accuracy can be improved.
- information other than the analysis result in the signal analysis unit 106 may be used as information used in the identification information.
- other test results such as blood pressure, body temperature, blood test, lung function test, exhalation NO test device, and IOS may be used.
- medication information such as a questionnaire result to a patient regarding a disease, a clinical evaluation item and physical findings by a doctor, a medical history and past history of a patient and a family, and a type and volume of medication.
- it may be patient body basic information such as height, age, weight, sex, body surface area and BMI (body mass index), weather information such as temperature, humidity, and atmospheric pressure, pollen scattering.
- the area is divided into two areas by the discriminant function, but may be divided into three or more areas depending on the type of disease, the meaning of the divided areas, and the like.
- the meaning of the area may be associated with each area by a value of another inspection device such as a spirometer or an expiration NO measuring device.
- a region where spirometers and exhaled NO values are both good and bad is easily classified by combination of good and bad spirometer values and exhaled NO values.
- Area A, both spirometer and exhaled NO values are good
- the two-dimensional map may be divided into three so that a region where a person who is likely to be classified is a region B, and a region where a person with one of the two values is easily classified is a region C.
- Embodiment 3 a method for discriminating the transition of the state of the living body (good or bad) based on the disease high-frequency power ratio and the disease gain calculated after acquiring the body sound in Embodiment 1 will be described.
- FIG. 18 is a diagram illustrating another example of the functional block configuration of the state estimation unit 1201 of the biological sound inspection apparatus 1200 according to the third embodiment.
- the same components as those of the second embodiment are denoted by the same reference numerals and description thereof is omitted.
- the state estimation unit 1201 includes a correction value calculation unit 1800 that corrects the value of the disease high frequency power ratio, an attribute value calculation unit 1801, and a determination unit 1802 that determines the state of the living body from the attribute information.
- FIG. 19 is a flowchart showing another example of a biological state estimation method in the state estimation unit 1201.
- the correction value calculation unit 1800 calculates the corrected disease high frequency power ratio using the disease high frequency power ratio and the disease gain calculated by the signal analysis unit 106 and, for example, Equation 6 (step S1900).
- CorDHiPow DHiPow ⁇ ( ⁇ 0.184 * DGain ⁇ 3.003) (Formula 6)
- CorDHHiPow is the corrected disease high frequency power ratio
- DGain is the disease gain
- FIG. 20 is a scatter diagram showing another example of the relationship between the disease high frequency power ratio and the disease gain in asthmatic patients. As shown in FIG. 20, there is a negative correlation between the disease high frequency power ratio and the disease gain, and when analyzing the amount of change in the disease high frequency power ratio, correction by the disease gain may be necessary. is there. For this reason, correction based on the disease gain is performed using Equation 6.
- Equation 6 The second term ( ⁇ 0.184 * DGain ⁇ 3.003) on the right side of Equation 6 is calculated from a scatter diagram showing the relationship between the disease gain and the disease high frequency power ratio in the lung sounds of patients with mild asthma. Is a regression line. Based on this regression line, a disease high frequency power ratio reference value for each disease gain can be calculated for a relatively close lung.
- the corrected disease high band power ratio is a difference from the disease high band power ratio reference value, and the larger the value, the worse the condition in the airway.
- Expression 6 is an example obtained by experiment and may be another expression.
- the attribute value calculation unit 1801 uses the disease gain, the corrected disease high frequency power ratio, and the two-dimensional map recorded in the recording unit 107 to calculate plot information in the two-dimensional map of the analysis value (step) S1901).
- the two-dimensional map is information obtained by dividing a plurality of regions and zones in a graph in which the disease gain is plotted on the horizontal axis and the disease high frequency power ratio is plotted on the vertical axis. It is a map including. Each region is given an order scale, and a numerical value is given according to the deterioration state of the living body.
- the two-dimensional map of FIG. 21 is divided into six regions and three zones.
- the two-dimensional map is divided into a plurality of regions by straight lines and curves.
- the graph area is divided into six areas by a straight line 1, a straight line 2, and a straight line 3.
- Region 1 is a region in which the disease high frequency power ratio is a straight line 1 or more and a disease gain is a line 2 or more.
- Region 2 is a region where the disease high frequency power ratio is less than line 1 and the disease gain is line 2 or more.
- Region 3 is a region in which the disease high frequency power ratio is equal to or greater than line 1, and the disease gain is less than line 2 and equal to or greater than line 3.
- Region 4 is a region in which the disease high frequency power ratio is less than straight line 1, the disease gain is less than straight line 2, and straight line 3 or more.
- Region 5 is a region in which the disease high frequency power ratio is equal to or greater than line 1 and the disease gain is less than line 3.
- the region 6 is a region where the disease high frequency power ratio is less than the straight line 1 and the disease gain is less than the straight line 3.
- an example of the straight line 1 is Expression 7, which is the same as the second term on the right side of Expression 6.
- an example of the straight line 2 is Expression 5 that accurately identifies a group of patients who have measured lung sounds during an asthma attack and a group of other patients.
- An example of the straight line 3 is Equation 6 that accurately identifies lung sounds measured by non-asthmatic people and asthmatic people.
- DHiPow ⁇ 0.184 * DGain ⁇ 3.003 (Formula 7)
- DGain -12.5
- Forma 8) DGain ⁇ 18.0 (Formula 9)
- Equations 7, 8 and 9 are obtained by experiments and may be other straight lines and curves.
- FIG. 21 is divided into six regions, some regions may be combined and divided into five or less regions. However, at least one of the regions 1, 2 and 3 and at least one of the regions 4, 5 and 6 should not be combined. This is because region 1, region 2 and region 3 often contain analysis results of people with poor asthma conditions, and region 4, region 5 and region 6 include analysis results of people with good asthma states. This is because it is often included. Note that the region 1 and the region 2 often include people who are likely to have seizures, and therefore, the region where the region 1 and the region 2 are combined may be used as the new region 1. In addition, since there are many people with good asthma in regions 4 and 5, and normal people are relatively often included in region 6, region 4 and region 5 are joined to form a new region 4 It is good.
- the two-dimensional map is divided into a plurality of zones in the axial direction of the disease gain.
- zone 1 is a zone where the disease gain is a straight line 2 or more.
- Zone 2 is a zone in which the disease gain is less than line 2 and greater than or equal to line 3.
- Zone 3 is a zone where the disease gain is less than line 3.
- Zone 1 often includes the results of analysis of people who are prone to seizures.
- Zone 2 often includes the results of analysis of relatively unstable people whose condition is likely to change.
- Zone 3 often includes the analysis results of a person who is in good condition and relatively stable, or a normal person.
- the plot information is at least one of the region number and the zone number corresponding to the points plotted on the two-dimensional map based on the disease gain and the disease high frequency power ratio.
- areas 1 to 6, zones 1 to 3, area numbers and zone numbers are assigned in ascending order from 1, and zone numbers are assigned from zone 1 to zone 3 in ascending order.
- the value is not limited to this, and any value may be used as long as the order scale according to the state of the living body in each region and each zone can be distinguished.
- the attribute calculation unit 1801 calculates difference value information that is a change amount from the previous measurement value to the current measurement value in the disease gain, the corrected disease high frequency power ratio, and the plot information measured at different times in the same individual (Ste S1902).
- the difference value information is log information that shows not only the amount of change in the measured value between this time and the previous time, but also the amount of change in the measured value between the previous time and the previous time, and further before that. Also good.
- the determination unit 1802 includes the difference value information, the disease gain measured this time, the disease high frequency power ratio, the corrected disease high frequency power ratio and the plot information, and the disease gain, disease high frequency power ratio, corrected disease high frequency power measured last time. Using attribute information including at least one of ratio and plot information, discrimination is performed based on a decision tree that is identification information recorded in advance in the recording unit 107 (step S1903).
- FIG. 22 is an example of a decision tree.
- the attribute information output from the attribute calculation unit 1801 to the determination unit 1802 includes plot information and the previous and current corrected disease high frequency power ratio.
- the attribute information differs depending on what kind of decision tree is used.
- the decision tree changes according to usage such as race, disease, target age, and identifying information.
- the attribute information described in a part called a node surrounded by a circle shown in FIG. 22 is compared with a predetermined value, and the upper level is discriminated from the lower level according to the comparison result. As a result of the discrimination, if it is classified into a part called a leaf surrounded by a square, the discrimination ends. If a discrimination result, a reliability, and a discrimination reason are set in advance for each leaf and displayed together with the discrimination result, it is useful for the measurer to decode the discrimination result.
- Each leaf of FIG. 22 describes the seizure, defect, or good discrimination result and the reliability (percentage display). Furthermore, if the two-dimensional map and the time-series analysis result of the subject are displayed at the same time, it is possible to easily understand the change in state visually.
- the graph of FIG. 23 is a two-dimensional map showing the results of three consecutive lung sound analyzes this time and the previous time.
- the lung sound analysis results are displayed so that the time series can be understood, it becomes easier to visually understand changes in the state of the lungs. Since the two-dimensional map means that the condition gets worse as the analysis result approaches the upper right side, in the case of FIG. 23, the diagnosis results in the three consecutive lung sound analyzes are region 4, region 2 in order. And it can grasp
- the determination result determined using the identification information such as a decision tree or the wording of the determination reason may be displayed.
- the reliability may use the accuracy with which the training data is correctly classified into each leaf when the decision tree is learned using the training data. Moreover, you may utilize the classification
- a decision tree is used, but other identification information may be used.
- identification information such as SVM (support vector machine), neural network, GMM (Gaussian Mixture Model), K-means method, association rules such as a priori, and unsupervised classification methods such as self-organizing maps.
- the configuration may be such that the identification information is changed according to the usage.
- a configuration may be adopted in which a predetermined value is learned for each individual and the predetermined value is sequentially updated.
- Identification information or a predetermined value may be learned so that the good or bad lung condition can be accurately identified based on the accumulated measurement value and the correct answer label. According to this configuration, appropriate identification information and a predetermined value can be set for each individual, and the identification accuracy can be improved.
- information other than the analysis result in the signal analysis unit 106 may be used as information used in the identification information.
- other test results such as blood pressure, body temperature, blood test, pulmonary function test, exhalation NO test, and IOS may be used.
- it may be a questionnaire result to a patient regarding a disease, clinical evaluation items and physical findings by a doctor, a medical history and a past history of a patient and a family.
- it may be patient basic information such as height, age, weight, sex, body surface area, BMI (Body Mass Index), weather information such as temperature, humidity, pressure, etc. and pollen scattering status.
- It may be air information such as the air pollution situation, the presence or absence of exercise, patient activity information by a pedometer, the time when the condition worsens, etc. According to this configuration, it is possible to estimate the patient's state by identifying whether the state is good or bad by taking into account the characteristic amount characteristic at the time of state deterioration for each patient, and improve the identification accuracy.
- condition deterioration factors vary from person to person, such as those who are prone to seizures due to exercise and those who are prone to seizures due to changes in atmospheric pressure, and combining analysis results of biological sounds with other information It is effective for improving identification accuracy.
- each region shown in FIG. 21 is an example of division, and the division into more regions and the division method may be different depending on the type of disease and the meaning of each region. .
- the meaning of each region may be associated with each region depending on the value of another inspection device such as a spirometer or an expiration NO measuring device.
- a region where spirometers and exhaled NO values are both good and bad is easily classified by combination of good and bad spirometer values and exhaled NO values.
- Area A, both spirometer and exhaled NO values are good
- the two-dimensional map may be divided so that a region where a person who is likely to be classified is a region B, and a region where a person with a bad value is easily classified is a region C.
- a part or all of the components constituting each of the above devices may be configured by one system LSI (Large Scale Integration).
- the system LSI is a super multifunctional LSI manufactured by integrating a plurality of components on a single chip, and specifically, a computer system including a microprocessor, a ROM, a RAM, and the like.
- the RAM stores a computer program that achieves the same operation as each of the above devices.
- the system LSI achieves its functions by the microprocessor operating according to the computer program.
- a part or all of the constituent elements constituting each of the above devices may be constituted by an IC card or a single module that can be attached to and detached from each device.
- the IC card or the module is a computer system including a microprocessor, a ROM, a RAM, and the like.
- the IC card or the module may include the super multifunctional LSI described above.
- the IC card or the module achieves its function by the microprocessor operating according to the computer program. This IC card or this module may have tamper resistance.
- the present invention may be a method realized by the computer processing described above. Further, the present invention may be a computer program that realizes these methods by a computer, or may be a digital signal composed of the computer program.
- the computer program or the digital signal may be recorded on a computer-readable recording medium.
- the computer-readable recording medium include a flexible disk, a hard disk, a CD-ROM, an MO, a DVD, a DVD-ROM, a DVD-RAM, a BD (Blu-ray Disc), and a semiconductor memory.
- the present invention may be the digital signal recorded on these recording media.
- the computer program or the digital signal may be transmitted via an electric communication line, a wireless or wired communication line, a network represented by the Internet, a data broadcast, or the like.
- the present invention may also be a computer system including a microprocessor and a memory.
- the memory may store the computer program, and the microprocessor may operate according to the computer program.
- the program or the digital signal is recorded on the recording medium and transferred, or the program or the digital signal is transferred via the network or the like, and executed by another independent computer system. It is good.
- the biological sound inspection apparatus and method according to the present invention do not require correction based on age, height, etc., or control of breathing, and can easily measure the state of the airway and lung parenchyma by measuring lung sounds. It is effective for simultaneously quantifying the state of the lung, and is effective for estimating the state of the lung due to a disease or the like.
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pulmonology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Acoustics & Sound (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
取得した生体音によって生体の状態を精度よく推定する生体音検査装置であって、生体の第一部位の第一生体音信号を生成する第一生体音測定部(101)と、第一部位より生体音の音源に近い第二部位の第二生体音信号を生成する第二生体音測定部(102)と、第二生体音信号のパワに対する第一生体音信号のパワ比を算出するパワ比算出部(304)と、パワ比に対し、生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより、生体音の生体における伝達特性指標を、生体音特性の1つとして算出する疾病ゲイン算出部(305)と、第一周波数帯域における第二生体音信号のパワである第一パワを算出するパワ算出部(301)と、第一パワに対し、生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより生体音の音源特性指標を、生体音特性の他の1つとして算出する疾病高域パワ比算出部(303)とを備える。
Description
本発明は、生体音検査装置に関するものである。特に、生体内を伝播する生体音を測定し、複数の生体音特性を算出することにより、生体の状態の推定を支援する生体音検査装置に関するものである。
医師が病院等で患者を診察する場合、聴診器によって心音や肺音などの生体音を聴取し、診断を行っている。しかしながら、聴診による診断は、医者の主観的評価に基づくものであり、正確な診断には熟練の必要があった。
肺音とは、肺及び胸郭内で呼吸運動とともに発生し、正常又は異常とは関係なく、心血管系を音源とする音を除く全ての音である。さらに、肺音は呼吸により気道内に生じた空気の流れを音源とする生理的な音である呼吸音と、喘鳴や胸膜摩擦音などの病的状態で発生する異常な音である副雑音とに分類される。なお、呼吸音の音源は、比較的太い気道内で起こると考えられている。
従来の診断において、肺音を信号処理することにより肺疾患の診断支援が行われている。肺疾患の診断支援では、副雑音を検知して疾患の状態を推定する。しかし、疾患の客観的指標が確立されるには至っていない。
肺疾患の一つとして気胸がある。気胸とは、肺と胸壁の間に気腔が形成されるものであり、理学的所見では、呼吸音の減少として現れる。そこで、気胸の状態を検出するために、スピーカによって口および気管内に音波を放射し、放射された音波が患者内を伝播し、伝播してきた音波を胸壁上で測定して信号処理を行う方法が提案されている(例えば、特許文献1参照)。特許文献1によれば、放射される音波と胸壁上で測定した音波とを用いて伝達特性を算出し、気胸の状態を検出することができる。
また、スピーカにより音波を放射する手段を利用しない方法として、胸壁上で測定した肺音を分析する方法が提案されている(例えば、特許文献1参照)。特許文献1によれば、胸壁上で測定した肺音信号を用いて周波数変換し、低周波数帯域成分と高周波数帯域成分とのエネルギ比を算出し、呼吸器の状態を検出することができる。
一方、医師が呼吸器の診断を行う場合、身体の複数箇所に聴診器を当てて肺音を聴取する。肺音を測定した位置を検出するために、肺音を測定するセンサに加速度センサを備えた装置が提案されている(例えば、特許文献2参照)。特許文献2によれば、加速度センサの出力値を積分してセンサの移動距離を算出し、肺音の測定位置を自動検出することができる。
また、患者が遠隔地にいる場合の診断において、医師以外の者が患者の所定の箇所にマイクを当てて生体音を測定し、その生体音信号を通信回線を通じて医者のもとに伝送して聴診する場合がある。患者の所定の箇所にマイクが当てられていない場合でも、遠隔地にいる医師の診断を可能にするために、患者に複数のマイクを当てて診断を支援する装置が提案されている(例えば、特許文献3参照)。特許文献3によれば、複数のマイクからの音響信号を用いて重みつき和を算出し、マイクが当てられていない箇所の音響信号を擬似的に作成することにより、遠隔地での診断を支援することができる。
しかしながら、肺音の伝達特性から疾患の状態を精度よく推定することはできないという問題がある。副雑音を伴わない場合であっても、疾患の状態に応じて肺の状態は変化する。例えば、喘息の場合、非発作時には喘鳴などの副雑音が発生していなくても、肺の状態、つまり肺実質や気道表面は日々変化している。したがって、例えば特許文献1の手法を用いて肺の伝達特性を算出したとしても、疾患の状態を精度よく推定することはできないという問題がある。なぜなら、肺の伝達特性だけでは、気道の表面の状態を評価することができないためである。
一方、肺の伝達特性を評価することは疾患の状態を推定するために重要であるが、肺の伝達特性だけを正確に取得することは難しいという問題がある。肺音を胸壁上で観測しようとしても、肺音以外の振動が胸郭を介して胸壁上に伝播及び拡散し、又は、被験体の外部の音が混入して観測されるため、肺音だけを観測することが難しいためである。例えば、特許文献1のように、口腔から音波を入れて肺の伝達特性を求める場合、音波が胸郭を介して胸壁上に伝播することがあり、また、口腔から入れる音波が空気を伝播してセンサに混入することがあるため肺のみの伝達特性を正確に評価することが難しい。
本発明は、上記の課題を解決するためになされたものであり、生体音を取得し、取得した生体音によって生体の状態を精度よく推定する生体音検査装置等を提供することを目的とする。
上記課題を解決するために、本発明の一様態に係る生体音検査装置は、生体内を伝播する生体音を測定し、複数の生体音特性を算出することにより、生体の状態の推定を支援する生体音検査装置であって、前記生体の第一部位における前記生体音を測定し、第一生体音信号を生成する第一生体音測定部と、前記第一部位より生体音の音源に近い第二部位における前記生体音を測定し、第二生体音信号を生成する第二生体音測定部と、前記第二生体音信号のパワに対する前記第一生体音信号のパワの比であるパワ比を算出するパワ比算出部と、前記パワ比に対し、前記生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより、前記生体音の前記生体における伝達特性指標を、前記生体音特性の1つとして算出する伝達特性指標算出部と、第一周波数帯域における前記第二生体音信号のパワである第一パワを算出するパワ算出部と、前記第一パワに対し、前記生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより前記生体音の音源特性指標を、前記生体音特性の他の1つとして算出する音源特性指標算出部とを備える。
この構成により、生体における二箇所の生体音を取得し分析することで、被験者の呼吸流速及び体格の影響が抑制された音源特性指標(疾病高域パワ比)及び伝達特性指標(疾病ゲイン)が算出される。よって、生体の状態を精度よく推定することが可能となる。
また、好ましくは、前記パワ算出部は、前記第一周波数帯域と異なる周波数帯域である第二周波数帯域における前記第二生体音信号のパワである第二パワを算出し、前記生体音検査装置は、さらに、前記第二パワに含まれる前記生体の体格差の影響を抑制した値である第一パワ基準値を算出する基準パワ算出部を備え、前記音源特性指標算出部は、前記第一パワ基準値に対する前記第一パワの比を算出することで前記演算を行うことにより前記音源特性指標を算出する。
この構成により、第二生体音信号に含まれる体格の影響を抑制することができる。よって、被験者の体格の違いによる第二パワ(低域パワ)の変動がある場合においても、その変動による影響を低減することが可能となる。
また、好ましくは、前記第二周波数帯域は、前記第一周波数帯域より低い周波数を含む周波数帯域である。
この構成により、第二パワ(低域パワ)に応じた第一パワ基準値(高域パワ基準値)を設定することができ、第二パワ(低域パワ)の変動による影響を低減することが可能となる。
また、好ましくは、前記パワ比算出部は、第三周波数帯域における前記パワ比と、前記第三周波数帯域より低い周波数を含む第四周波数帯域における前記パワ比とを算出し、前記伝達特性指標算出部は、前記第四周波数帯域における前記パワ比に対する、前記第三周波数帯域における前記パワ比の比を前記伝達特性指標として算出する。
この構成により、ゲイン基準値をあらかじめ設定しておく必要がなく、測定した生体音から算出することが可能となる。
また、好ましくは、前記パワ比算出部は、第三周波数帯域における前記パワ比を算出し、前記伝達特性指標算出部は、前記生体の身長、年齢、体重、性別、体表面積及びボディ・マス・インデックスのうち少なくとも一つとあらかじめ設定された第一のゲイン予測式とを用いて算出されるゲイン基準値を算出し、前記ゲイン基準値に対する、前記第三周波数帯域における前記パワ比の比を前記伝達特性指標として算出する。
この構成により、被測定者の身体的特徴に依存したゲイン基準値を設定することができ、生体状態の分析結果において個人差の影響を低減することが可能となる。
また、好ましくは、前記生体音検査装置は、さらに、あらかじめ設定された識別情報と、算出された前記音源特性指標及び前記伝達特性指標に基づいて生体が良好な状態にあるか又は不良な状態にあるかの推定を行う状態推定部を備える。
また、好ましくは、前記状態推定部は、前記識別情報として判別関数を用い、前記音源特性指標及び前記伝達特性指標を判別関数に代入したときに、判別関数の値が所定値以上である場合に生体の状態が良好及び不良のうちどちらか一方とし、判別関数の値が所定値未満である場合に生体の状態が良好及び不良のうちどちらか他方とする前記推定を行う。
また、好ましくは、前記状態推定部は、前記所定値を増減することで、前記推定において真に不良な生体が不良であると推定する割合である感度と、前記推定において真に良好な生体が良好であると推定する割合である特異度とを変更する。
この構成により、生体の状態を推定することができ、専門家でなくても生体の状態の良し悪しを容易に把握することが可能となる。
また、好ましくは、前記状態推定部は、前記識別情報としてサポートベクターマシンを用いて生体の状態を推定する。
この構成により、生体の状態を自動的に高精度で識別することが可能となる。
また、好ましくは、前記状態推定部は、さらに、前記生体への投薬に関する投薬情報から生体の状態を推定する。
この構成により、生体への投薬情報の内容により、生体の状態推定を変えることができ、個人の状況に適応した状態推定が可能となる。
また、好ましくは、前記生体音検査装置は、さらに、前記音源特性指標を示す軸と前記伝達特性指標を示す軸とを2軸とするグラフである2次元マップを含む検査結果を表示する表示部を備え、前記2次元マップは、少なくとも一つ以上の境界線により複数の領域に分割される。
この構成により、状態の目安となる2次元マップ上の領域と、生体音の分析結果との関係を視覚的に表示されるため、状態の良し悪しやその程度を容易に理解することが可能となる。
また、好ましくは、前記2次元マップは、前記伝達特性指標を示す軸方向に直線または曲線により三分割され、前記音源特性指標を示す軸方向に直線または曲線により二分割される。
この構成により、状態の目安となる2次元マップ上の領域と、生体音の分析結果との関係を視覚的に表示されるため、状態の良し悪しやその程度を容易に理解することが可能となる。
また、好ましくは、前記生体音検査装置は、さらに、あらかじめ設定された識別情報と、測定された前記音源特性指標及び前記伝達特性指標に基づいて生体が良好な状態にあるか又は不良な状態にあるかの推定を行う状態推定部を備え、前記状態推定部は、前記識別情報として前記境界線を用い、前記2次元マップにおいて、算出された前記音源特性指標及び前記伝達特性指標に対応する座標を含む領域により状態を推定する。
この構成により、状態推定の境界線を2次元マップ上に表示することで、状態の推定結果を視覚的に分かりやすく表示することが可能となる。
また、好ましくは、前記状態推定部は、第一時刻における前記伝達特性指標及び前記音源特性指標に対応する座標を含む領域と、第一時刻と異なる第二時刻における前記伝達特性指標及び前記音源特性指標に対応する座標を含む領域とから生体の状態を推定する。
この構成により、疾病高域パワ比と疾病ゲインとが相関関係にあっても、同一個人の分析結果の時系列変化に基づいた状態の良し悪しやその傾向を推定することが可能となる。
また、好ましくは、前記第二部位は胸部又は頸部の所定部位であり、前記第一部位は胸部の所定部位である。
この構成により、肺を伝播する生体音を測定することができ、肺の状態を推定することが可能となる。
また、好ましくは、前記第一部位は胸骨切痕であり、前記第二部位は右鎖骨中線上第二肋間である。
この構成により、肺音の音源に近い位置と、肺の周縁位置とで肺音を測定することができ、高精度に肺の状態を推定することが可能となる。
また、好ましくは、前記第二部位は、前記第一部位よりも頸部に近い部位である。
この構成により、肺音が肺内を伝播する経路上の2点で肺音を測定することができ、肺の状態を推定することが可能となる。
また、好ましくは、前記生体の状態とは、喘息の肺の状態である。
この構成により、喘息の肺の状態が、肺音の分析によって判別することが可能となる。
また、本発明の一様態に係る生体音検査方法は、生体内を伝播する生体音を測定し、複数の生体音特性を算出することにより、生体の状態の推定を支援する生体音検査方法であって、前記生体の第一部位における前記生体音を測定し、第一生体音信号を生成する第一生体音測定ステップと、前記第一部位より生体音の音源に近い第二部位における前記生体音を測定し、第二生体音信号を生成する第二生体音測定ステップと、前記第二生体音信号のパワに対する前記第一生体音信号のパワの比であるパワ比を算出するパワ比算出ステップと、前記パワ比に対し、前記生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより、前記生体音の前記生体における伝達特性指標を、前記生体音特性の1つとして算出する伝達特性指標算出ステップと、第一周波数帯域における前記第二生体音信号のパワである第一パワを算出するパワ算出ステップと、前記第一パワに対し、前記生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより前記生体音の音源特性指標を、前記生体音特性の他の1つとして算出する音源特性指標算出ステップとを含む。
これにより、上記生体音検査装置と同様の効果を奏することができる。
また、生体音検査方法に含まれる各ステップをコンピュータに実行させるためのプログラムとして実現することもできる。そのようなプログラムは、CD-ROM(Compact Disc Read Only Memory)等の記録媒体あるいはインターネット等の伝送媒体を介して配信することができる。
本発明によれば、生体音検査装置は、肺音を分析することにより、複数の観点から簡単に生体の状態を定量化することができる。
以下、本発明の実施の形態について、図面を参照しながら説明する。なお、以下で説明する実施の形態は、いずれも本発明の好ましい一具体例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。本発明は、特許請求の範囲だけによって限定される。よって、以下の実施の形態における構成要素のうち、本発明の最上位概念を示す独立請求項に記載されていない構成要素については、本発明の課題を達成するのに必ずしも必要ではないが、より好ましい形態を構成するものとして説明される。
なお、同一の構成要素には同一の符号を付し、説明を省略する場合がある。
(実施の形態1)
本実施の形態において、生体音測定部において生体音を測定した後に生体音信号を生成し、生成した生体音信号から疾病高域パワ比及び疾病ゲインを算出する構成及び方法について説明する。
本実施の形態において、生体音測定部において生体音を測定した後に生体音信号を生成し、生成した生体音信号から疾病高域パワ比及び疾病ゲインを算出する構成及び方法について説明する。
図1は、実施の形態1に係る生体音検査装置100の機能ブロック構成を示す図である。
生体音検査装置100は、生体音を測定する生体音測定部101及び102と、信号処理部103と、信号処理部103で利用する情報及び生体音信号の分析結果を記録する記録部107と、測定者に生体音信号の分析結果を表示する表示部108とを備える。信号処理部103は、生体音測定部101及び102で測定した生体音信号をそれぞれ増幅する増幅部104と、増幅部104で増幅された生体音信号のそれぞれをデジタル化する(デジタルデータに変換する)A/D処理部105と、A/D処理部105でそれぞれデジタルデータに変換された生体音信号を分析する信号分析部106とを備える。なお、記録部107及び表示部108は、通信回線で接続された外部の装置にあってもよい。
図2は、生体音測定部101の構成図である。
図2に示されるように、生体音測定部101は、生体内を伝播する生体音の振動を空気の振動に変換するダイヤフラム部201と、ダイヤフラム部201で空気振動に変換された生体音を伝播させる空間部202と、空間部202を伝播してきた生体音を電気信号に変換するマイクロフォン203と、マイクロフォン203で電気信号に変換された生体音信号を伝送するためのリード線204とを備える。なお、充填部205は、外部からの環境雑音による振動が空間部202に伝播しないように、ゴム素材やゲル等の制振材が充填されていてもよい。また、生体音測定部102は、生体音測定部101と同様の構成を備える。
図3A、図3B、図3C及び図3Dのそれぞれは、信号分析部106の機能ブロックの一例を示す図である。
信号分析部106は、パワ算出部301と、疾病高域パワ比算出部303と、パワ比算出部304と、疾病ゲイン算出部305とを備える。パワ算出部301は、A/D処理部105でデジタル化された各生体音信号から、複数の周波数帯域のパワを算出する。疾病高域パワ比算出部303は、パワ算出部301で算出された複数の周波数帯域の各パワから疾病高域パワ比を算出する。パワ比算出部304は、パワ算出部301で算出されたひとつまたは複数の周波数帯域のパワを用いてパワ比を算出し、高域ゲインと低域ゲインとを算出する。疾病ゲイン算出部305は、高域ゲイン、低域ゲインから疾病ゲインを算出する。なお、図3B及び図3Cに示されるように、信号分析部106は、パワ算出部301で算出された所定の周波数帯域のパワから異なる周波数帯域のパワの補正値を算出する基準パワ算出部302及び312をさらに備えてもよい。さらに、図3Dに示されるように、信号分析部106は、疾病高域パワ比算出部303で算出されるパワ比を補正する補正部306を備えてもよい。
なお、疾病高域パワ比とは、呼吸流速及び体格によらずに気管の疾患状態に対応づけられる数値であり、図3A、図3B、図3C及び図3Dのそれぞれに示される一連の処理により算出される。算出方法による差を明示するため、図3Aにより算出される疾病高域パワ比を第一疾病高域パワ比と称する。同様に、図3B、図3C及び図3Dにより算出される疾病高域パワ比をそれぞれ第二疾病高域パワ比、第三疾病高域パワ比及び第四疾病高域パワ比と称することがある。なお、疾病高域パワ比は生体音の音源特性指標の一例である。
なお、疾病ゲインとは、呼吸流速及び体格によらずに肺の疾患状態の程度に対応づけられる数値である。なお、疾病ゲインは、生体における生体音の伝達特性指標の一例である。
次に、生体音検査装置100において、生体音信号が入力されてから、疾病高域パワ比と疾病ゲインを求める場合の動作について説明する。
まず、疾病高域パワ比の算出方法について説明する。なお、第2の生体音として肺音を測定する場合、生体音測定部102は中枢気道に近いところに配置すればよく、胸壁上の中枢気道に近い場所、もしくは頸部であればよい。特に、胸骨切痕であることが望ましい。胸骨切痕は、中枢気道と生体音測定部との距離を短くすることができ、筋肉や脂肪などによる肺音の減衰を抑えることができるため、比較的太い気道内で発生する呼吸の音源を高いS/N(信号雑音比)で測定できる特徴を有する。
図4A、図4B、図4C及び図4Dのそれぞれは、信号分析部106において、生体音測定部102で測定した第2の生体音を用いて疾病高域パワ比を算出するフローチャートである。図4Aに示されるフローチャートは図3Bに示される機能ブロックにおける処理の流れに対応する。同様に、図4Bは図3Cに、図4Cは図3Aに、そして、図4Dは図3Dにそれぞれ対応する。
まず、図4A、図4B、図4C及び図4Dの全てに共通する処理であるステップS400及びS401について説明する。
パワ算出部301は、A/D処理部105でデジタル化された生体音信号を受け取ると、高域に含まれるパワ(音圧レベル)である高域パワを算出する(ステップS400)。ここで、高域とは、測定されるノイズに対して肺音のパワが有意に測定できる周波数帯域を示す。例えば、85msecを1フレームとし、21msec経過するごとに1フレームの高域に含まれるパワを算出し、測定された肺音の分析時間区間における各フレームの高域パワの平均値を算出する。なお、高域パワは第一パワの一例である。
図5は、頸部で測定された肺音のパワの周波数特性の一例を示す図である。実線は呼吸時に測定された肺音のパワの周波数特性であり、破線は無呼吸区間に測定されたパワの周波数特性である。測定された肺音にはノイズが含まれており、無呼吸区間に測定された周波数特性がノイズレベルを示している。肺音のパワとノイズレベルとが同等になる4kHz以下の範囲が肺音の分析に適し、特にノイズレベルに対する肺音のパワである肺音のS/N比(信号雑音比)(図5における実線と破線との差分に相当)が5dB以上となる肺音スペクトル成分が含まれる3kHz以下の周波数帯域が分析に適している。よって、高域としては、3kHz以下の周波数が適しており、特に、500Hz以上かつ1.5kHz以下の周波数帯域のうちの一部又は全てであることが望ましい。なお、高域パワは、疾病による気道内の変化を反映する可能性が高いという特徴を有している一方、疾病毎に、又は、個人差によって高域の周波数範囲は多少変化する可能性がある。
次に、パワ算出部301は、A/D処理部105でデジタル化された生体音信号から、低域に含まれるパワである低域パワを算出する(ステップS401)。例えば、ステップS400と同様にして、フレームごとに低域に含まれるパワを算出し、分析時間区間における各フレームのパワの平均値を算出する。低域としては、頸部で測定された肺音のスペクトル成分が含まれる3kHz以下の周波数帯域で、高域より低い周波数帯域を含むものであればよい。特に、100Hz以上かつ2kHz以下である周波数帯域であることが望ましい。この帯域は、呼吸時の呼吸流速の程度を反映するという特徴を有するためである。なお、低域パワは第二パワの一例である。
なお、ステップS400及びS401の処理順序は必ずしもこれに限られず、逆であってもよいし、並列に処理してもよい。
次に、図3Bに示されるように信号分析部106が基準パワ算出部302を有する場合、基準パワ算出部302は、パワ算出部301で算出された低域パワと、記録部107にあらかじめ設定されている高域パワ補正式とを用いて、測定された低域パワから高域パワを補正する高域パワ基準値を算出する(ステップS402)。
高域パワ補正式は、例えば式1のようになる。
DNPowNml=-0.006*DBPow^2+1.090*DBPow-4.619 (式1)
DNPowNml=-0.006*DBPow^2+1.090*DBPow-4.619 (式1)
式1において、DNPowNmlは高域パワ基準値であり、DBPowは低域パワの値である。式1は、例えば、正常な肺を有する被験者において、頸部で測定された肺音の低域パワと高域パワとの回帰曲線として導出され、低域パワから高域パワを予測する式となっている。この場合、高域パワ基準値は、低域パワから予測される高域パワとなる。
式1は、頸部で測定された肺音の低域パワと高域パワとの関係から導出されたものである。図6は、頸部で測定された肺音の低域パワと高域パワとの関係を表す散布図の一例である。図6の散布図において、1次以上の任意の次数の回帰曲線を用いることができる。特に、最も高い相関係数を有する回帰曲線が最も適する。なお、図6に示される測定データにおいて、最も高い相関係数を有する回帰曲線の次数は2次であった。なお、肺音を測定するセンサの特性にも影響を受けるので、使用するセンサごとに高域パワ補正式を変更してもよい。
また、高域パワ基準値は、呼吸流速の影響を低減することができる値であればよく、低域パワと高域パワの回帰曲線または直線以外の式であってもよい。例えば、低域パワから呼吸流速の値を算出する式であってもよい。
次に、図3Cに示すように信号分析部106が基準パワ算出部312を有する場合、基準パワ算出部312は、パワ算出部301で算出された低域パワと補正用パワとを用いて高域パワ基準値を算出する。この場合、図4(b)のような信号処理のフローチャートとなる。
パワ算出部301は、A/D処理部105でデジタル化された生体音信号から、生体音の補正用帯域に含まれる補正用パワを算出する(ステップS404)。これは例えば、ステップS400と同様にして、フレームごとに補正用帯域に含まれるパワを算出し、分析時間区間における各フレームのパワの平均値を算出する。頸部で測定された肺音のスペクトル成分は、3kHz以下の周波数帯域に含まれるので、補正用帯域としては3kHz以下の帯域であればよい。特に、100Hz以上かつ2kHz以下である周波数帯域であることが望ましい。この帯域は、呼吸時の呼吸流速の程度を反映するという特徴を有するためである。
なお、ステップS400、S401及びS404の処理順序は必ずしもこれに限らず、逆であってもよいし、並列に処理してもよい。
次に、基準パワ算出部312は、パワ算出部301で算出された低域パワと、補正用パワと、記録部107にあらかじめ設定されている高域パワ補正式とを用いて、高域パワを補正する高域パワ基準値を算出する(ステップS405)。
高域パワ補正式としては、例えば式2のようになる。
DNPowNml=DBPow+Coef_C*CorPow (式2)
DNPowNml=DBPow+Coef_C*CorPow (式2)
ここで、DNPowNmlおよびDBPowは式1と同じ変数であり、CorPowは補正用パワである。Coef_CはCorPowに積算される係数である。式2の右辺第1項は、呼吸流速の影響を大きく低減する帯域として選択されるDBPowの項であり、右辺第2項は、呼吸流速以外の影響を低減するための項である。
図24は、頸部で測定された肺音の全帯域におけるパワと高域パワ及び低域パワの関係の一例を示す散布図である。図24の散布図において、横軸を生体音の全帯域におけるパワとし、縦軸を高域パワおよび低域パワとする。図24において、全帯域パワは100Hz以上かつ2kHz以下のパワとし、高域パワは、800Hz以上かつ1.3kHz以下のパワとし、低域パワは100Hz以上かつ800Hz以下のパワとした。また、図中の○印は、低域パワのプロットを示し、+印は高域パワのプロットを示す。低域パワと全帯域パワの回帰直線、および高域パワと全帯域パワの回帰直線は、それぞれ式3及び式4のようになる。
DBPow=Coef_B*AllPow+Const_B (式3)
DNPow=Coef_N*AllPow+Const_N (式4)
DBPow=Coef_B*AllPow+Const_B (式3)
DNPow=Coef_N*AllPow+Const_N (式4)
DBPowは高域パワであり、DNPowは高域パワであり、AllPowは全帯域パワである。また、Coef_BおよびCoef_Nは傾きを表す係数であり、今回の実験では、Coef_Bは0.99、Coef_Nは1.41であった。Const_BおよびConst_Nは切片を表す定数である。
図24に示されるように、低域パワのプロットはばらつきが少なく、全帯域パワと比例してほぼ線形に変化することがわかる。一方、高域パワのプロットは全帯域パワと比例して変化するが、ばらつきが大きく、傾きが低域パワの傾きと異なる。傾きの違いには、呼吸流速以外の要因である個人差及び体格差などの影響が含まれている可能性があり、これらの影響を抑えることが望ましい。
このため、式2の右辺第二項のように、Coef_BとCoef_Nとの差分値をCoef_Cとし、CorPowに積算した項を加えている。CorPowの周波数帯域は、全帯域パワまたは低域パワのいずれの周波数帯域であってもよく、高域とは異なる周波数帯域であればよい。特に、高域と重ならない周波数帯域であることが望ましい。また、式2の右辺第二項の係数は、実験により求められたものであり、他の係数であってもよい。もちろん、べき乗項のように1次関数以外の項であってもよい。なお、CorPowの周波数帯域が低域パワと同じ周波数帯域になる場合、信号分析部106は図3Bのように基準パワ算出部302を備える構成であってよい。
式1および式2の補正式は、疾病、人種、対象年齢、身長、年齢、体重及び性別などの身体情報、利用用途等に応じて異なる補正式を選択できるようにしてもよい。また、補正式に、上記のようなパラメータを変数として導入していてもよい。さらには、補正式の選択時に、低域パワや補正用パワの周波数帯域を任意に選択できるようにしてもよい。周波数帯域の選択は、第1および第2の生体音のパワスペクトルの形状から選択されるようにしてもよい。
次に、疾病高域パワ比算出部303において、パワ算出部301で算出された高域パワと、基準パワ算出部312で算出した高域パワ基準値とを用いて、第三疾病高域パワ比を算出する。疾病高域パワ比は、高域パワ基準値に対する高域パワの比として求められる(ステップS403)。
また、低域パワの周波数帯域として呼吸流速の影響を反映する帯域を選択しておけば、低域パワを高域パワ基準値として利用してもよい。この場合は、基準パワ算出部302及び312は不要であり、信号分析部106は、例えば図3A及び図4Cに示されるような構成となり、疾病高域パワ比算出部303は低域パワに対する高域パワの比を第一疾病高域パワ比として算出する(ステップS406)。
この場合、低域パワの周波数帯域は、図5のように頸部で測定された肺音のスペクトル成分が含まれる3kHz以下であればよい。特に、100Hz以上かつ800Hz以下である周波数帯域であることが望ましい。この周波数帯域のパワは、図24のように、呼吸流速に比例してほぼ線形に変動し、疾病の影響が反映される高域パワの周波数帯域との重複を少なくできるという特徴があるためである。
さらに、図4Dに示されるように、身体情報を用いて、低域パワと高域パワとから算出されるパワ比を補正し、第四疾病高域パワ比として算出してもよい(ステップS407)。この場合、図3Dに示される構成となり、補正部306は疾病高域パワ比算出部303で算出されるパワ比を補正する。なお、身体情報とは、例えば、身長、年齢、体重、体表面積及びボディ・マス・インデックスなどがある。補正の方法として、パワ比を身体情報の値で除算してもよい。他の方法として、正常な人の肺音から算出したパワ比と、身体情報の少なくとも一つの変数を独立変数として用い、回帰分析等でパワ比予測式を算出しておく。補正部306で補正する場合、身体情報とパワ比予測式から求められるパワ比基準値を算出し、疾病高域パワ比303で算出されるパワ比とパワ比基準値との比や差分を使うことで補正を行ってもよい。
図25Aは、疾病高域パワ比算出部303で算出された疾病高域パワ比と体重との関係の一例を表す散布図である。図25Aに示されるように、パワ比と身長とに有意な負相関が認められる(相関係数=-0.456、有意確率<0.01)。
図25Bは、疾病高域パワ比算出部303で算出された疾病高域パワ比と身長との関係の一例を表す散布図である。図25Bに示されるように、パワ比と体重とに有意な負相関が認められる(相関係数=-0.368、有意確率<0.01)。パワ比は身長および体重と相関があり、身体情報による補正をした方が望ましい。
なお、高域パワの周波数帯域は、疾病、人種、対象年齢、身長、年齢、体重及び性別などの身体情報、利用用途等に応じて異なるようにしてもよい。また、第1および第2の生体音のパワスペクトルの形状から選択されるようにしてもよい。
疾病高域パワ比は、図4A、図4B、図4C及び図4Dのどの場合であっても、各パワのうちどちらを基準とする比として求めてもよいが、以下では図4Aの場合であって、高域パワ基準値を基準とする比を求めたとして説明する。
図10は、喘息患者における疾病高域パワ比とスパイロメータの1指標である%V50(肺活量の50%の気量位における気速の予測率)との関係の一例を示す散布図である。図10に示されるように、疾病高域パワ比と%V50との間に有意な負相関が認められる(相関係数=-0.494、有意確率<0.001)。%V50とは、気道の閉塞状態を表していると言われており、%V50の値が小さくなるほど閉塞状態が進行していることを意味する。図10に示されるように、疾病高域パワ比と%V50とは有意な相関関係にあるため、疾病高域パワ比は気道の閉塞状態を反映していると言える。
図26Aは、喘息患者における、図4Bのフローチャートにより求められた疾病高域パワ比とスパイロメータの1指標であるFEV1(一秒量)との関係の一例を示す散布図である。図26Aでは、疾病高域パワ比とFEV1とに有意な負相関が認められる(相関係数=-0.415、有意確率<0.01)。
図26Bは、喘息患者における、図4Bのフローチャートにより求められた疾病高域パワ比とスパイロメータの1指標であるV50(肺活量の50%の気量位における気息の実測値)との関係の一例を示す散布図である。図26Bでは、疾病高域パワ比とV50との間に有意な負相関が認められる(相関係数=-0.376、有意確率<0.01)。FEV1およびV50は、気道の閉塞状態を表していると言われており、FEV1およびV50の値が小さくなるほど閉塞状態が進行していることを意味する。
図27A及び図27Bは、それぞれ、図3A及び図3Cの構成により求められた生体音の全帯域パワと疾病高域パワ比との関係の一例を表す散布図である。全帯域パワは100Hz以上かつ2kHz以下の帯域を用いている。図27Aより、図3Aの構成により算出される疾病高域パワ比は全帯域パワに依存した値になることが分かる。しかしながら、図27Bより、図3Cの構成により算出される疾病高域パワ比は、全帯域パワに依存しない値になることが分かる。図3Cの構成によれば、式2の係数をあらかじめ設定しておく必要があるが、全帯域パワに依存しない値、つまり呼吸流速や個人差、体格差等の影響を抑えた値を算出できる可能性が高い。一方、図3Aの構成によれば、係数の設定が不要であり、個人差や体格差の影響が比較的少ない同一個人において、疾病高域パワ比の時系列比較に使用するのであれば問題は少ない。
以上のようにして、生体音測定装置100は、疾病による気道内の状態を、疾病高域パワ比を用いて定量化することができる。
例えば、分泌物過多の場合及び気道表面が荒れる場合に、呼吸音源である乱流騒音の高域パワが増大し、疾病高域パワ比の値が大きくなる可能性がある。一方、正常肺に近づくほど、乱流騒音の高域パワが減少し、疾病高域パワ比の値が小さくなる可能性がある。
生体音測定装置100は、呼吸流速に依存して変化する高域パワを直接用いるのではなく、高域パワ補正式を用いて算出される高域パワ基準値との比をとった疾病高域パワ比を用いることで、呼吸流速による影響を低減することができる。
この結果、被験者に対して呼吸流速の調整を指示する必要がなくなる。また、スパイロメータ等を用いて肺音測定と同時に呼吸流速の測定を行い、信号処理によって呼吸流速による何らかの補正を行う必要もない。よって、生体音測定装置100は、肺音測定だけで簡単に気道の状態を評価することができる。
なお、パワ算出部301は各周波数帯域のパワを算出するために、フーリエ変換などの周波数変換を用いて所望の周波数帯域のパワを算出してもよいし、帯域通過フィルタを用いてもよいし、またさらに他の方法で行ってもよい。
基準パワ算出部302は、低域パワと高域パワ補正式とを用いて高域パワ基準値を算出していたが、実際の検査においてスパイロメータ等を用いて呼吸フローが測定される場合には、呼吸フローセンサを用いて測定される呼吸流速を用いて高域パワ基準値を算出してもよい。この場合、あらかじめ呼吸流速から高域パワ基準値を算出する補正式を記録部107に記録しておく必要がある。この結果、高域パワに対する呼吸流速の影響をより高精度に抑えることが可能となる。
次に、疾病ゲインの算出方法について説明する。生体音として肺音を測定する場合、生体音測定部101は胸壁上または背中に配置すればよく、肺の周縁に位置する箇所に配置するのが望ましい。特に、右鎖骨中線上第二肋間であることが望ましい。なぜなら、肺実質での肺音伝播距離をできるだけ長くすることができ、かつ筋肉や脂肪などの肺実質以外の組織による肺音伝播への影響を小さく抑えることができるためである。肺実質での肺音伝播距離が長いほど、肺音の変化として、疾病による肺実質の状態変化を感度よく捉えることができる。また、右鎖骨中線上第二肋間は、心臓からの距離が遠いため、心音の混入が少なく、S/Nよく肺音を測定することができる。
図7は、信号分析部106において、生体音測定部101及び102で測定した第1及び第2生体音を用いて疾病ゲインを算出する方法の一例を示すフローチャートである。
パワ算出部301は、A/D処理部105でデジタル化された第1及び第2の生体音信号を受け取ると、各生体音信号の全周波数帯域におけるパワスペクトルである第1及び第2のパワスペクトルを算出する(ステップS700)。これは例えば、85msecを1フレームとし、21msec経過するごとに周波数変換を用いて1フレームのパワスペクトルを算出し、測定した肺音の分析時間区間における各フレームのパワスペクトルの平均値を算出する。
パワ比算出部304は、パワ算出部301で算出された第1及び第2のパワスペクトルを用い、第2のパワスペクトルに対する第1のパワスペクトルの比を算出する(ステップS701)。なお、パワスペクトル比は第1又は第2のどちらを基準とする比として求めてもよい。すなわち、第1のパワスペクトルに対する第2のパワスペクトルの比を用いてもよい。
次に、算出されたパワスペクトル比において、低域におけるパワ比である低域ゲインと高域におけるパワ比である高域ゲインとを算出する(ステップS702)。
図8は、胸部で測定された肺音のパワの周波数特性の一例を示す図である。実線は呼吸時に測定された肺音のパワの周波数特性であり、破線は無呼吸区間に測定されたパワの周波数特性である。測定された肺音にはノイズが含まれており、無呼吸区間に測定された周波数特性がノイズレベルを示している。肺音のパワとノイズレベルとが同等になる3kHz以下の範囲が肺音の分析に適し、特にノイズレベルに対する肺音のパワである肺音のS/N(信号雑音比)(図8における実線と破線との差分に相当)が5dB以上となる肺音スペクトル成分が含まれる2kHz以下の周波数帯域が分析に適している。
よって、低域は2kHz以下の周波数帯域が適しており、特に、100Hz以上かつ200Hz以下の周波数帯域であることが望ましい。例えば、100Hz以上かつ200Hz以下の帯域に含まれるパワ比の平均値を低域ゲインとするのがよい。この帯域は、被験者の体格を反映するという特徴を有するためである。図9は、測定された身長と低域ゲインとの関係の一例を示す散布図である。図9に示されるように、身長と低域ゲインとの間には有意な負の相関関係(相関係数=-0.484、有意確率<0.001)が認められ、低域ゲインが被験者の体格をよく表していることがわかる。
また、高域は、低域に含まれる周波数以上の周波数成分を含み、かつ、2kHz以下である周波数帯域であればよい。特に、略400Hzを含む400Hz帯であることが望ましい。この周波数帯は、疾病による肺実質の状態を反映するという特徴を有するためである。
次に、疾病ゲイン算出部305は、疾病ゲインとしてパワ比算出部304で算出された低域ゲインと高域ゲインとを用い、低域ゲインに対する高域ゲインの比を算出する(ステップS703)。なお、疾病ゲインは、低域ゲインと高域ゲインとのどちらを基準とする比として求めてもよい。すなわち、高域ゲインに対する低域ゲインの比を用いてもよい。
図11は、喘息患者における疾病ゲインとIOS(Impulse Oscillometry System)の1指標であるR5との関係の一例を示す散布図である。なお、IOSの指標は年齢、身長及び体重に依存する値であるが、被験者である日本人の補正式はまだ確立されていない。このため、図11では、IOSの実測値と比較するために、低域ゲインによる体格補正を行っていない高域ゲインの値を疾病ゲインとして用いている。図11のように、R5と疾病ゲインとには有意な相関が認められる(相関係数=0.485、有意確率<0.001)。R5とは、肺全体に関する全気道抵抗を表しており、R5の値が高くなるほど、呼吸がしにくくなることを意味する。図11のように、R5と疾病ゲインとは正の相関関係にあるため、体格の影響が残っている為かもしれないが、疾病ゲインは全気道抵抗に影響を与える肺実質全体の状態を表している可能性が高いと言える。
ここで生体音測定装置100は、高域ゲインを直接用いるのではなく、低域ゲインとの比をとった疾病ゲインを用いることで、体格の影響を抑えながら疾病による肺実質の変化を定量化することができる。例えば、疾病により肺実質に浮腫が発生し、又は、肺実質の硬化が発生すると、肺音が伝播しやすくなる。この場合、疾病ゲインの値は大きくなる。疾病ゲインが対数表記の場合、疾病ゲインは負数であり、肺音が伝播しやすくなると、0dBに近づく。
以上のように疾病高域パワ比及び疾病ゲインにより、生体音検査装置100は、年齢及び体格等の影響を低減させながら、呼吸流速のコントロールを必要とせず、気道の状態および肺実質の状態を評価することができる。
なお、ステップS701においてパワ比算出部304はパワスペクトルの比を直接計算したが、クロススペクトル法を用いてもよい。
なお、ステップS701においてパワ算出部301は低域及び高域のそれぞれにおけるパワのみを計算してもよい。この場合、パワ算出部301が低域及び高域におけるパワを算出し、パワ比算出部304が低域及び高域のパワ比を算出すれば低域ゲイン及び高域ゲインを算出することができる。この結果、パワスペクトルを算出するために、全帯域において周波数変換する必要はなく、演算量を削減することができる。なお、各周波数帯の帯域通過フィルタを設計し、各周波数帯のパワを算出するようにしてもよい。
なお、疾病ゲイン算出部305で、低域ゲインに対する高域ゲインの比を算出したが、低域ゲインの代わりに低域ゲイン基準値を用いてもよい。低域ゲイン基準値は、身長、年齢、体重、性別、体表面積及びボディ・マス・インデックスのうち少なくとも一つの身体パラメータと補正式とを用いて算出される値である。この場合、身体パラメータから低域ゲインを補正する補正式を記録部107にあらかじめ記録しておく必要がある。この結果、体格に応じた低域ゲインをより高精度に算出できる可能性がある。
なお、生体音測定装置100における肺音の分析時間区間は、吸気時間区間の全体若しくはその一部、呼気時間の全体若しくはその一部、又は、吸気呼気の両区間若しくはその一部のいずれであってもよい。特に、吸気区間の全体若しくはその一部であることが望ましい。なぜなら、呼気区間よりも吸気区間の方が、胸部において高いS/Nで肺音を測定できる特徴を有するためである。
なお、生体音測定部101及び102はリード線204を備えて生体音信号を伝送するとして説明したが、これに限ったものではなく、リード線204の替わりに無線通信により生体音信号を伝送する構成であってもよい。この構成によると、リード線204が不要となり、生体音測定時に、リード線204の身体への接触等による振動や、電磁波などの影響により、リード線204からノイズが混入することを防ぐことができる。
なお、生体音測定部101及び102は、マイクロフォン203を用いて生体音を検出するとして説明したが、加速度センサを用いて生体音を検出するようにしてもよい。この場合、ダイヤフラム部201及び空間部202は不要となる。その結果、空気振動によって伝播してくる周囲雑音が、ダイヤフラム部及び空間部を介してセンサに混入してしまうのを低減することができる。
(実施の形態2)
本実施の形態において、実施の形態1において生体音を取得した後に算出した疾病高域パワ比及び疾病ゲインに基づいて、生体の状態(良好又は不良)を判別する方法、及び、その判別の根拠となる情報の設定方法について説明する。
本実施の形態において、実施の形態1において生体音を取得した後に算出した疾病高域パワ比及び疾病ゲインに基づいて、生体の状態(良好又は不良)を判別する方法、及び、その判別の根拠となる情報の設定方法について説明する。
図12は、実施の形態2に係る生体音検査装置1200の構成ブロック構成の一例を示す図である。なお、実施の形態1と同一の構成ブロックについては、同一の符号を付し、説明を省略する。
図12に示されるように、生体音検査装置1200は、信号分析部106で算出される分析結果と、記録部107にあらかじめ記録されている識別情報とを用いて、生体の状態を識別する状態推定部1201を備える。
図13は、状態推定部1201の機能ブロック構成の一例を示す図である。図13に示されるように、状態推定部1201は、生体の状態を数値化する状態数値化部1300と、状態数値化部1300の結果を用いて生体の状態を判別する判別部1301とを備える。
次に、生体音検査装置1200において、生体音信号が入力された場合の動作について説明する。
図14は、状態推定部1201において、生体の状態の推定方法の一例を示すフローチャートである。
まず、状態数値化部1300は、信号分析部106で算出される疾病高域パワ比及び疾病ゲインと、記録部107にあらかじめ記録されている識別情報とを用いて、生体の状態を示す状態数値を算出する(ステップS1400)。
ここで、識別情報とは、例えば、式5のように、疾病高域パワ比と疾病ゲインとを用いて連続値を算出する関数である。
Z=0.273*DGain+0.351*DHiPow+4.124 (式5)
Z=0.273*DGain+0.351*DHiPow+4.124 (式5)
ここで、Zは状態数値であり、DGainは疾病ゲインであり、DHiPowは疾病高域パワ比である。式5は実験により求められた一例であり、他の式であっても構わない。
判別部1301は、状態数値化部1300で算出される状態数値と所定値とを比較する(ステップS1401)。状態数値が所定値未満であれば、生体の状態は良好であると判別される(ステップS1402)。一方、状態数値が所定値以上であれば、生体の状態は不良であると判別される(ステップS1403)。
この結果、疾病高域パワ比及び疾病ゲインの2つの指標から、生体の状態を判別することが可能となる。
図15は、喘息患者における疾病高域パワ比と疾病ゲインとの関係の一例を示す散布図である。図15において、丸印は、発作及びその他喘息の症状がない時に測定された肺音から分析された値であり、肺の状態が良好な状態(状態良好)の分析値である。プラス印は、発作若しくは咳の症状がある時又は活動制限などの喘息症状を有する時に測定された肺音から分析された値であり、肺の状態が不良な状態(状態不良)の分析値である。
図15に示されるZ=0の実線は、肺の状態が良好な場合の分析値、及び、肺の状態が不良な場合の分析値の2群を精度よく判別するように求められた判別関数において、判別関数の値が0となる直線である。この場合の判別関数は式5である。
式5において、Z=0が2群を精度よく判別できる境界になるため、識別情報として式5の判別関数を用いる場合、判別部1301での所定値は0とすることが望ましい。用途に応じて、他の所定値を用いることもできる。
また、所定値を増減することにより、検査における感度と特異度とを変更することができる。ここで、感度とは、真に不良である生体数に対する、不良と判別された生体数の比である。また、特異度とは、真に良好である生体数に対する、良好と判別された生体数の比である。すなわち、生体音検査装置1200で肺音を測定した際に状態不良として判別される場合において、感度を高くしたい場合は、所定値を0よりも小さく設定するとよい。一方、生体音検査装置1200によって状態良好として判別される場合に、特異度を高くしたい場合は、所定値を0よりも大きく設定するとよい。
このように、利用用途によって望ましい所定値は変化するため、生体音検査装置の操作者が所定値を任意に変更できる構成であってもよい。
もちろん、所定値は判別関数としてどのような式を用いるかによっても適宜設定が異なる。肺の状態の状態良好又は状態不良を判別できるように、装置の各デバイスや環境により適切に式及び所定値を設定すればよい。
図16は、図15の散布状態の場合に、式5の判別関数で所定値を変更した場合のROC曲線である。一般に、ROC曲線は、所定値を変化させた場合の感度と特異度との関係を示すものであり、1つの所定値が、ROC曲線上の一点に対応する。生体音検査装置1200がROC曲線を表示すれば、操作者はそのROC曲線から感度と特異度との関係を把握し、所定値を所望の値に変更することにより、検査の用途を変更することができる。さらに、生体音検査装置1200が、ROC曲線上の任意の点に対応した所定値を記録部107に事前に記録しておけば、操作者がROC曲線上の任意の点を選択するだけで、所定値を所望の値に容易に設定することができる。
なお、図17は、図16のROC曲線に、疾病ゲインのみを用いて図15の2群を識別した場合のROC曲線を追加(図17の点線)したものである。ROC曲線は、感度及び特異度の両方が高いほどグラフが左上に近づく。このため、図17からも明らかなように、疾病ゲインのみを用いた場合よりも、疾病ゲインと疾病高域パワ比との2つの指標を用いた場合の方が、識別精度が向上していることがわかる。
なお、識別情報として判別関数を用いた例を説明したが、他の識別手法を用いても構わない。例えば、SVM(サポートベクターマシン)やニューラルネットワーク、GMM(Gaussian Mixture Model)、K-means法などの教師付き分類手法や、アプリオリなどの相関ルール、自己組織化マップなどの教師無し分類手法を用いてもよく、利用用途に応じて識別情報を変える構成であってもよい。
例えば、喘息の鑑別診断時に用いる場合と、治療中の経過観察時に用いる場合とで異なる識別情報を用いてもよい。また、疾病ごとに識別情報を変えてもよい。この構成によると、利用用途や疾病ごとに識別情報および所定値を設定することができ、識別精度を向上させることができる。
なお、服薬の種類や容量などの投薬情報によって、識別情報や所定値を変えても良い。
なお、ステップS1402及びステップS1403での判別結果は、識別情報の種類や適用する疾病の種類、利用用途に応じて逆であってもよい。つまり、ステップS1401で状態数値が所定値未満の場合に、状態不良と判別し、所定値以上の場合に状態良好と判別してもよい。
なお、疾病による生体の状態変化は、個人差および服薬などの治療状態によっても変化するため、個人ごとに所定値を学習させ、逐次的に所定値を更新するような構成であってもよい。例えば、定期的に同一個人の生体音を測定している場合、他の検査機器の結果や医師による診断に基づいて、各測定値に対して状態の良好又は不良の正解ラベルを付与し、蓄積された測定値と正解ラベルとに基づいて状態の良好又は不良を精度よく識別できるように識別情報や所定値を学習させてもよい。この構成によると、個人ごとに適切な識別情報および所定値を設定することができ、識別精度を向上させることができる。
なお、識別情報で用いる情報として、信号分析部106での分析結果以外の情報を用いてもよい。例えば、血圧、体温、血液検査、肺機能検査、呼気NO検査装置及びIOS等の他の検査結果であってもよい。また、例えば、疾病に関する患者へのアンケート結果、医師による臨床評価項目及び身体所見、患者及び家族の病歴及び既往歴、並びに、服薬の種類及び容量などの投薬情報であってもよい。また、例えば、身長、年齢、体重、性別、体表面積及びBMI(ボディ・マス・インデックス)等の患者の身体基礎情報であってもよいし、気温、湿度、気圧などの天候情報、花粉の飛散状況、大気汚染情況などの大気情報、運動の有無、歩数計などによる患者の活動情報及び状態悪化時の時刻などでもよい。この構成によると、患者ごとに状態悪化時に特有の特徴量を加味して状態の良・不良を識別して患者の状態を推定でき、識別精度を向上させることができる。
例えば、喘息の場合、運動によって発作を起こしやすい、気圧の変化によって発作を起こしやすいなど、状態悪化の要因は個人によって様々である。そのため、生体音の分析結果と他の情報を組み合わせることは識別精度向上に有効である。
なお、本実施の形態では判別関数により2つの領域に分割したが、疾病の種類や分割された領域の意味づけ等により、3つ以上の複数の領域に分割されてもよい。領域の意味づけとは、例えば、スパイロメータや呼気NO測定器などの他の検査装置の値により、各領域が関連付けられる場合がある。スパイロメータの値の良し悪しと、呼気NOの値の良し悪しの組み合わせにより、スパイロメータと呼気NOの値が共に悪い人が分類されやすい領域を領域A、スパイロメータも呼気NOの値も共に良好な人が分類されやすい領域を領域B,どちらか片方の値が悪い人が分類されやすい領域を領域Cとなるように2次元マップが3分割されてもよい。
(実施の形態3)
本実施の形態において、実施の形態1において生体音を取得した後に算出した疾病高域パワ比及び疾病ゲインに基づいて、生体の状態(良好又は不良)の推移を判別する方法について説明する。
本実施の形態において、実施の形態1において生体音を取得した後に算出した疾病高域パワ比及び疾病ゲインに基づいて、生体の状態(良好又は不良)の推移を判別する方法について説明する。
図18は、実施の形態3に係る生体音検査装置1200の状態推定部1201の機能ブロック構成の他の一例を示す図である。以下、実施の形態2と同様の構成については、同じ符号を用い、説明を省略する。
状態推定部1201は、疾病高域パワ比の値を補正する補正値算出部1800と、属性値算出部1801と、属性情報から生体の状態を判別する判別部1802とを備える。
図19は、状態推定部1201において、生体の状態の推定方法の他の一例を示すフローチャートである。
補正値算出部1800は、信号分析部106で算出された疾病高域パワ比及び疾病ゲインと、例えば式6を用いて補正疾病高域パワ比を算出する(ステップS1900)。
CorDHiPow = DHiPow-(-0.184*DGain-3.003) (式6)
CorDHiPow = DHiPow-(-0.184*DGain-3.003) (式6)
ここで、CorDHiPowは補正疾病高域パワ比であり、DGainは疾病ゲインである。
図20は、喘息患者における疾病高域パワ比と疾病ゲインとの関係の他の一例を示す散布図である。図20に示されるとおり、疾病高域パワ比と疾病ゲインとの間には負の相関関係があり、疾病高域パワ比の変化量を分析する場合、疾病ゲインによる補正が必要になることがある。このため、式6によって疾病ゲインによる補正を行う。
式6の右辺第2項(-0.184*DGain-3.003)は、喘息の状態が軽症である患者の肺音における疾病ゲインと疾病高域パワ比との関係を示す散布図から算出された回帰直線である。この回帰直線により、比較的正常に近い肺に対する、疾病ゲインごとの疾病高域パワ比基準値を算出することができる。
補正疾病高域パワ比は、疾病高域パワ比基準値からの差分であり、値が大きくなるほど気道内の状態が悪化していることを意味する。なお、式6は、実験により求められた一例であり、他の式でもよい。
次に、属性値算出部1801は、疾病ゲイン、補正疾病高域パワ比、及び記録部107に記録されている2次元マップを用いて、分析値の2次元マップにおけるプロット情報を算出する(ステップS1901)。
ここで、2次元マップとは、例えば図21に示されるように、疾病ゲインを横軸に、疾病高域パワ比を縦軸にとったグラフにおいて、複数の領域およびゾーンに分割された情報を含むマップである。各領域には順序尺度が付与されており、生体の悪化状態に応じて数値が付与される。図21の2次元マップは6つの領域及び3つのゾーンに分割される。
まず、領域について説明する。2次元マップは、直線及び曲線によって複数の領域に分割される。
図21では、グラフ領域は直線1、直線2及び直線3によって6つの領域に分割される。領域1は、疾病高域パワ比が直線1以上であり、疾病ゲインが直線2以上の領域である。領域2は、疾病高域パワ比が直線1未満で、疾病ゲインが直線2以上の領域である。領域3は、疾病高域パワ比が直線1以上、かつ、疾病ゲインが直線2未満かつ直線3以上の領域である。領域4は、疾病高域パワ比が直線1未満かつ、疾病ゲインが直線2未満かつ直線3以上の領域である。領域5は、疾病高域パワ比が直線1以上かつ、疾病ゲインが直線3未満の領域である。領域6は、疾病高域パワ比が直線1未満かつ、疾病ゲインが直線3未満の領域である。
なお、図21において、直線1の一例は、式7であり、式6の右辺第2項と同じである。また、直線2の一例は、喘息発作を起こしている際に肺音を測定した患者の群と、それ以外の患者の群を精度よく識別する式5である。直線3の一例は、非喘息者と喘息者とで測定した肺音を精度よく識別する式6である。
DHiPow=-0.184*DGain-3.003 (式7)
DGain=-12.5 (式8)
DGain=-18.0 (式9)
DHiPow=-0.184*DGain-3.003 (式7)
DGain=-12.5 (式8)
DGain=-18.0 (式9)
式7、式8及び式9は実験によって求められたものであり、他の直線及び曲線であってもよい。
また、図21は6つの領域に分割されているが、いくつかの領域が結合されて、5つ以下の領域に分割されるように構成されてもよい。しかしながら、領域1、領域2及び領域3のうちの少なくとも一つの領域と、領域4、領域5及び領域6のうちの少なくとも一つの領域とが結合されてはいけない。なぜなら、領域1、領域2及び領域3には喘息の状態が悪い人の分析結果が含まれることが多く、領域4、領域5及び領域6には喘息の状態が良好である人の分析結果が含まれることが多いためである。なお、領域1及び領域2には発作を起こしやすい状態の人が含まれることが多いため、領域1及び領域2が結合された領域を新たな領域1としてもよい。また、領域4及び領域5には喘息の状態が良好である人が多く、領域6には正常な人が含まれることが比較的多いため、領域4及び領域5を結合して新たな領域4としてもよい。
次に、ゾーンについて説明する。2次元マップは、疾病ゲインの軸方向に複数のゾーンに分割される。
図21では、ゾーン1は、疾病ゲインが直線2以上であるゾーンである。ゾーン2は、疾病ゲインが直線2未満かつ直線3以上のゾーンである。ゾーン3は、疾病ゲインが直線3未満のゾーンである。ゾーン1には、発作を起こしやすい状態の人の分析結果が含まれることが多い。ゾーン2には、状態の良し悪しが変化しやすい比較的不安定な人の分析結果が含まれることが多い。ゾーン3には、状態がよく比較的安定した人、または正常な人の分析結果が含まれることが多い。
プロット情報とは、疾病ゲインと疾病高域パワ比とに基づいて2次元マップにプロットされた点に該当する領域番号とゾーン番号とのうちの少なくとも一方である。図21の場合、領域1から6まで、ゾーン1から3まで、領域番号とゾーン番号とがそれぞれ1から昇順に番号が付与され、ゾーン1からゾーン3まで、ゾーン番号が昇順に付与されているが、これに限らず各領域、各ゾーンの生体の状態に応じた順序尺度が区別できればどのような値であってもよい。
属性算出部1801は、同一個人において異なる時刻に測定した疾病ゲイン、補正疾病高域パワ比及びプロット情報において、前回の測定値から今回の測定値までの変化量である差分値情報を算出する(ステップS1902)。差分値情報は、今回と前回との測定値の変化量のみならず、前回と前々回との測定値の変化量、さらにその前、というように時系列の変化の履歴がわかるログ情報であってもよい。
判別部1802は、差分値情報と、今回測定した疾病ゲイン、疾病高域パワ比、補正疾病高域パワ比及びプロット情報と、前回測定した疾病ゲイン、疾病高域パワ比、補正疾病高域パワ比及びプロット情報のうち少なくとも一つを含む属性情報を用いて、あらかじめ記録部107に記録されている識別情報である決定木に基づいて判別を行う(ステップS1903)。
図22は、決定木の一例である。図22に示される決定木を用いて判別を行う場合、属性算出部1801から判別部1802に出力される属性情報は、プロット情報と前回と現在の補正疾病高域パワ比を含む。これに限らずどのような決定木を用いるかにより属性情報は異なる。また、決定木は、人種や疾病、対象年齢、識別する情報等の利用用途に応じて変化する。
図22に示される丸で囲まれたノードと呼ばれる箇所に記載されている属性情報と所定値とが比較され、比較結果に従って上段から下段へと判別される。判別の結果、四角で囲まれた葉と呼ばれる部分に分類されれば判別が終了する。あらかじめ、各葉に対応して、判別結果と信頼度および判別理由を設定しておき、判別結果と一緒に表示すれば、測定者による判別結果の解読に役立つ。なお、図22の各葉には、発作、不良、又は良好の判別結果と、信頼度(パーセント表示)とが記載されている。さらに、2次元マップと被験者の時系列の分析結果とを同時に表示すれば、視覚的にも容易に状態の変化を理解することができる。
出力結果の一例を図23に示す。図23のグラフは、今回、前回及び前々回の連続する3回の肺音分析結果を2次元マップに表示したものである。
このように、肺音分析結果を時系列がわかるように表示すれば、肺の状態変化を視覚的に理解しやすくなる。2次元マップは、分析結果が右上側に近寄るほど状態が悪化していることを意味しているため、図23の場合、連続する3回の肺音分析における診断結果が順に領域4、領域2、そして、領域1へと推移したことで、徐々に状態が悪化していることが容易に把握できる。
さらに、第3者が理解しやすいように、決定木等の識別情報を用いて判別された判別結果や判別理由の文言が表示されてもよい。信頼度は、訓練データを用いて決定木を学習させた際の、各葉に訓練データが正しく分類される精度を利用してもよい。また、テストデータを用いて決定木の判別能力をテストした際の分類精度を利用してもよい。もちろん、他の方法によって信頼度を決定してもよい。
なお、上述の説明では決定木を用いたが、他の識別情報を用いても構わない。例えば、SVM(サポートベクターマシン)やニューラルネットワーク、GMM(Gaussian Mixture Model)、K-means法などの教師付き分類手法や、アプリオリなどの相関ルール、自己組織化マップなどの教師無し分類手法を用いてもよく、利用用途に応じて識別情報を変える構成であってもよい。
なお、疾病による生体の状態変化は、個人差および服薬などの治療状態によっても変化するため、個人ごとに所定値を学習させ、逐次的に所定値を更新するような構成であってもよい。
例えば、定期的に同一個人の生体音を測定している場合、他の検査機器の結果や医師による診断に基づいて、各測定値に対して肺状態の良好又は不良の正解ラベルを付与し、蓄積された測定値と正解ラベルに基づいて肺状態の良好又は不良を精度よく識別できるように識別情報や所定値を学習させてもよい。この構成によると、個人ごとに適切な識別情報および所定値を設定することができ、識別精度を向上させることができる。
なお、識別情報で用いる情報として、信号分析部106での分析結果以外の情報を用いてもよい。例えば、血圧、体温、血液検査、肺機能検査、呼気NO検置及びIOS等の他の検査結果であってもよい。また、例えば、疾病に関する患者へのアンケート結果、医師による臨床評価項目や身体所見、患者および家族の病歴や既往歴であってもよい。また例えば身長、年齢、体重、性別、体表面積、BMI(ボディ・マス・インデックス)等の患者の身体基礎情報であってもよいし、気温、湿度、気圧などの天候情報や、花粉の飛散状況や大気汚染情況などの大気情報、運動の有無や歩数計などによる患者の活動情報、状態悪化時の時刻などでもよい。この構成によると、患者ごとで状態悪化時に特有の特徴量を加味して状態の良好又は不良を識別して患者の状態を推定でき、識別精度を向上させることができる。
例えば、喘息の場合、運動によって発作を起こしやすい人や、気圧の変化によって発作を起こしやすい人など、状態悪化の要因は個人によって様々であり、生体音の分析結果と他の情報を組み合わせることは識別精度向上に有効である。
なお、図21で示されている6つの領域は分割の一例であって、疾病の種類や各領域の意味づけなどにより、さらに多くの領域への分割や、分割の方法が異なっていてもよい。各領域の意味づけとは、例えば、スパイロメータや呼気NO測定器などの他の検査装置の値により、各領域が関連付けられる場合がある。スパイロメータの値の良し悪しと、呼気NOの値の良し悪しの組み合わせにより、スパイロメータと呼気NOの値が共に悪い人が分類されやすい領域を領域A、スパイロメータも呼気NOの値も共に良好な人が分類されやすい領域を領域B,どちらか片方の値が悪い人が分類されやすい領域を領域Cとなるように2次元マップが分割されてもよい。
(その他の変形例)
なお、本発明を上記実施の形態に基づいて説明してきたが、本発明は、上記の実施の形態に限定されず、以下のような場合も本発明に含まれる。
なお、本発明を上記実施の形態に基づいて説明してきたが、本発明は、上記の実施の形態に限定されず、以下のような場合も本発明に含まれる。
(1)上記の各装置の全部、もしくは一部を、マイクロプロセッサ、ROM、RAM、ハードディスクユニットなどから構成されるコンピュータシステムで構成した場合。前記RAMまたはハードディスクユニットには、上記各装置と同様の動作を達成するコンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムに従って動作することにより、各装置はその機能を達成する。
(2)上記の各装置を構成する構成要素の一部または全部は、一つのシステムLSI(Large Scale Integration(大規模集積回路))から構成されているとしてもよい。システムLSIは、複数の構成部を1個のチップ上に集積して製造された超多機能LSIであり、具体的には、マイクロプロセッサ、ROM、RAMなどを含んで構成されるコンピュータシステムである。前記RAMには、上記各装置と同様の動作を達成するコンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムに従って動作することにより、システムLSIは、その機能を達成する。
(3)上記の各装置を構成する構成要素の一部または全部は、各装置に脱着可能なICカードまたは単体のモジュールから構成されているとしてもよい。前記ICカードまたは前記モジュールは、マイクロプロセッサ、ROM、RAMなどから構成されるコンピュータシステムである。前記ICカードまたは前記モジュールは、上記の超多機能LSIを含むとしてもよい。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、前記ICカードまたは前記モジュールは、その機能を達成する。このICカードまたはこのモジュールは、耐タンパ性を有するとしてもよい。
(4)本発明は、上記に示すコンピュータの処理で実現する方法であるとしてもよい。また、本発明は、これらの方法をコンピュータにより実現するコンピュータプログラムであるとしてもよいし、前記コンピュータプログラムからなるデジタル信号であるとしてもよい。
また、本発明は、前記コンピュータプログラムまたは前記デジタル信号をコンピュータ読み取り可能な記録媒体に記録したものとしてもよい。コンピュータ読み取り可能な記録媒体は例えば、フレキシブルディスク、ハードディスク、CD-ROM、MO、DVD、DVD-ROM、DVD-RAM、BD(Blu-ray Disc)、半導体メモリなどである。また、本発明は、これらの記録媒体に記録されている前記デジタル信号であるとしてもよい。
また、本発明は、前記コンピュータプログラムまたは前記デジタル信号を、電気通信回線、無線または有線通信回線、インターネットを代表とするネットワーク、データ放送等を経由して伝送するものとしてもよい。
また本発明は、マイクロプロセッサとメモリを備えたコンピュータシステムであって、前記メモリは、上記コンピュータプログラムを記憶しており、前記マイクロプロセッサは、前記コンピュータプログラムに従って動作するとしてもよい。
また前記プログラムまたは前記デジタル信号を前記記録媒体に記録して移送することにより、または前記プログラムまたは前記デジタル信号を、前記ネットワーク等を経由して移送することにより、独立した他のコンピュータシステムにより実施するとしてもよい。
(5)上記実施の形態および上記変形例をそれぞれ組み合わせるとしてもよい。
以上のように、本発明に係る生体音検査装置およびその方法は、年齢や身長等による補正や呼吸のコントロールを必要とせず、肺音を測定することで、簡単に気道内の状態と肺実質の状態とを同時に定量化することができるという効果を有し、疾病等での肺の状態推定等に有効である。
100、1200 生体音検査装置
101、102 生体音測定部
103 信号処理部
104 増幅部
105 A/D処理部
106 信号分析部
107 記録部
108 表示部
201 ダイヤフラム部
202 空間部
203 マイクロフォン
204 リード線
205 充填部
301 パワ算出部
302、312 基準パワ算出部
303 疾病高域パワ比算出部
304 パワ比算出部
305 疾病ゲイン算出部
306 補正部
1201 状態推定部
1300 状態数値化部
1301、1802 判別部
1800 補正値算出部
1801 属性値算出部
101、102 生体音測定部
103 信号処理部
104 増幅部
105 A/D処理部
106 信号分析部
107 記録部
108 表示部
201 ダイヤフラム部
202 空間部
203 マイクロフォン
204 リード線
205 充填部
301 パワ算出部
302、312 基準パワ算出部
303 疾病高域パワ比算出部
304 パワ比算出部
305 疾病ゲイン算出部
306 補正部
1201 状態推定部
1300 状態数値化部
1301、1802 判別部
1800 補正値算出部
1801 属性値算出部
Claims (21)
- 生体内を伝播する生体音を測定し、複数の生体音特性を算出することにより、生体の状態の推定を支援する生体音検査装置であって、
前記生体の第一部位における前記生体音を測定し、第一生体音信号を生成する第一生体音測定部と、
前記第一部位より生体音の音源に近い第二部位における前記生体音を測定し、第二生体音信号を生成する第二生体音測定部と、
前記第二生体音信号のパワに対する前記第一生体音信号のパワの比であるパワ比を算出するパワ比算出部と、
前記パワ比に対し、前記生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより、前記生体音の前記生体における伝達特性指標を、前記生体音特性の1つとして算出する伝達特性指標算出部と、
第一周波数帯域における前記第二生体音信号のパワである第一パワを算出するパワ算出部と、
前記第一パワに対し、前記生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより前記生体音の音源特性指標を、前記生体音特性の他の1つとして算出する音源特性指標算出部とを備える
生体音検査装置。 - 前記パワ算出部は、
前記第一周波数帯域と異なる周波数帯域である第二周波数帯域における前記第二生体音信号のパワである第二パワを算出し、
前記生体音検査装置は、さらに、
前記第二パワに含まれる前記生体の体格差の影響を抑制した値である第一パワ基準値を算出する基準パワ算出部を備え、
前記音源特性指標算出部は、前記第一パワ基準値に対する前記第一パワの比を算出することで前記演算を行うことにより前記音源特性指標を算出する
請求項1に記載の生体音検査装置。 - 前記第二周波数帯域は、前記第一周波数帯域より低い周波数を含む周波数帯域である
請求項2に記載の生体音検査装置。 - 前記パワ比算出部は、第三周波数帯域における前記パワ比と、前記第三周波数帯域より低い周波数を含む第四周波数帯域における前記パワ比とを算出し、
前記伝達特性指標算出部は、前記第四周波数帯域における前記パワ比に対する、前記第三周波数帯域における前記パワ比の比を前記伝達特性指標として算出する
請求項1~3のいずれか一項に記載の生体音検査装置。 - 前記パワ比算出部は、第三周波数帯域における前記パワ比を算出し、
前記伝達特性指標算出部は、前記生体の身長、年齢、体重、性別、体表面積及びボディ・マス・インデックスのうち少なくとも一つとあらかじめ設定された第一のゲイン予測式とを用いて算出されるゲイン基準値を算出し、前記ゲイン基準値に対する、前記第三周波数帯域における前記パワ比の比を前記伝達特性指標として算出する
請求項1~3のいずれか一項に記載の生体音検査装置。 - 前記生体音検査装置は、さらに、
前記生体の身長、年齢、体重、体表面積及びボディ・マス・インデックスのうち少なくとも一つに基づいて、身体が大きいほど高音を増幅させる、または低音を抑圧することで、前記音源特性指標を補正する補正部をさらに備える
請求項1に記載の生体音検査装置。 - 前記生体音検査装置は、さらに、
あらかじめ設定された識別情報と、算出された前記音源特性指標及び前記伝達特性指標に基づいて生体が良好な状態にあるか又は不良な状態にあるかの推定を行う状態推定部を備える
請求項1に記載の生体音検査装置。 - 前記状態推定部は、前記識別情報として判別関数を用い、
前記音源特性指標及び前記伝達特性指標を判別関数に代入したときに、判別関数の値が所定値以上である場合に生体の状態が良好及び不良のうちどちらか一方とし、判別関数の値が所定値未満である場合に生体の状態が良好及び不良のうちどちらか他方とする前記推定を行う
請求項7に記載の生体音検査装置。 - 前記状態推定部は、前記所定値を増減することで、前記推定において真に不良な生体が不良であると推定する割合である感度と、前記推定において真に良好な生体が良好であると推定する割合である特異度とを変更する
請求項8に記載の生体音検査装置。 - 前記状態推定部は、前記識別情報としてサポートベクターマシンを用いて生体の状態を推定する
請求項7に記載の生体音検査装置。 - 前記状態推定部は、さらに、前記生体への投薬に関する投薬情報から生体の状態を推定する
請求項7~10のいずれか一項に記載の生体音検査装置。 - 前記生体音検査装置は、さらに、
前記音源特性指標を示す軸と前記伝達特性指標を示す軸とを2軸とするグラフである2次元マップを含む検査結果を表示する表示部を備え、
前記2次元マップは、少なくとも一つ以上の境界線により複数の領域に分割される
請求項1に記載の生体音検査装置。 - 前記2次元マップは、前記伝達特性指標を示す軸方向に直線または曲線により三分割され、前記音源特性指標を示す軸方向に直線または曲線により二分割される
請求項12に記載の生体音検査装置。 - 前記生体音検査装置は、さらに、
あらかじめ設定された識別情報と、測定された前記音源特性指標及び前記伝達特性指標に基づいて生体が良好な状態にあるか又は不良な状態にあるかの推定を行う状態推定部を備え、
前記状態推定部は、前記識別情報として前記境界線を用い、
前記2次元マップにおいて、算出された前記音源特性指標及び前記伝達特性指標に対応する座標を含む領域により状態を推定する
請求項12又は13に記載の生体音検査装置。 - 前記状態推定部は、
第一時刻における前記伝達特性指標及び前記音源特性指標に対応する座標を含む領域と、第一時刻と異なる第二時刻における前記伝達特性指標及び前記音源特性指標に対応する座標を含む領域とから生体の状態を推定する
請求項14に記載の生体音検査装置。 - 前記第二部位は胸部又は頸部の所定部位であり、前記第一部位は胸部の所定部位である
請求項1~15のいずれか一項に記載の生体音検査装置。 - 前記第一部位は胸骨切痕であり、前記第二部位は右鎖骨中線上第二肋間である
請求項16に記載の生体音検査装置。 - 前記第二部位は、前記第一部位よりも頸部に近い部位である
請求項16に記載の生体音検査装置。 - 前記生体の状態とは、喘息の肺の状態である
請求項1~18のいずれか一項に記載の生体音検査装置。 - 生体内を伝播する生体音を測定し、複数の生体音特性を算出することにより、生体の状態の推定を支援する生体音検査方法であって、
前記生体の第一部位における前記生体音を測定し、第一生体音信号を生成する第一生体音測定ステップと、
前記第一部位より生体音の音源に近い第二部位における前記生体音を測定し、第二生体音信号を生成する第二生体音測定ステップと、
前記第二生体音信号のパワに対する前記第一生体音信号のパワの比であるパワ比を算出するパワ比算出ステップと、
前記パワ比に対し、前記生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより、前記生体音の前記生体における伝達特性指標を、前記生体音特性の1つとして算出する伝達特性指標算出ステップと、
第一周波数帯域における前記第二生体音信号のパワである第一パワを算出するパワ算出ステップと、
前記第一パワに対し、前記生体の呼吸流速及び体格のうち少なくとも一方の影響を抑制する演算を行うことにより前記生体音の音源特性指標を、前記生体音特性の他の1つとして算出する音源特性指標算出ステップとを含む
生体音検査方法。 - 請求項20に記載の生体音検査方法をコンピュータに実行させるためのプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP11837761.3A EP2636369A4 (en) | 2010-11-04 | 2011-11-04 | DEVICE AND METHOD FOR ANALYZING BIOMETRIC SOUNDS |
JP2012508280A JP5519778B2 (ja) | 2010-11-04 | 2011-11-04 | 生体音検査装置、及び、生体音検査方法 |
US13/520,208 US8882683B2 (en) | 2010-11-04 | 2011-11-04 | Physiological sound examination device and physiological sound examination method |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010-247952 | 2010-11-04 | ||
JP2010247952 | 2010-11-04 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2012060107A1 true WO2012060107A1 (ja) | 2012-05-10 |
Family
ID=46024232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2011/006165 WO2012060107A1 (ja) | 2010-11-04 | 2011-11-04 | 生体音検査装置、及び、生体音検査方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8882683B2 (ja) |
EP (1) | EP2636369A4 (ja) |
JP (1) | JP5519778B2 (ja) |
WO (1) | WO2012060107A1 (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5521131B1 (ja) * | 2012-12-28 | 2014-06-11 | パナソニック株式会社 | 呼吸相判定装置、呼吸相判定方法、および呼吸相判定プログラム |
WO2015011923A1 (ja) | 2013-07-26 | 2015-01-29 | パナソニック株式会社 | 生体音検査装置及び生体音検査方法 |
JP2020069113A (ja) * | 2018-10-31 | 2020-05-07 | パイオニア株式会社 | 処理装置、システム、処理方法、およびプログラム |
WO2020090763A1 (ja) * | 2018-10-31 | 2020-05-07 | パイオニア株式会社 | 処理装置、システム、処理方法、およびプログラム |
JP2020130471A (ja) * | 2019-02-15 | 2020-08-31 | チェスト株式会社 | 呼吸抵抗測定装置及び表示制御方法 |
JP2021524958A (ja) * | 2018-05-29 | 2021-09-16 | ヘルシー ネットワークス オイ | 呼吸器系の音に基づく呼吸状態の管理 |
JP2022503484A (ja) * | 2018-08-14 | 2022-01-12 | ジ アサン ファウンデーション | 心肺音を用いた情報獲得方法 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9949712B1 (en) * | 2013-09-06 | 2018-04-24 | John William Millard | Apparatus and method for measuring the sound transmission characteristics of the central nervous system volume of humans |
CN105520737B (zh) * | 2014-09-30 | 2019-02-12 | 上海宽带技术及应用工程研究中心 | 基于体震信号的呼吸率实时提取方法 |
US9687208B2 (en) * | 2015-06-03 | 2017-06-27 | iMEDI PLUS Inc. | Method and system for recognizing physiological sound |
US9756419B2 (en) * | 2015-06-12 | 2017-09-05 | Antonio Renta | Power stethoscope with integrated speaker |
JP6780182B2 (ja) | 2015-10-08 | 2020-11-04 | コルディオ メディカル リミテッド | 音声分析による肺疾患の評価 |
WO2018111205A1 (en) * | 2016-12-13 | 2018-06-21 | Karabudak Engin | Detecting thoracic trauma |
CN107371228B (zh) * | 2017-08-31 | 2021-02-23 | 上海掌门科技有限公司 | 调整无线路由设备的发射参数的方法和电子设备 |
US10847177B2 (en) | 2018-10-11 | 2020-11-24 | Cordio Medical Ltd. | Estimating lung volume by speech analysis |
US11011188B2 (en) | 2019-03-12 | 2021-05-18 | Cordio Medical Ltd. | Diagnostic techniques based on speech-sample alignment |
US11024327B2 (en) | 2019-03-12 | 2021-06-01 | Cordio Medical Ltd. | Diagnostic techniques based on speech models |
CN110051380B (zh) * | 2019-06-05 | 2023-03-31 | 南京清科信息科技有限公司 | 对人体状态进行连续实时监测的系统和方法 |
EP3824816A1 (en) * | 2019-11-25 | 2021-05-26 | Koninklijke Philips N.V. | System and method for detecting lung abnormalities |
US11484211B2 (en) | 2020-03-03 | 2022-11-01 | Cordio Medical Ltd. | Diagnosis of medical conditions using voice recordings and auscultation |
US11417342B2 (en) | 2020-06-29 | 2022-08-16 | Cordio Medical Ltd. | Synthesizing patient-specific speech models |
US11904909B2 (en) * | 2021-06-25 | 2024-02-20 | Gm Cruise Holdings Llc | Enabling ride sharing during pandemics |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004512066A (ja) | 2000-10-06 | 2004-04-22 | バイオメディカル・アコースティック・リサーチ・インコーポレイテッド | 呼吸器の状態の音響検出 |
JP3604127B2 (ja) | 2000-11-27 | 2004-12-22 | 日本電信電話株式会社 | 多チャネル音響信号収集装置 |
JP2005027751A (ja) | 2003-07-08 | 2005-02-03 | Konica Minolta Medical & Graphic Inc | 生体音信号処理システム |
WO2006129517A1 (ja) * | 2005-06-01 | 2006-12-07 | Konica Minolta Medical & Graphic, Inc. | 生体信号解析装置及び生体信号解析方法 |
JP2007014501A (ja) * | 2005-07-06 | 2007-01-25 | Toshiba Corp | 呼吸状態判定装置、呼吸状態判定方法および呼吸状態判定プログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060100666A1 (en) | 2000-04-20 | 2006-05-11 | Pulmosonix Pty. Ltd. | Apparatus and method for lung analysis |
CA2406156A1 (en) | 2000-04-20 | 2001-11-01 | Pulmosonix Pty Ltd. | Method and apparatus for determining conditions of biological tissues |
US7708697B2 (en) | 2000-04-20 | 2010-05-04 | Pulmosonix Pty Ltd | Method and apparatus for determining conditions of biological tissues |
US20060070623A1 (en) | 2000-04-20 | 2006-04-06 | Wilkinson Malcolm H | Method and apparatus for determining a bodily characteristic or condition |
US8394031B2 (en) | 2000-10-06 | 2013-03-12 | Biomedical Acoustic Research, Corp. | Acoustic detection of endotracheal tube location |
CN102112049B (zh) | 2008-05-29 | 2014-10-22 | 伊塔马医疗有限公司 | 用于利用声学信息针对特定生理状况检查对象的方法和装置 |
-
2011
- 2011-11-04 US US13/520,208 patent/US8882683B2/en active Active
- 2011-11-04 WO PCT/JP2011/006165 patent/WO2012060107A1/ja active Application Filing
- 2011-11-04 JP JP2012508280A patent/JP5519778B2/ja active Active
- 2011-11-04 EP EP11837761.3A patent/EP2636369A4/en not_active Ceased
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004512066A (ja) | 2000-10-06 | 2004-04-22 | バイオメディカル・アコースティック・リサーチ・インコーポレイテッド | 呼吸器の状態の音響検出 |
JP3604127B2 (ja) | 2000-11-27 | 2004-12-22 | 日本電信電話株式会社 | 多チャネル音響信号収集装置 |
JP2005027751A (ja) | 2003-07-08 | 2005-02-03 | Konica Minolta Medical & Graphic Inc | 生体音信号処理システム |
WO2006129517A1 (ja) * | 2005-06-01 | 2006-12-07 | Konica Minolta Medical & Graphic, Inc. | 生体信号解析装置及び生体信号解析方法 |
JP2007014501A (ja) * | 2005-07-06 | 2007-01-25 | Toshiba Corp | 呼吸状態判定装置、呼吸状態判定方法および呼吸状態判定プログラム |
Non-Patent Citations (1)
Title |
---|
See also references of EP2636369A4 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014103107A1 (ja) * | 2012-12-28 | 2014-07-03 | パナソニック株式会社 | 呼吸相判定装置、呼吸相判定方法、および呼吸相判定プログラム |
US9597011B2 (en) | 2012-12-28 | 2017-03-21 | Panasonic Corporation | Respiratory phase determination apparatus, respiratory phase determination method and respiratory phase determination program |
JP5521131B1 (ja) * | 2012-12-28 | 2014-06-11 | パナソニック株式会社 | 呼吸相判定装置、呼吸相判定方法、および呼吸相判定プログラム |
US11096652B2 (en) | 2013-07-26 | 2021-08-24 | Panasonic Corporation | Bioacoustic sound testing device and bioacoustic sound testing method |
WO2015011923A1 (ja) | 2013-07-26 | 2015-01-29 | パナソニック株式会社 | 生体音検査装置及び生体音検査方法 |
JP2015171544A (ja) * | 2013-07-26 | 2015-10-01 | パナソニック株式会社 | 生体音検査装置及び生体音検査方法 |
JPWO2015011923A1 (ja) * | 2013-07-26 | 2017-03-02 | パナソニック株式会社 | 生体音検査装置及び生体音検査方法 |
JP2017099916A (ja) * | 2013-07-26 | 2017-06-08 | パナソニック株式会社 | 生体音検査装置及び生体音検査方法 |
JP2021524958A (ja) * | 2018-05-29 | 2021-09-16 | ヘルシー ネットワークス オイ | 呼吸器系の音に基づく呼吸状態の管理 |
JP2022503484A (ja) * | 2018-08-14 | 2022-01-12 | ジ アサン ファウンデーション | 心肺音を用いた情報獲得方法 |
WO2020090763A1 (ja) * | 2018-10-31 | 2020-05-07 | パイオニア株式会社 | 処理装置、システム、処理方法、およびプログラム |
JPWO2020090763A1 (ja) * | 2018-10-31 | 2021-09-24 | パイオニア株式会社 | 処理装置、システム、処理方法、およびプログラム |
JP2020069113A (ja) * | 2018-10-31 | 2020-05-07 | パイオニア株式会社 | 処理装置、システム、処理方法、およびプログラム |
JP7089650B2 (ja) | 2018-10-31 | 2022-06-23 | 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 |
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 |
JP2020130471A (ja) * | 2019-02-15 | 2020-08-31 | チェスト株式会社 | 呼吸抵抗測定装置及び表示制御方法 |
JP7045073B2 (ja) | 2019-02-15 | 2022-03-31 | チェスト株式会社 | 呼吸抵抗測定装置及び表示制御方法 |
Also Published As
Publication number | Publication date |
---|---|
US20120283598A1 (en) | 2012-11-08 |
EP2636369A4 (en) | 2014-09-24 |
EP2636369A1 (en) | 2013-09-11 |
JPWO2012060107A1 (ja) | 2014-05-12 |
US8882683B2 (en) | 2014-11-11 |
JP5519778B2 (ja) | 2014-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5519778B2 (ja) | 生体音検査装置、及び、生体音検査方法 | |
EP2548504B1 (en) | Biometric sound testing device | |
JP4504383B2 (ja) | 呼吸管の空気流を解析する方法およびシステム | |
JP6272308B2 (ja) | 音ベースの肺活量測定のデバイス、システムおよび方法 | |
Abaza et al. | Classification of voluntary cough sound and airflow patterns for detecting abnormal pulmonary function | |
ES2831017T3 (es) | Sistema de diagnóstico de enfermedades bovinas mediante análisis de auscultación | |
Veiga et al. | Fluctuation analysis of respiratory impedance waveform in asthmatic patients: effect of airway obstruction | |
Nemati et al. | Estimation of the lung function using acoustic features of the voluntary cough | |
JP2017099916A (ja) | 生体音検査装置及び生体音検査方法 | |
Faria et al. | Assessment of respiratory mechanics in patients with sarcoidosis using forced oscillation: correlations with spirometric and volumetric measurements and diagnostic accuracy | |
JP5739905B2 (ja) | Bodeインデックス測定 | |
RU2304928C2 (ru) | Способ акустической диагностики очаговых изменений в легких человека | |
JP5824608B2 (ja) | 肺音分析装置 | |
WO2020090763A1 (ja) | 処理装置、システム、処理方法、およびプログラム | |
Kanji | Classification of Auscultation Sounds Using a Smart System | |
JP2019088392A (ja) | 肺機能検査装置 | |
US20230197262A1 (en) | Apparatus and methods for pulmonary monitoring | |
Lima Junior et al. | Determining airflow obstruction from tracheal sound analysis: simulated tests and evaluations in patients with acromegaly | |
A Smith et al. | Cough recording technology | |
Rao et al. | Acoustic Assessment of Treatment Response for Children with Acute Asthma Exacerbation | |
JP2020069113A (ja) | 処理装置、システム、処理方法、およびプログラム | |
Anogeianaki et al. | Contributions of signal analysis to the interpretation of spirometry | |
JP2021074257A (ja) | 嚥下能力評価システム、嚥下能力評価方法及び嚥下能力評価プログラム | |
Markandeya et al. | Non-Invasive Method for Overnight Airway Obstruction Severity Analysis: Validation with Esophageal Pressure Manometry |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
WWE | Wipo information: entry into national phase |
Ref document number: 2012508280 Country of ref document: JP |
|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 11837761 Country of ref document: EP Kind code of ref document: A1 |
|
WWE | Wipo information: entry into national phase |
Ref document number: 2011837761 Country of ref document: EP |
|
WWE | Wipo information: entry into national phase |
Ref document number: 13520208 Country of ref document: US |
|
NENP | Non-entry into the national phase |
Ref country code: DE |