JP2015514456A - 患者音を処理するための方法および装置 - Google Patents
患者音を処理するための方法および装置 Download PDFInfo
- Publication number
- JP2015514456A JP2015514456A JP2015502020A JP2015502020A JP2015514456A JP 2015514456 A JP2015514456 A JP 2015514456A JP 2015502020 A JP2015502020 A JP 2015502020A JP 2015502020 A JP2015502020 A JP 2015502020A JP 2015514456 A JP2015514456 A JP 2015514456A
- Authority
- JP
- Japan
- Prior art keywords
- cough
- pneumonia
- sound
- patient
- features
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 201
- 238000012545 processing Methods 0.000 title claims description 17
- 206010011224 Cough Diseases 0.000 claims abstract description 462
- 230000008569 process Effects 0.000 claims abstract description 43
- 201000010099 disease Diseases 0.000 claims abstract description 41
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 41
- 238000003745 diagnosis Methods 0.000 claims abstract description 33
- 206010035664 Pneumonia Diseases 0.000 claims description 172
- 238000012549 training Methods 0.000 claims description 48
- 238000007477 logistic regression Methods 0.000 claims description 17
- 208000006673 asthma Diseases 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 206010006451 bronchitis Diseases 0.000 claims description 12
- 201000009240 nasopharyngitis Diseases 0.000 claims description 8
- 208000037656 Respiratory Sounds Diseases 0.000 claims description 7
- 206010047924 Wheezing Diseases 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 208000019622 heart disease Diseases 0.000 claims description 3
- 201000004792 malaria Diseases 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 description 53
- 238000012360 testing method Methods 0.000 description 30
- 238000004422 calculation algorithm Methods 0.000 description 26
- 101000608734 Helianthus annuus 11 kDa late embryogenesis abundant protein Proteins 0.000 description 22
- 239000011159 matrix material Substances 0.000 description 21
- 238000013461 design Methods 0.000 description 19
- 239000013598 vector Substances 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 17
- 238000010200 validation analysis Methods 0.000 description 16
- 230000000241 respiratory effect Effects 0.000 description 15
- 208000024891 symptom Diseases 0.000 description 14
- 230000011218 segmentation Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 230000001965 increasing effect Effects 0.000 description 12
- 206010037660 Pyrexia Diseases 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 208000017574 dry cough Diseases 0.000 description 11
- 230000029058 respiratory gaseous exchange Effects 0.000 description 10
- 238000001228 spectrum Methods 0.000 description 10
- 210000002569 neuron Anatomy 0.000 description 9
- 206010036790 Productive cough Diseases 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 8
- 230000036387 respiratory rate Effects 0.000 description 8
- 208000023504 respiratory system disease Diseases 0.000 description 8
- 238000010333 wet classification Methods 0.000 description 8
- 238000003759 clinical diagnosis Methods 0.000 description 7
- 230000001419 dependent effect Effects 0.000 description 7
- 238000009826 distribution Methods 0.000 description 7
- 238000010332 dry classification Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 206010006448 Bronchiolitis Diseases 0.000 description 6
- 238000013480 data collection Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 208000024794 sputum Diseases 0.000 description 6
- 210000003802 sputum Anatomy 0.000 description 6
- 238000010561 standard procedure Methods 0.000 description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 5
- 230000034994 death Effects 0.000 description 5
- 231100000517 death Toxicity 0.000 description 5
- 229910052760 oxygen Inorganic materials 0.000 description 5
- 239000001301 oxygen Substances 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 206010011469 Crying Diseases 0.000 description 4
- 208000000059 Dyspnea Diseases 0.000 description 4
- 206010013975 Dyspnoeas Diseases 0.000 description 4
- 238000013459 approach Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000007717 exclusion Effects 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 210000004072 lung Anatomy 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 210000003097 mucus Anatomy 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005192 partition Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 208000008203 tachypnea Diseases 0.000 description 4
- 206010043089 tachypnoea Diseases 0.000 description 4
- 238000011282 treatment Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 201000005702 Pertussis Diseases 0.000 description 3
- 206010039101 Rhinorrhoea Diseases 0.000 description 3
- 239000003242 anti bacterial agent Substances 0.000 description 3
- 229940088710 antibiotic agent Drugs 0.000 description 3
- 238000002555 auscultation Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 3
- 238000002790 cross-validation Methods 0.000 description 3
- 238000002405 diagnostic procedure Methods 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 208000015181 infectious disease Diseases 0.000 description 3
- 238000009533 lab test Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 208000010753 nasal discharge Diseases 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 210000002345 respiratory system Anatomy 0.000 description 3
- 230000028327 secretion Effects 0.000 description 3
- 230000005236 sound signal Effects 0.000 description 3
- 206010007559 Cardiac failure congestive Diseases 0.000 description 2
- 206010012735 Diarrhoea Diseases 0.000 description 2
- 206010024971 Lower respiratory tract infections Diseases 0.000 description 2
- 206010033546 Pallor Diseases 0.000 description 2
- 208000003443 Unconsciousness Diseases 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 238000013276 bronchoscopy Methods 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013479 data entry Methods 0.000 description 2
- 238000012774 diagnostic algorithm Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 210000004704 glottis Anatomy 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 238000007430 reference method Methods 0.000 description 2
- 208000026425 severe pneumonia Diseases 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 229960005486 vaccine Drugs 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- 208000030507 AIDS Diseases 0.000 description 1
- 208000030090 Acute Disease Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 1
- 206010010071 Coma Diseases 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- 206010010904 Convulsion Diseases 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 206010021113 Hypothermia Diseases 0.000 description 1
- 208000019693 Lung disease Diseases 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 208000002720 Malnutrition Diseases 0.000 description 1
- 201000007100 Pharyngitis Diseases 0.000 description 1
- 206010037423 Pulmonary oedema Diseases 0.000 description 1
- 206010057190 Respiratory tract infections Diseases 0.000 description 1
- 208000034189 Sclerosis Diseases 0.000 description 1
- 206010041235 Snoring Diseases 0.000 description 1
- 238000000692 Student's t-test Methods 0.000 description 1
- 206010066901 Treatment failure Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000004596 appetite loss Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000010876 biochemical test Methods 0.000 description 1
- 230000003115 biocidal effect Effects 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000003123 bronchiole Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011976 chest X-ray Methods 0.000 description 1
- 208000023819 chronic asthma Diseases 0.000 description 1
- 208000013116 chronic cough Diseases 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 238000012864 cross contamination Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000008260 defense mechanism Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 230000002631 hypothermal effect Effects 0.000 description 1
- 208000026278 immune system disease Diseases 0.000 description 1
- 210000004969 inflammatory cell Anatomy 0.000 description 1
- 238000011221 initial treatment Methods 0.000 description 1
- 238000011423 initialization method Methods 0.000 description 1
- 230000003434 inspiratory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012729 kappa analysis Methods 0.000 description 1
- 208000019017 loss of appetite Diseases 0.000 description 1
- 235000021266 loss of appetite Nutrition 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 230000001071 malnutrition Effects 0.000 description 1
- 235000000824 malnutrition Nutrition 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 230000010352 nasal breathing Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 208000015380 nutritional deficiency disease Diseases 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000005195 poor health Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 125000002924 primary amino group Chemical group [H]N([H])* 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 208000005333 pulmonary edema Diseases 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 208000005069 pulmonary fibrosis Diseases 0.000 description 1
- 210000003019 respiratory muscle Anatomy 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 210000005070 sphincter Anatomy 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 210000005177 subglottis Anatomy 0.000 description 1
- 210000005176 supraglottis Anatomy 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
Classifications
-
- 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
- A61B5/0823—Detecting or evaluating cough events
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- 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
- A61B7/00—Instruments for auscultation
- A61B7/02—Stethoscopes
- A61B7/04—Electric stethoscopes
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/66—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for extracting parameters related to health condition
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- A61B5/0803—Recording apparatus specially adapted therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
- G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Pulmonology (AREA)
- Biophysics (AREA)
- Acoustics & Sound (AREA)
- Epidemiology (AREA)
- Physiology (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Surgical Instruments (AREA)
Abstract
Description
胸部X線(CXR)は、肺炎を診断するための一般に利用可能な参照標準と見なされる。しかしながら、CXRは標準的な方法ではない。疾患の初期段階では、または疾患がCXRでは容易に見られない肺の一部に関わるとき、肺炎は、CXRのみを使用して診断するのが困難なことがある。さらに、時には、CXR結果が、CXRでは肺炎に似ていることがある肺の瘢痕化またはうっ血性心不全により、紛らわしい場合がある。X線CTの方がより良好な転帰をもたらし得るが、X線CTは、発展途上国では三次医療病院ですら広く利用できない。喀痰検査は、検査室での培養を必要とし、最短で2〜3日かかることがあり、これにより、喀痰検査は初期診断には遅すぎるものになる。肺炎を引き起こす病原体の多くがもともと健常者の咽喉に存在するので、喀痰検査陽性は、必ずしも肺炎の存在を示すものではない。したがって、喀痰検査は、主に、すでに患者に対して開始されている特定の抗生物質の感受性を確認するために行われる。臨床検査は、聴診器による胸部聴診とともに、臨床の場において肺炎の初期診断で使用されている第一線の手法である。X線は、利用可能なとき、診断を確認するために使用され得る。
特徴を前記患者音のセグメントから抽出するステップと、
抽出した特徴および所定の基準に基づいて、セグメントを咳嗽音または非咳嗽音として分類するステップと
を含む方法が提供される。
患者音の咳嗽イベントを罹患または非罹患のどちらかとしてカテゴリ化するステップと、
カテゴリ化された罹患咳嗽イベントの割合を示す罹患咳嗽指数を計算するステップと、
罹患した咳嗽指数が所定の要件を満たす場合に、患者を特定の疾患状態に罹患していると見なすステップとを含む
ステップをさらに含む。
音記録の咳嗽イベントを罹患または非罹患のどちらかとしてカテゴリ化するステップと、
カテゴリ化された罹患咳嗽イベントの割合を示す罹患咳嗽指数を計算するステップと、
罹患した咳嗽指数が所定の要件を満たす場合、患者を特定の疾患状態に罹患していると見なすステップと
を含む。
抽出した特徴および所定の基準に基づいて、セグメントを咳嗽音または非咳嗽音として分類するステップと、
計算デバイスによるさらなる処理のために、咳嗽または非咳嗽に分類されるとセグメントに有形にマークを付けるステップと
を含む方法が提供される。
2.1.咳嗽記録プロトコル
咳嗽記録システムは、ハイパーカージオイドビーム(hypercardiod beam)パターン(モデルNT3、RODE(登録商標)、Sydney、Australia)を有する低雑音マイクロホン53、55、続いて信号収集のための前置増幅器52およびA/D変換器51(モデルMobile Pre-USB、M-Audio(登録商標)、CA、USA)からなる。Mobile Pre-USBの出力は、ラップトップコンピュータ52のUSBポート50に接続された。マイクロホンから被験者42の口までの公称距離は50cmであった。実際の距離は、被験者の移動により40cmから100cmまでさまざまであってよい。しかしながら、提案する方法は音の強さに左右されず、結果は口からマイクロホンの距離と無関係であった。44.1kサンプル/秒のサンプリングレートおよび16ビット分解能を保持して、最良の音質を得た。
離散化された音記録すなわちr[n]は、次のように、咳嗽音sc[n]、暗雑音b[n]、および非咳嗽音snc[n](たとえば、発語、泣き声、発声、器械の動きなど)の和としてモデル化可能である。
r[n] = sc[n] + snc[n] + b[n] (1)
このセクションでは、咳嗽音発生のモデルおよび特徴抽出ユニットの詳細について説明する。
生理学的な考慮事項に基づいて、咳嗽音は、4つの異なる相すなわち吸気、収縮、圧縮、および呼出の組合せと見なされることが多い[1]。吸気相は、息を吸い込むことによって始まり、声門、声門上部括約筋(supraglottis sphincter)、または両方の閉鎖によって終わる。収縮相では、呼吸筋のグループが声門構造に対して収縮し、肺胞内圧、胸腔内圧、および声門下気道内圧(sub glottis airway pressure)の著しい上昇によって特徴づけられる圧縮相につながる。呼出相では、声門がすばやく開き、続いて、大きな圧力勾配下で空気の迅速な吐き出しが行われる。肺から排出された空気の迅速な移動によって、呼吸器系の異なる部位から寄与が生じる咳嗽音が生成される。咳嗽音発生のメカニズムには、音声生成のメカニズムとの類似点がいくつかある。
本発明の一実施形態では、サブブロックレベルにおけるCG/NGパターン分類器として、人工ニューラルネットワーク(ANN)を利用する。本発明者らは、強さ、持続時間、または湿潤度に関係なく異なる種類の咳嗽音を認識する人間の脳の能力によって示唆されたANNを使用した。さらに、ANNは、1組の所与の例を用いた教師あり学習のプロセスに基づいて、非線形決定境界を使用したデータの分類が可能であるので、いくつかの利点を有する。ANNは、従来の方法と比較して限られた訓練データセットで機能する、実績のある機能を有する[25]。この作業では、音声認識アプリケーションにおいて成功している時間遅れニューラルネットワーク(TDNN)[26]として知られる特定の形態のANNを使用した。TDNNは、入力特徴セットの時間的変換[26]を減ずるデータサブブロックsk[n]を分類することが可能である。
記録からの咳嗽音および他の音からなるデータセットを作成した。このデータセットには、665の咳嗽音がある。このデータセットを3つの重複しないランダムなパーティションに分割し、これらのパーティションをそれぞれ訓練(TDS)、検証(VDS)、およびテスト(TeDS)と名付ける。データベースからのTDS、VDS、およびTeDSの比率は、(それぞれ40%、30%、および30%)である。第m番目のそのようなランダムなパーティションを記号Cm、m = 1, 2 … Mによって示し、ここで、Mはこの作業で使用されるランダムなパーティションの総数である。すべての分類データセットを、独立して解析した。ランダムサブサンプリング法を使用するK分割交差検定法を適用することによって、データセットを効果的に使用した。
本研究で使用されるTDDNは、Table 3(表3)で規定されるパラメータを有する。
3.1 咳嗽セグメント持続時間
本発明者らの臨床データでは、目視観測と聴取を組み合わせたプロセスによって、各咳嗽セグメントの持続時間(τs)を識別した。τsという平滑化された確率密度関数が図4に示されている。咳嗽セグメントは、(τmin = 0.18秒およびτmax = 11.6秒)という最小持続時間と最大持続時間を有する。咳嗽セグメントの平均および標準偏差は(μs = 0.373、σs = 0.144)である。セグメンテーションプロセスでは、τminおよびτmaxを基準の1つとして使用して、予測されるセグメントを咳嗽音または非咳嗽音と決定する。このプロセスについてセクション3.5で説明する。
制御不能な環境で記録することによって、データは暗雑音をより受けやすくなる。記録において、雑音の2つの別個の成分すなわち(a)10Hz未満の低周波雑音および(b)白色ガウス雑音(図5(A)を参照されたい)を識別した。この図から、記録が、1.54〜5.92dBの範囲に及ぶ不良な信号対雑音比(SNR)を有することがわかる。これらの雑音を減少させるために、10Hzのカットオフ周波数を有する4次のバターワースハイパスフィルタ(HPF)と、パワースペクトル減算(PSS)フィルタを使用した。
セクション2.2.2で説明したように、sk [n]の各サブブロックに対して特徴ベクトルfk = {Mk Fk Zk Sk Nk}を計算した。サブブロックサイズN = 882(20ミリ秒)を使用した。選択されたサブブロックサイズは、MFCCの特徴抽出の基本単位である。メルフィルタ統合に関与するサンプルが極めて少ないので、サイズ(たとえば10ミリ秒)が小さいと、一般的に結果の歪曲につながる。サイズが大きいと、ワード誤り率を増加させる傾向がある[28]。
この作業では、5つの連続した特徴ベクトル(d = 5)を使用した。したがって、入力層中のニューロンの数は(Li=110)である。出力層には、CGクラスまたはNGクラスを表す1つのニューロン(Lo=1)のみがある。Lhにおけるニューロンの数を決定するために、訓練プロセス中にいくつかの数のニューロンをテストした。
感度= TP/(TP + FN)×100 (12)
特異度= TN/(FP + TN)×100 (13)
ここで、TP =真陽性、TN =真陰性、FP =偽陽性、およびFN =偽陰性である。
次に図12を参照すると、本発明のさらなる態様の好ましい一実施形態による方法を示すブロック図が示されている。図12に示される方法は、患者に関連する特定の疾患状態たとえば肺炎/非肺炎の分類の診断のために作成されたものである。本発明の一実施形態による分類方法のさらなる実施形態については、本明細書の最後で検討する。
この作業のためのデータ収集環境は、Sardjito Hospital、Gadjah Mada University、IndonesiaのRespiratory Medicine Unitである。被験者の母集団は、呼吸器疾患の症状を有する人々を含む。同病院の一般病棟に入院している患者は、呈する症状について臨床医が評価した。すべての所見を、標準シートに記録した。所見としては、咳嗽の存在、鼻汁、発熱、呼吸困難、下痢などがある。臨床医はまた、体温、呼吸数、SpO2、および心拍数も記録した。
音記録は、病院の一般成人病棟で行われた。他の5名の患者と部屋を共有する患者は、カーテンによって隔てられていた。患者には家族が付き添っていた。主治医は定期的に患者を訪れていたが、患者に関連する機密情報は記録されなかった。記録に存在する一般的な雑音は、シーリングファン、足音、発語、ドアがバタンと閉まる音、ワゴンの移動、および部屋の外からの他の不明瞭な雑音によるものであった。
i)コンピュータ化されたデータ収集システム-ハイパーカージオイドビームパターンを有する低雑音マイクロホン(モデルNT3、RODE、Sydney、Australia)のマッチドペアを有する、忠実度の高い業務用前置増幅器およびA/D変換器ユニット、(モデルMobile-Pre USB、M-Audio、California、USA)。
(ii)携帯用記録システム-2つの精密なコンデンサマイクロホンを持つ高級で軽量な携帯用2-AAバッテリ電源式オーディオレコーダー(Olympus LS-11)。
を使用して行われた。
図12は、肺炎/非肺炎の分類のために作成されたアルゴリズム全体のブロック図を示し、図15は、湿性/非湿性咳嗽音の分類のために作成されたアルゴリズムのブロック図を示す。
本発明者らは、咳嗽に基づく特徴を使用した肺炎分類のための3ステップからなるプロセスに従った。このプロセスは次の通りである。
湿性および非湿性咳嗽分類に関して、ロジスティック回帰統計モデルを再び使用した。この場合、従属変数Yは、湿性咳嗽の場合は「1」(Y=1)、非湿性咳嗽の場合は「ゼロ」(Y=0)に等しいと仮定する。
A.データベースおよび臨床診断
81名の被験者の音記録(最小2、最大12、平均して6.6±2.14咳嗽イベント)からの総計541の咳嗽イベントを解析した。81名の被験者のうち、50名は肺炎患者、31名は非肺炎患者であった。喘息-11、気管支炎-8、鼻咽頭炎-6、およびその他(喘鳴、扁桃咽頭炎、心臓疾患、喉頭軟化症(larangomalaysia)、異物吸入)-6などの疾患を有する非肺炎患者を含めた。すべての疑わしい肺炎患者に対して胸部X線を施行した。胸部X線を施行しなかった19名の患者のうち、8名は喘息患者、5名は鼻咽頭炎患者、2名は気管支炎患者、4名は他の疾患患者であった。Table 10(表10)は、患者データベースの年齢および性別の統計を示す。
Table 11(表11)は、81名の被験者からなるデータベースに対する、WHO基準を使用した肺炎診断と臨床的に診断された肺炎例の分割表を示す。
Table 12(表12)は、表9に示す設計された4つのロジスティック回帰モデルを使用して咳嗽イベントを2つのカテゴリに分ける際の訓練分類結果およびテスト分類結果を示す。
A.訓練データセットおよびテストデータセット
46名の被験者からの総計178の咳嗽イベントを解析した。データベース内の被験者の男女比は1:1であった。被験者の平均年齢は3歳1か月であった。慢性咳嗽、喘息、および他の呼吸器疾患を専門とする、小児疾患の分野において20年以上の臨床および研究の経験を持つ小児科医が、178の咳嗽イベントを、注意深く聞いた後で湿性と非湿性に手動で分類した。この手動分類を「参照標準」と見なし、これと、設計したLRモデルによる自動分類の結果を比較した。
モデルを訓練するためにすべての咳嗽特徴を使用するとき、LRモデルを使用した湿性/非湿性分類の平均感度および平均特異度は、テストデータセットに対してそれぞれ74.8±9%および69.9±9.4%であった。選択した咳嗽特徴のみを使用したとき、平均感度値および平均特異度値は79±9%および72.7±8.7%に急増した。特徴最適化の後、63の特徴から合計で22の特徴を選択した。選択した特徴は、BSG、LogE、およびKurtからそれぞれ1つ;NGSから2つ;ZCRから3つ;フォルマント周波数から5つ;MFCCから9つであった。
本発明の好ましい一実施形態の手法全体が図17に要約されている。この方法は、3つの主要な段階、すなわち、被験者からのデータの収集、パターン分類器の特徴および訓練の作成、ならびに技術の前向き検証および性能評価からなる。セクション2A〜2Cでは、これらのステップの詳細を提供する。
この作業の臨床データ収集環境は、Sardjito Hospital、Gadjah Mada University、IndonesiaのRespiratory Medicine Unitである。Table 16(表16)は、被験者の組み入れ基準および除外基準を列挙したものである。
本セクションで説明する作業に、モデル作成データセットDmdを使用した。Cmdは、Dmd内の被験者からの咳嗽イベントの総数とする。本明細書で取る手法では、1つだけ取り出す(leave-one-out)モデル構築および検証プロセスを使用して、特徴を作成し、モデルパラメータを最適化する。このフレームワークでは、方法は、4つの主要な処理ステップ(図17を参照されたい)すなわち以下で説明するステップ1からステップ4において説明可能である。
このステップでは、第1の目標は、肺炎診断アルゴリズムで使用される特徴を咳嗽音から抽出することである。Dmd内の各咳嗽イベントからの数学的特徴を、次のように計算した。
PCI = Q/P (4)
として計算する。
セクション2-B[ステップ1]で説明した手順に続いて、データセットDpv内のNpv=25名の患者からの咳嗽イベントの音データを使用して、サイズCpv ×Cfの咳嗽イベント特徴行列Mc Dpvを計算する。CpvはDpv内の全咳嗽イベントであり、Cf = 63は咳嗽に基づく特徴を表す。選択した咳嗽特徴Cf sを有する臨床特徴を増強することによって、Mfc sDpvからMc Dpvを形成する。セクション2-B[ステップ3]で選択したLRM Rfcを使用して、Mfc sDpv内のデータをクラス「肺炎性咳嗽」と「非肺炎性咳嗽」に分類した。次に、(4)を使用して、Dpv内の各患者に対してPCIを計算する。セクション2-B[ステップ4]で計算したPCIthをPCIに適用し、PCI>PCIthの場合は患者を「肺炎」、そうでない場合は「非肺炎」として分類する。
N=91名の患者(男性48名、女性43名)からの音記録を使用した。被験者の平均年齢は3歳1か月(標準偏差は3歳11か月)であった。被験者の年齢範囲は、1か月から15年までさまざまであった。91名の被験者のうち、63名は肺炎患者、28名は非肺炎患者であった。非肺炎患者は、喘息、気管支炎、鼻咽頭炎、およびその他(喘鳴、扁桃咽頭炎、心臓疾患、異物吸入)などの疾患を有していた。65名の患者に対して胸部X線(CXR)を施行して、診断を確認した。CXRが行われなかった26名の患者のうち、8名は肺炎患者と臨床的に診断され、17名は非肺炎患者と診断された。図18は、データベース内の年齢および疾患カテゴリの分布を示す。
図4は、肺炎性咳嗽、喘息性咳嗽、気管支炎性咳嗽、および細気管支炎性咳嗽の各波形およびその対応するパワースペクトログラムの代表例である。持続時間およびパワースペクトログラムの大きさにおける肺炎咳嗽と他の咳嗽との間の明白な特性の違いがわかる。肺炎性咳嗽は持続時間が短く、広く広がったパワースペクトルは最大20kHzである。逆に、その他の咳嗽は持続時間が長く、パワースペクトルは最大15kHzである。肺炎性咳嗽の平均持続時間(n=401個の咳嗽を使用して0.26±0.7秒)は、他の咳嗽の平均持続時間(n=198個の咳嗽を使用して0.32±0.08秒)よりも著しく短い(両側t検定、ρ<0.005、t=-8.6786)。咳嗽音波形は、一般にクリーンであり、高い信号対雑音比(SNR)有する。Dmdの平均SNRは15.8±5.6db(最大= 28.05dbおよび最小= 2.08db)であり、Dpvの平均SNRは16.7±5db(最大= 26.7dbおよび最小= 7.9db)であった。
Table 19(表19)は、WHO基準を使用した肺炎診断と臨床的に診断された肺炎の分割表を示す。
N=91名の患者から、合計C=599の咳嗽イベントを解析した。平均して、患者につき6.6±2の咳嗽イベントを分析した(各患者あたり最小=2および最大=12)。セクション2-Aでは、N=91名の患者を2つのデータセットDmd(訓練/検証データセット)およびDpv(前向き研究データセット)に分割した。Dmdは、Cmd=440の咳嗽イベント(平均=6.7±2、最小=2、最大=12)を持つNmd=66名の患者からのデータを有する。Dpvは、Cpv=159の咳嗽イベント(平均=6.4±1、最小=5、最大=10)を持つNpv=25名の患者からのデータを有する。
セクション2-B[ステップ3]で選択したモデルRfcを、Npv=25名の患者およびCpv=159の咳嗽イベントからなる完全に新しいデータセットDpvに対してテストした。両方、すなわち咳嗽イベントを肺炎性咳嗽と非肺炎性咳嗽に分類した際と、PCIを使用して非肺炎患者から肺炎患者を分離する際の性能に対して、モデルをテストした。Table 24(表24)は、咳嗽イベントを肺炎性咳嗽クラスと非肺炎性咳嗽クラスに分類した際の選択したLRM Rfcの性能を示す。
本発明の上記の実施形態は、咳嗽音を使用して肺炎を診断する自動化された手順を提供する。この方法は、最初に個々の咳嗽イベントを「肺炎性咳嗽」クラスと「非肺炎性咳嗽」クラスに分類し、次に、記録されたすべての咳嗽イベントに対して肺炎性咳嗽指数(PCI)を算出することに基づく。ある範囲の呼吸器疾患と診断された91名の小児患者からの599の咳嗽イベントに対して作業を行うことによって、本発明者らは、この方法は特異度を>85%で保持しながら感度>90%で肺炎を分類することが可能であることを示した。
図20は、本発明の一実施形態による自動咳嗽分類プロセスのブロック図を示す。このプロセスは、4つの段階、すなわち、(A)データ収集プロセス、(B)咳嗽音データベースの作成およびスコア化を担当する専門家(expert scorer)による湿性/乾性クラスへの分類、(C)自動分類器の設計、(D)前向き咳嗽音データセット上での分類器のテストに分割される。セクションII-A〜セクションII-Dにおいて、方法の詳細について説明する。
この作業のための臨床データ収集環境は、Sardjito Hospital、Gadjah Mada University、IndonesiaのRespiratory Medicine Unitである。Table 26(表26)は、被験者の組み入れ基準および除外基準を列挙したものである。
1.コンピュータ化されたデータ収集システム-ハイパーカージオイドビームパターンを有する低雑音マイクロホン(モデルNT3、RODE、Sydney、Australia)のマッチドペアを有する、業務用前置増幅器およびA/D変換器ユニット(モデルMobile-Pre USB、M-Audio、California、USA)を備えた忠実度の高いシステム。Adobeの視聴ソフトウェアバージョン2を使用して、音データをラップトップコンピュータ上に記録した。-この種類の構成の具体例については、図1を参照されたい。
2.携帯用記録システム-2つの精密なコンデンサマイクロホンを持つ高級で軽量な携帯用2-AAバッテリ電源式オーディオレコーダー(Olympus LS-11)。
を使用して行われた。
Nを、音記録が使用された患者の数とし、Cを、N名の患者からの咳嗽イベントの総数とする。これらのC個の咳嗽イベントを、各患者の6〜8時間の音データによるスクリーニング後に、手動でセグメント化した。咳嗽イベントの開始および終了の自動マーキングのための承認された方法はない。依然として、手動マーキングが標準的な方法と見なされている。注意深く聞いた後、すべての咳嗽イベントの開始および終了を手動でマークした。
(i)DS1-N1名の患者からのC1個の咳嗽イベントからなる。このデータセットからの咳嗽イベントを使用して、最適なモデルを設計した。
(ii)DS2-N2名の患者からのC2個の咳嗽イベントからなる。このデータセットからの咳嗽イベントを使用して、設計したモデルをテストした。DS2からの咳嗽イベントは、モデル設計のプロセスに左右されなかった。
咳嗽音の自動分類のためのシステムを設計するために、DS1からの咳嗽イベントを使用した。DS11は、両方のスコア化担当者が咳嗽音のクラスについて一致した咳嗽イベントを含むDS1のサブセットとする。C11の咳嗽イベントがDS11にあった。DS11内の咳嗽イベントを使用して、自動分類器モデルを設計する。これは、3ステップからなるプロセスである。
(i)xは、咳嗽イベントからの離散時間音声信号を示す。
(ii)xを最大絶対値で除算することによって、xを正規化する。
(iii)xを、「n」の等しいサイズの重複していないサブセグメントにセグメント化する。xiはxの第i番目のサブセグメントを表し、ここでi=1, 2, 3,…., nである。
(iv)各サブセグメントに対する以下の特徴、すなわちバイスペクトルスコア(BGS)、非ガウス性スコア(NGS)、フォルマント周波数(FF)、ピッチ(P)、対数エネルギー(LogE)、ゼロ交差(ZCR)、尖度(Kurt)、および12のメル周波数ケプストラム係数(MFCC)を計算し、F特徴を含む特徴ベクトルを形成する。
(v)C11個の咳嗽イベントすべてに対してステップ(i)〜(iii)を繰り返し、サイズC11×Fの咳嗽イベント特徴行列MDS11を形成する。
セクションC[ステップ1]で説明した手順に続いて、データセットDS2からの咳嗽イベントを使用して、サイズC2×Fの咳嗽イベント特徴行列MDS2を計算する。C2はDS2内の総咳嗽イベントであり、「F」は特徴ベクトルである。ロバストなFs特徴のみを選択することによって、MDS2からM'DS2を形成する。選択したLRM Rを使用して、M'DS2内のデータをクラス湿性または乾性に分類する。Rの出力からの湿性/乾性クラスの決定プロセスは次の通りである。
所与の咳嗽入力に対するRの出力はYRである。次に、咳嗽を、YR≧λRの場合は湿性、そうでない場合は乾性として分類する。
本発明者らは、N=78名の患者(41名は男性、37名は女性であった)からの音記録データを使用した。被験者の平均年齢は2歳11か月であった。被験者の年齢範囲は、1か月から15年までさまざまで、喘息、肺炎、気管支炎、および鼻咽頭炎などの疾患を呈した。Table 27(表27)は、患者の人口統計学的詳細および臨床的詳細を示す。
DS11内の乾性咳嗽の平均持続時間は260±77ミリ秒(228の乾性咳嗽を使用して計算した)、湿性咳嗽の平均持続時間は238±54ミリ秒であった(82の湿性咳嗽を使用して計算した)。図21は、それぞれID#35および#38の2名の患者からの乾性咳嗽波形および湿性咳嗽波形の代表例を示す。咳嗽音波形は、一般にクリーンであり、高い信号対雑音比(SNR)有する。DS11の平均信号対雑音比は15.2±5.5db(最大=28.65dbおよび最小=2.9db)、DS2の平均信号対雑音比は18.6±4.5db(最大=27.8dbおよび最小=11.1db)であった。図22Aおよび図22Bは、DS11およびDS2内の咳嗽音に対するSNRのヒストグラムである。
訓練段階中の特徴行列およびLRMの性能:LOV法に続いて、LC11=310個のLRMを設計した。
カッパ 解釈
<0 一致度が偶然よりも低い
0.01〜0.20 わずかな一致度
0.21〜0.40 まずまずの一致度
0.41〜0.60 中程度の一致度
0.61〜0.80 かなりの一致度
0.81〜1 ほぼ完全な一致度
真陽性(TP)-湿性咳嗽がLRMによって正しく「湿性」と識別される。
偽陽性(FP)-乾性咳嗽がLRMによって間違って「湿性」と識別される。
真陰性(TN)-乾性咳嗽がLRMによって正しく「乾性」と識別される。
偽陰性(FN)-湿性咳嗽がLRMによって間違って「乾性」と識別される。
42 被験者
46 光ディスク
48 光ディスク読取り装置
50 USBポート
51 A/D変換器、外部ADCモジュール
52 前置増幅器、コンピュータシステム、パーソナルコンピュータシステム、ラップトップコンピュータ
53 低雑音マイクロホン
54 処理ボックス
55 低雑音マイクロホン
56 ディスプレイ
58 キーボード
60 ポインティングデバイス
62 RAM
64 ROM
66 二次記憶デバイス、二次記憶装置、磁気ハードディスク
68 メインボード
70 中央処理ユニット、中央プロセッサ、CPU
72 ソフトウェア製品、ソフトウェア
Claims (18)
- 患者音を処理するように計算デバイスを動作させる方法であって、
特徴を前記患者音のセグメントから抽出するステップと、
前記抽出した特徴および所定の基準に基づいて、前記セグメントを咳嗽音または非咳嗽音として分類するステップと、
咳嗽音として分類された前記患者音のセグメントに基づいて、前記計算デバイスの制御下で、疾患関連状態の診断をディスプレイ上に提示するステップと
を含む方法。 - 咳嗽音を「湿性咳嗽」音または「非湿性咳嗽」音であるとしてカテゴリ化するステップを含む、請求項1に記載の方法。
- 前記患者音の咳嗽イベントを罹患または非罹患のどちらかとしてカテゴリ化するステップと、
カテゴリ化された罹患咳嗽イベントの割合を示す罹患咳嗽指数を計算するステップと
をさらに含む、請求項2に記載の方法。 - 前記罹患した咳嗽指数が所定の要件を満たす場合に、患者を特定の疾患状態に罹患していると見なすステップを含む、請求項3に記載の方法。
- 患者音記録を処理し、それによって、計算デバイスの制御下でディスプレイを用いて患者の特定の疾患状態の診断を提示するように計算デバイスを動作させる方法。
- 肺炎を含む疾患状態を診断するためのステップを含む、請求項5に記載の方法。
- 音記録の咳嗽イベントを罹患または非罹患のどちらかとしてカテゴリ化するステップと、
カテゴリ化された罹患咳嗽イベントの割合を示す罹患咳嗽指数を計算するステップと、
前記罹患咳嗽指数が所定の要件を満たす場合に、前記患者を前記特定の疾患状態に罹患していると見なすステップと
を含む、請求項5または請求項6に記載の方法。 - 前記所定の要件が、前記罹患咳嗽指数が所定のしきい値を超えることを含む、請求項7に記載の方法。
- 前記咳嗽イベントを罹患または非罹患のどちらかとしてカテゴリ化する前記ステップが、分類手順により前記咳嗽イベントから抽出した特徴を処理するステップを含む、請求項7または請求項8に記載の方法。
- 前記分類手順がロジスティック回帰モデルの適用を含む、請求項9に記載の方法。
- 前記分類手順が、訓練した人工ニューラルネットワークの適用を含む、請求項9に記載の方法。
- 以下の訴えすなわち喘息、気管支炎、鼻咽頭炎、喘鳴、扁桃咽頭炎、心臓疾患、喉頭軟化症、マラリア、および異物吸入のうち1つまたは複数に罹患している患者から記録された非肺炎性音を含むある種の分類器に対する訓練事例の適用を含む、請求項10または請求項11に記載の方法。
- 請求項1から12のいずれか一項に記載の方法を実行するプロセッサのための命令を含む電子メモリと通信する少なくとも1つの電子プロセッサを含む計算デバイス。
- 前記計算デバイスが、前記方法を実行するようにプログラムされた携帯電話または同様のデバイスを備える、請求項13に記載の計算デバイス。
- 請求項1から12のいずれか一項に記載の方法を実行するための1つまたは複数の電子プロセッサによる実行のための有形の命令を持つ機械可読媒体。
- 患者音を処理するように計算デバイスを動作させる方法であって、
特徴を前記患者音のセグメントから抽出するステップと、
前記抽出した特徴および所定の基準に基づいて、前記セグメントを咳嗽音または非咳嗽音として分類するステップと
を含む方法。 - 咳嗽音として分類された前記患者音のセグメントに基づいて疾患関連状態を診断するステップと、前記計算デバイスによって制御された電子ディスプレイ上で前記診断を提示するステップとをさらに含む、請求項1に記載の方法。
- 咳嗽音を「湿性咳嗽」音または「非湿性咳嗽」音であるとしてカテゴリ化するステップを含む、請求項2に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
AU2012901255A AU2012901255A0 (en) | 2012-03-29 | A method and apparatus for processing patient sounds | |
AU2012901255 | 2012-03-29 | ||
PCT/AU2013/000323 WO2013142908A1 (en) | 2012-03-29 | 2013-03-28 | A method and apparatus for processing patient sounds |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015514456A true JP2015514456A (ja) | 2015-05-21 |
JP6435257B2 JP6435257B2 (ja) | 2018-12-05 |
Family
ID=49257951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015502020A Active JP6435257B2 (ja) | 2012-03-29 | 2013-03-28 | 患者音を処理するための方法および装置 |
Country Status (8)
Country | Link |
---|---|
US (1) | US10098569B2 (ja) |
EP (2) | EP2830496B1 (ja) |
JP (1) | JP6435257B2 (ja) |
KR (1) | KR102081241B1 (ja) |
CN (2) | CN104321015A (ja) |
AU (1) | AU2013239327B2 (ja) |
ES (1) | ES2947765T3 (ja) |
WO (1) | WO2013142908A1 (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018534026A (ja) * | 2015-10-08 | 2018-11-22 | 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 |
WO2019216320A1 (ja) * | 2018-05-08 | 2019-11-14 | 国立大学法人徳島大学 | 機械学習装置、解析装置、機械学習方法および解析方法 |
KR20200025717A (ko) * | 2018-08-31 | 2020-03-10 | 재단법인 아산사회복지재단 | 폐음을 이용한 폐 정보 획득 방법, 그 장치 및 그 프로그램 |
JP2020508726A (ja) * | 2017-02-01 | 2020-03-26 | レスアップ ヘルス リミテッド | 背景雑音環境における咳嗽検出のための方法および装置 |
JP2021506486A (ja) * | 2017-12-21 | 2021-02-22 | ザ ユニバーシティ オブ クィーンズランド | 呼吸器疾患を診断するために疾患シグネチャを使用して咳音を分析するための方法 |
JP2021151570A (ja) * | 2017-01-23 | 2021-09-30 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置、情報処理システム及びプログラム |
KR102376188B1 (ko) * | 2021-12-15 | 2022-03-17 | 가천대학교 산학협력단 | 딥러닝 기반의 호흡음 분류를 위한 피쳐정보 선택방법 및 시스템 |
Families Citing this family (132)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DK2557988T3 (da) | 2010-04-16 | 2020-08-10 | Univ Tennessee Res Found | System til forudsigelse af gastrointestinal dysfunktion |
EP2608714A4 (en) * | 2010-08-25 | 2017-03-08 | Diacoustic Medical Devices (Pty) Ltd | A system and method for classifying a heart sound |
US11315687B2 (en) * | 2012-06-18 | 2022-04-26 | AireHealth Inc. | Method and apparatus for training and evaluating artificial neural networks used to determine lung pathology |
CN103730130B (zh) * | 2013-12-20 | 2019-03-01 | 中国科学院深圳先进技术研究院 | 一种病理嗓音的检测系统 |
JP6320109B2 (ja) * | 2014-03-27 | 2018-05-09 | 旭化成株式会社 | 心疾患識別装置 |
EP2945084A1 (en) * | 2014-05-12 | 2015-11-18 | Electrosalus Biyomedikal Sanayi ve Ticaret Anonim Sirketi | Auscultation data acquisition, communication and evaluation system incorporating mobile facilities |
WO2015188156A1 (en) | 2014-06-05 | 2015-12-10 | Morphy Inc. | Methods and systems for gathering human biological signals and controlling a bed device |
CN106471567B (zh) * | 2015-05-15 | 2019-04-26 | 深圳市大疆创新科技有限公司 | 色彩校正系统和方法 |
US9687208B2 (en) * | 2015-06-03 | 2017-06-27 | iMEDI PLUS Inc. | Method and system for recognizing physiological sound |
US20170135883A1 (en) * | 2015-11-16 | 2017-05-18 | Eight Sleep Inc. | Adjustable bedframe and operating methods |
US10105092B2 (en) | 2015-11-16 | 2018-10-23 | Eight Sleep Inc. | Detecting sleeping disorders |
US10154932B2 (en) | 2015-11-16 | 2018-12-18 | Eight Sleep Inc. | Adjustable bedframe and operating methods for health monitoring |
US9899034B2 (en) * | 2015-12-22 | 2018-02-20 | Intel IP Corporation | Technologies for robust crying detection using temporal characteristics of acoustic features |
EP3692923B1 (en) | 2016-02-17 | 2022-06-29 | Sanolla Ltd | Digital stethoscopes, and auscultation and imaging systems |
US11116478B2 (en) | 2016-02-17 | 2021-09-14 | Sanolla Ltd. | Diagnosis of pathologies using infrasonic signatures |
US9998487B2 (en) * | 2016-04-25 | 2018-06-12 | General Electric Company | Domain level threat detection for industrial asset control system |
CN105962897B (zh) * | 2016-04-27 | 2018-10-02 | 南京理工大学 | 一种自适应的鼾声信号检测方法 |
US10592733B1 (en) * | 2016-05-20 | 2020-03-17 | Educational Testing Service | Computer-implemented systems and methods for evaluating speech dialog system engagement via video |
CN109475304B (zh) * | 2016-07-14 | 2022-07-29 | 皇家飞利浦有限公司 | 用于监测哮喘症状的系统和方法 |
US10008218B2 (en) | 2016-08-03 | 2018-06-26 | Dolby Laboratories Licensing Corporation | Blind bandwidth extension using K-means and a support vector machine |
CN106364542B (zh) * | 2016-09-20 | 2018-08-21 | 智易行科技(武汉)有限公司 | 基于支持向量机的多传感器融合智能婴儿体态安抚方法 |
EP3515293A4 (en) * | 2016-09-26 | 2020-04-29 | The University Of Queensland | METHOD AND DEVICE FOR AUTOMATICALLY DIAGNOSIS OF A DISEASE CONDITION |
EP3541288B1 (en) * | 2016-11-15 | 2023-07-19 | Boehringer Ingelheim Vetmedica GmbH | Method for predicting a specific respiratory pathogen |
EP3592231A1 (en) * | 2017-03-10 | 2020-01-15 | Masimo Corporation | Pneumonia screener |
WO2018187664A1 (en) * | 2017-04-06 | 2018-10-11 | Brown University | Improved diagnostic instrument and methods |
KR101924852B1 (ko) * | 2017-04-14 | 2018-12-04 | 네이버 주식회사 | 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템 |
WO2018204934A1 (en) * | 2017-05-05 | 2018-11-08 | Canary Speech, LLC | Selecting speech features for building models for detecting medical conditions |
CN107591162B (zh) * | 2017-07-28 | 2021-01-12 | 南京邮电大学 | 基于模式匹配的哭声识别方法及智能看护系统 |
CN108701469B (zh) * | 2017-07-31 | 2023-06-20 | 深圳和而泰智能控制股份有限公司 | 咳嗽声音识别方法、设备和存储介质 |
CN107693043B (zh) * | 2017-08-18 | 2019-10-11 | 中国人民解放军总医院 | 肠鸣音信号的非线性动力学分析方法 |
US12029606B2 (en) | 2017-09-05 | 2024-07-09 | Sanolla Ltd. | Electronic stethoscope with enhanced features |
CN110021435A (zh) * | 2017-09-07 | 2019-07-16 | 医疗财团法人徐元智先生医药基金会亚东纪念医院 | 嗓音侦测分类系统 |
WO2019060298A1 (en) | 2017-09-19 | 2019-03-28 | Neuroenhancement Lab, LLC | METHOD AND APPARATUS FOR NEURO-ACTIVATION |
EP3471027A1 (en) * | 2017-10-13 | 2019-04-17 | Siemens Aktiengesellschaft | A method for computer-implemented determination of a data-driven prediction model |
CN108053841A (zh) * | 2017-10-23 | 2018-05-18 | 平安科技(深圳)有限公司 | 利用语音进行疾病预测的方法及应用服务器 |
CN111712183A (zh) * | 2017-10-27 | 2020-09-25 | 高等工艺学校 | 耳内非语言音频事件分类系统和方法 |
EP3709881A1 (en) | 2017-11-17 | 2020-09-23 | Koninklijke Philips N.V. | Cough detection in a respiratory support system |
US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
USD865167S1 (en) | 2017-12-20 | 2019-10-29 | Bat Call D. Adler Ltd. | Digital stethoscope |
US10957335B2 (en) * | 2017-12-28 | 2021-03-23 | Sleep Number Corporation | Home automation having user privacy protections |
CN108090686B (zh) * | 2017-12-29 | 2022-01-25 | 北京大学 | 一种医疗事件风险评估分析方法及系统 |
WO2019133997A1 (en) | 2017-12-31 | 2019-07-04 | Neuroenhancement Lab, LLC | System and method for neuroenhancement to enhance emotional response |
GB2584242B (en) | 2018-01-09 | 2022-09-14 | Eight Sleep Inc | Systems and methods for detecting a biological signal of a user of an article of furniture |
GB2584241B (en) | 2018-01-19 | 2023-03-08 | Eight Sleep Inc | Sleep pod |
KR20190113390A (ko) * | 2018-03-28 | 2019-10-08 | (주)오상헬스케어 | 호흡 질환 진단 장치 및 호흡 질환 모니터링 방법 |
US12070323B2 (en) * | 2018-04-05 | 2024-08-27 | Google Llc | System and method for generating diagnostic health information using deep learning and sound understanding |
US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
EA201800377A1 (ru) * | 2018-05-29 | 2019-12-30 | Пт "Хэлси Нэтворкс" | Способ диагностики заболеваний органов дыхания и система для его реализации |
WO2020004727A1 (ko) * | 2018-06-29 | 2020-01-02 | 주식회사 디플리 | 실시간 소리 분석 방법 및 장치 |
WO2020008339A1 (en) * | 2018-07-02 | 2020-01-09 | 3M Innovative Properties Company | Sensing system and method for monitoring time-dependent processes |
US10832673B2 (en) | 2018-07-13 | 2020-11-10 | International Business Machines Corporation | Smart speaker device with cognitive sound analysis and response |
US10832672B2 (en) | 2018-07-13 | 2020-11-10 | International Business Machines Corporation | Smart speaker system with cognitive sound analysis and response |
GB2578418B (en) | 2018-07-25 | 2022-06-15 | Audio Analytic Ltd | Sound detection |
WO2020047264A1 (en) * | 2018-08-31 | 2020-03-05 | The Trustees Of Dartmouth College | A device embedded in, or attached to, a pillow configured for in-bed monitoring of respiration |
WO2020056418A1 (en) | 2018-09-14 | 2020-03-19 | Neuroenhancement Lab, LLC | System and method of improving sleep |
US11380351B2 (en) * | 2018-09-20 | 2022-07-05 | Samsung Electronics Co., Ltd. | System and method for pulmonary condition monitoring and analysis |
US10847177B2 (en) | 2018-10-11 | 2020-11-24 | Cordio Medical Ltd. | Estimating lung volume by speech analysis |
WO2020077413A1 (en) * | 2018-10-17 | 2020-04-23 | The University Of Queensland | A method and apparatus for diagnosis of maladies from patient sounds |
WO2020087014A1 (en) * | 2018-10-26 | 2020-04-30 | AIRx Health, Inc. | Devices and methods for remotely managing chronic medical conditions |
CN109498228B (zh) * | 2018-11-06 | 2021-03-30 | 林枫 | 基于咳嗽音反馈的肺康复治疗装置 |
US20200152330A1 (en) | 2018-11-13 | 2020-05-14 | CurieAI, Inc. | Scalable Personalized Treatment Recommendation |
MX2021007010A (es) * | 2018-12-13 | 2021-10-14 | Liminal Sciences Inc | Sistemas y métodos para un dispositivo ponible que incluyen componentes de estimulación y supervisión. |
EP3897379A4 (en) * | 2018-12-20 | 2022-09-21 | University of Washington | DETECTION OF AGONAL BREATHING WITH AN INTELLIGENT DEVICE |
US11216742B2 (en) | 2019-03-04 | 2022-01-04 | Iocurrents, Inc. | Data compression and communication using machine learning |
US11011188B2 (en) | 2019-03-12 | 2021-05-18 | Cordio Medical Ltd. | Diagnostic techniques based on speech-sample alignment |
JP7479711B2 (ja) * | 2019-03-12 | 2024-05-09 | コルディオ メディカル リミテッド | 音声サンプルのアライメントに基づく診断手法 |
US11024327B2 (en) | 2019-03-12 | 2021-06-01 | Cordio Medical Ltd. | Diagnostic techniques based on speech models |
CN113710162A (zh) | 2019-04-16 | 2021-11-26 | 因泰克医疗公司 | 生物声学信号的增强检测和分析 |
US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
WO2020243701A1 (en) * | 2019-05-30 | 2020-12-03 | Insurance Services Office, Inc. | Systems and methods for machine learning of voice attributes |
CN111883174A (zh) * | 2019-06-26 | 2020-11-03 | 深圳数字生命研究院 | 声音的识别方法及装置、存储介质和电子装置 |
US11948690B2 (en) * | 2019-07-23 | 2024-04-02 | Samsung Electronics Co., Ltd. | Pulmonary function estimation |
DE102019210929B4 (de) * | 2019-07-24 | 2023-07-20 | Zf Friedrichshafen Ag | Computerimplementiertes Verfahren zum maschinellen Lernen von Husten- und/oder Niesgeräuschen von ein Beförderungsmittel nutzenden Fahrgästen, um bei erkannten Husten- und/oder Niesgeräuschen Maßnahmen zur Reinigung des Beförderungsmittels einzuleiten, und Steuergerät, Verfahren, Vorrichtung, Beförderungsmittel und Computerprogramm zum Einleiten der Maßnahmen |
CN110367934B (zh) * | 2019-07-25 | 2023-02-03 | 深圳大学 | 一种基于非语音身体声音的健康监测方法及监测系统 |
US11526780B2 (en) * | 2019-08-05 | 2022-12-13 | Microsoft Technology Licensing, Llc | Converting nonnative skills for conversational computing interfaces |
EP4017351A4 (en) * | 2019-08-19 | 2023-08-23 | The University Of Queensland | METHOD AND DEVICE FOR PROCESSING ASTHMAPATIENT COUGH FOR ADMINISTRATION OF RELEVANT THERAPY |
US10702239B1 (en) | 2019-10-21 | 2020-07-07 | Sonavi Labs, Inc. | Predicting characteristics of a future respiratory event, and applications thereof |
US10709414B1 (en) | 2019-10-21 | 2020-07-14 | Sonavi Labs, Inc. | Predicting a respiratory event based on trend information, and applications thereof |
US10750976B1 (en) * | 2019-10-21 | 2020-08-25 | Sonavi Labs, Inc. | Digital stethoscope for counting coughs, and applications thereof |
US10709353B1 (en) | 2019-10-21 | 2020-07-14 | Sonavi Labs, Inc. | Detecting a respiratory abnormality using a convolution, and applications thereof |
US10716534B1 (en) | 2019-10-21 | 2020-07-21 | Sonavi Labs, Inc. | Base station for a digital stethoscope, and applications thereof |
US11741986B2 (en) * | 2019-11-05 | 2023-08-29 | Samsung Electronics Co., Ltd. | System and method for passive subject specific monitoring |
US20210161502A1 (en) * | 2019-12-03 | 2021-06-03 | Samsung Electronics Co., Ltd. | System and method for determining a likelihood of paradoxical vocal cord motion (pvcm) in a person |
CN115023183A (zh) * | 2019-12-16 | 2022-09-06 | 瑞爱普健康有限公司 | 用于自动咳嗽检测的方法和装置 |
EP4078621A4 (en) * | 2019-12-16 | 2023-12-27 | Pfizer Inc. | DIAGNOSIS OF RESPIRATORY DISEASES USING PATIENT SOUNDS |
CN111179967B (zh) * | 2019-12-17 | 2022-05-24 | 华南理工大学 | 颈脊髓损伤患者真假咳嗽音线性分类算法、介质和设备 |
US20210199503A1 (en) * | 2019-12-26 | 2021-07-01 | Industrial Technology Research Institute | Data processing system disposed on sensor and method thereof |
CN111009263A (zh) * | 2019-12-28 | 2020-04-14 | 哈尔滨工业大学 | 一种用于肺部啰音识别的系统及方法 |
CN111260835B (zh) * | 2020-01-19 | 2022-08-09 | 上海瑞皇管业科技股份有限公司 | 城市综合管廊监控报警系统及其控制方法 |
KR102152902B1 (ko) * | 2020-02-11 | 2020-09-07 | 주식회사 엘솔루 | 음성 인식 모델을 학습시키는 방법 및 상기 방법을 이용하여 학습된 음성 인식 장치 |
US11484211B2 (en) | 2020-03-03 | 2022-11-01 | Cordio Medical Ltd. | Diagnosis of medical conditions using voice recordings and auscultation |
US11468908B2 (en) | 2020-04-15 | 2022-10-11 | Optum, Inc. | Hybrid input machine learning frameworks |
CN111584069B (zh) * | 2020-05-07 | 2023-04-18 | 成都兰途网络科技有限公司 | 基于语音深-浅特征堆栈稀疏自动编码的精神病识别系统 |
KR102394882B1 (ko) * | 2020-05-11 | 2022-05-04 | 한양대학교 산학협력단 | 감염 질환을 모니터링 및 진단하는 방법 및 장치 |
US20220104725A9 (en) * | 2020-05-13 | 2022-04-07 | Ali IMRAN | Screening of individuals for a respiratory disease using artificial intelligence |
CN115769075A (zh) * | 2020-06-04 | 2023-03-07 | 因泰克医疗公司 | 用于预测体内功能损伤和事件的装置和方法 |
CN111653273A (zh) * | 2020-06-09 | 2020-09-11 | 杭州叙简科技股份有限公司 | 一种基于智能手机的院外肺炎初步识别方法 |
US11219386B2 (en) | 2020-06-15 | 2022-01-11 | Cirrus Logic, Inc. | Cough detection |
US11134354B1 (en) | 2020-06-15 | 2021-09-28 | Cirrus Logic, Inc. | Wear detection |
AU2021290651A1 (en) * | 2020-06-18 | 2023-01-19 | Pfizer Inc. | Event detection in subject sounds |
US11417342B2 (en) | 2020-06-29 | 2022-08-16 | Cordio Medical Ltd. | Synthesizing patient-specific speech models |
WO2022015010A1 (ko) | 2020-07-13 | 2022-01-20 | 다인기술 주식회사 | 음향 신호를 분석하여 기침을 계수하는 방법, 이를 수행하는 서버 및 비일시성의 컴퓨터 판독 가능 기록 매체 |
US20220047088A1 (en) * | 2020-08-12 | 2022-02-17 | Cvb Inc | Method for analyzing sound data for use in an anti-snoring system and apparatus |
KR102241399B1 (ko) * | 2020-08-25 | 2021-04-16 | 주식회사 쓰리빌리언 | 증상의 질병 특이도 측정 시스템 |
EP4208081A4 (en) * | 2020-09-04 | 2024-08-21 | Level 42 Ai Inc | CONTACTLESS SENSOR SYSTEMS AND METHODS |
CN112233700A (zh) * | 2020-10-09 | 2021-01-15 | 平安科技(深圳)有限公司 | 基于音频的用户状态识别方法、装置及存储介质 |
US11862188B2 (en) * | 2020-10-22 | 2024-01-02 | Google Llc | Method for detecting and classifying coughs or other non-semantic sounds using audio feature set learned from speech |
US20220338756A1 (en) * | 2020-11-02 | 2022-10-27 | Insubiq Inc. | System and method for automatic detection of disease-associated respiratory sounds |
CN112472066B (zh) * | 2020-11-25 | 2024-09-20 | 陈向军 | 呼吸障碍监测终端、监测器和系统 |
KR102445294B1 (ko) * | 2020-11-30 | 2022-09-20 | 한국전자기술연구원 | 호흡음을 포함한 생체신호 기반 호흡기 감염증 진단 방법 및 시스템 |
CN112754502A (zh) * | 2021-01-12 | 2021-05-07 | 曲阜师范大学 | 一种基于脑电信号的音乐自动切换方法 |
US20240099685A1 (en) * | 2021-01-28 | 2024-03-28 | Black Box Voice Ltd. | Detection of diseases and viruses by ultrasonic frequency |
US20240341672A1 (en) * | 2021-03-08 | 2024-10-17 | Dain Technology, Inc. | Method for evaluating possibility of dysphagia by analyzing acoustic signals, and server and non-transitory computer-readable recording medium performing same |
RU2752453C1 (ru) * | 2021-03-29 | 2021-07-28 | Елена Алексеевна Терешко | Телемедицинский терминал для осмотра и тестирования работников промышленных и транспортных предприятий |
CN113158916B (zh) * | 2021-04-26 | 2022-04-22 | 华南理工大学 | 一种咳嗽音自动识别算法、装置、介质和设备 |
US20220384040A1 (en) * | 2021-05-27 | 2022-12-01 | Disney Enterprises Inc. | Machine Learning Model Based Condition and Property Detection |
CN115414025A (zh) * | 2021-05-31 | 2022-12-02 | 华为技术有限公司 | 筛查方法、设备、存储介质及程序产品 |
USD1042851S1 (en) | 2021-06-16 | 2024-09-17 | Sanolla Ltd. | Medical diagnostic device |
KR102580057B1 (ko) * | 2021-08-23 | 2023-09-21 | 한양대학교 산학협력단 | 웨어러블 디바이스 및 그 동작방법 |
KR102410650B1 (ko) * | 2021-10-09 | 2022-06-17 | 전상현 | 비대면 종합 건강 관리 서비스 제공방법 |
CN114041779A (zh) * | 2021-11-26 | 2022-02-15 | 河南牧原智能科技有限公司 | 用于对牲畜呼吸道疾病进行识别的识别系统和计算机设备 |
KR102429256B1 (ko) * | 2021-12-31 | 2022-08-04 | 주식회사 에이슬립 | 음향 정보를 통해 사용자의 수면 상태를 분석하기 위한 방법, 컴퓨팅 장치 및 컴퓨터 프로그램 |
CN114299925B (zh) * | 2021-12-31 | 2024-11-01 | 江苏省省级机关医院 | 一种基于语音对帕金森病患者吞咽困难症状重要性度量指标的获取方法和系统 |
US11948599B2 (en) * | 2022-01-06 | 2024-04-02 | Microsoft Technology Licensing, Llc | Audio event detection with window-based prediction |
TWI820704B (zh) * | 2022-05-12 | 2023-11-01 | 財團法人工業技術研究院 | 聲音訊號的分析方法及裝置、晶片的設計方法及裝置 |
US20230386504A1 (en) * | 2022-05-27 | 2023-11-30 | National Yang Ming Chiao Tung University | System and method for pathological voice recognition and computer-readable storage medium |
WO2023243754A1 (ko) * | 2022-06-17 | 2023-12-21 | 주식회사 엔씨소프트 | 지정된 모션이 캡쳐된 시점을 추출하는 전자 장치 및 방법 |
CN114822567B (zh) * | 2022-06-22 | 2022-09-27 | 天津大学 | 一种基于能量算子的病理嗓音频谱重构方法 |
CN117770790A (zh) * | 2022-09-28 | 2024-03-29 | 华为技术有限公司 | 呼吸健康检测方法及可穿戴电子设备 |
WO2024081343A1 (en) * | 2022-10-14 | 2024-04-18 | The Johns Hopkins University | Systems and methods for acoustic-based diagnosis |
WO2024163390A1 (en) * | 2023-01-31 | 2024-08-08 | Hyfe Inc | Methods for automatic cough detection and uses thereof |
CN117357754A (zh) * | 2023-11-15 | 2024-01-09 | 江苏麦麦医疗科技有限公司 | 智能家居制氧机及控制系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003038460A (ja) * | 2001-08-03 | 2003-02-12 | Mitsubishi Pharma Corp | 咳嗽音検出装置、咳嗽音検出方法、咳嗽音検出プログラム及び情報記憶媒体 |
JP2008506423A (ja) * | 2004-06-24 | 2008-03-06 | ヴィーヴォメトリックス インコーポレイテッド | 咳の監視システムおよびその方法 |
JP2008178635A (ja) * | 2007-01-26 | 2008-08-07 | Konica Minolta Medical & Graphic Inc | 咳漱解析装置 |
JP2011167524A (ja) * | 2003-04-10 | 2011-09-01 | Adidas Ag | 呼吸事象検出システムおよび方法 |
US20120071777A1 (en) * | 2009-09-18 | 2012-03-22 | Macauslan Joel | Cough Analysis |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5598508A (en) * | 1991-10-18 | 1997-01-28 | Goldman; Julian M. | Real-time waveform analysis using artificial neural networks |
US6436057B1 (en) * | 1999-04-22 | 2002-08-20 | The United States Of America As Represented By The Department Of Health And Human Services, Centers For Disease Control And Prevention | Method and apparatus for cough sound analysis |
US6443907B1 (en) * | 2000-10-06 | 2002-09-03 | Biomedical Acoustic Research, Inc. | Acoustic detection of respiratory conditions |
US20080082018A1 (en) * | 2003-04-10 | 2008-04-03 | Sackner Marvin A | Systems and methods for respiratory event detection |
US7207948B2 (en) * | 2004-06-24 | 2007-04-24 | Vivometrics, Inc. | Systems and methods for monitoring cough |
JP2007125360A (ja) * | 2005-10-05 | 2007-05-24 | Konica Minolta Medical & Graphic Inc | 咳検出装置 |
US7479115B2 (en) * | 2006-08-25 | 2009-01-20 | Savic Research, Llc | Computer aided diagnosis of lung disease |
GB0711524D0 (en) * | 2007-06-15 | 2007-07-25 | Univ Leuven Kath | Online recognition and localisation of sick pig cough sounds |
WO2009153681A1 (en) * | 2008-06-17 | 2009-12-23 | Koninklijke Philips Electronics, N.V. | Acoustical patient monitoring using a sound classifier and a microphone |
WO2010019831A1 (en) * | 2008-08-14 | 2010-02-18 | 21Ct, Inc. | Hidden markov model for speech processing with training method |
WO2010066008A1 (en) * | 2008-12-10 | 2010-06-17 | The University Of Queensland | Multi-parametric analysis of snore sounds for the community screening of sleep apnea with non-gaussianity index |
EP2298163B1 (en) * | 2008-12-22 | 2015-04-01 | Pneumoflex Systems, LLC | Involuntary contraction as a medical diagnostic tool |
US8758262B2 (en) * | 2009-11-25 | 2014-06-24 | University Of Rochester | Respiratory disease monitoring system |
CN101894551B (zh) * | 2010-07-02 | 2012-05-09 | 华南理工大学 | 一种咳嗽自动识别装置 |
US8784311B2 (en) * | 2010-10-05 | 2014-07-22 | University Of Florida Research Foundation, Incorporated | Systems and methods of screening for medical states using speech and other vocal behaviors |
-
2013
- 2013-03-28 JP JP2015502020A patent/JP6435257B2/ja active Active
- 2013-03-28 WO PCT/AU2013/000323 patent/WO2013142908A1/en active Application Filing
- 2013-03-28 KR KR1020147030062A patent/KR102081241B1/ko active IP Right Grant
- 2013-03-28 US US14/389,291 patent/US10098569B2/en active Active
- 2013-03-28 AU AU2013239327A patent/AU2013239327B2/en active Active
- 2013-03-28 CN CN201380028268.XA patent/CN104321015A/zh active Pending
- 2013-03-28 EP EP13768257.1A patent/EP2830496B1/en active Active
- 2013-03-28 EP EP23169487.8A patent/EP4241676A3/en active Pending
- 2013-03-28 ES ES13768257T patent/ES2947765T3/es active Active
- 2013-03-28 CN CN201910202125.5A patent/CN110353685B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003038460A (ja) * | 2001-08-03 | 2003-02-12 | Mitsubishi Pharma Corp | 咳嗽音検出装置、咳嗽音検出方法、咳嗽音検出プログラム及び情報記憶媒体 |
JP2011167524A (ja) * | 2003-04-10 | 2011-09-01 | Adidas Ag | 呼吸事象検出システムおよび方法 |
JP2008506423A (ja) * | 2004-06-24 | 2008-03-06 | ヴィーヴォメトリックス インコーポレイテッド | 咳の監視システムおよびその方法 |
JP2008178635A (ja) * | 2007-01-26 | 2008-08-07 | Konica Minolta Medical & Graphic Inc | 咳漱解析装置 |
US20120071777A1 (en) * | 2009-09-18 | 2012-03-22 | Macauslan Joel | Cough Analysis |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018534026A (ja) * | 2015-10-08 | 2018-11-22 | 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 |
JP2021151570A (ja) * | 2017-01-23 | 2021-09-30 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置、情報処理システム及びプログラム |
JP7201027B2 (ja) | 2017-01-23 | 2023-01-10 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置、情報処理システム及びプログラム |
JP2020508726A (ja) * | 2017-02-01 | 2020-03-26 | レスアップ ヘルス リミテッド | 背景雑音環境における咳嗽検出のための方法および装置 |
JP7092777B2 (ja) | 2017-02-01 | 2022-06-28 | レスアップ ヘルス リミテッド | 背景雑音環境における咳嗽検出のための方法および装置 |
JP2021506486A (ja) * | 2017-12-21 | 2021-02-22 | ザ ユニバーシティ オブ クィーンズランド | 呼吸器疾患を診断するために疾患シグネチャを使用して咳音を分析するための方法 |
WO2019216320A1 (ja) * | 2018-05-08 | 2019-11-14 | 国立大学法人徳島大学 | 機械学習装置、解析装置、機械学習方法および解析方法 |
JPWO2019216320A1 (ja) * | 2018-05-08 | 2021-06-17 | 国立大学法人徳島大学 | 機械学習装置、解析装置、機械学習方法および解析方法 |
JP7197922B2 (ja) | 2018-05-08 | 2022-12-28 | 国立大学法人徳島大学 | 機械学習装置、解析装置、機械学習方法および解析方法 |
KR20200025717A (ko) * | 2018-08-31 | 2020-03-10 | 재단법인 아산사회복지재단 | 폐음을 이용한 폐 정보 획득 방법, 그 장치 및 그 프로그램 |
KR102092543B1 (ko) | 2018-08-31 | 2020-03-24 | 재단법인 아산사회복지재단 | 폐음을 이용한 폐 정보 획득 방법, 그 장치 및 그 프로그램 |
KR102376188B1 (ko) * | 2021-12-15 | 2022-03-17 | 가천대학교 산학협력단 | 딥러닝 기반의 호흡음 분류를 위한 피쳐정보 선택방법 및 시스템 |
Also Published As
Publication number | Publication date |
---|---|
KR102081241B1 (ko) | 2020-02-25 |
EP2830496A1 (en) | 2015-02-04 |
JP6435257B2 (ja) | 2018-12-05 |
US20150073306A1 (en) | 2015-03-12 |
US10098569B2 (en) | 2018-10-16 |
AU2013239327B2 (en) | 2018-08-23 |
EP2830496B1 (en) | 2023-04-26 |
CN110353685A (zh) | 2019-10-22 |
CN110353685B (zh) | 2022-03-04 |
KR20140142330A (ko) | 2014-12-11 |
WO2013142908A1 (en) | 2013-10-03 |
EP2830496A4 (en) | 2015-12-16 |
AU2013239327A1 (en) | 2014-11-06 |
ES2947765T3 (es) | 2023-08-18 |
EP4241676A2 (en) | 2023-09-13 |
EP4241676A3 (en) | 2023-10-18 |
CN104321015A (zh) | 2015-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6435257B2 (ja) | 患者音を処理するための方法および装置 | |
Belkacem et al. | End-to-end AI-based point-of-care diagnosis system for classifying respiratory illnesses and early detection of COVID-19: A theoretical framework | |
Abeyratne et al. | Cough sound analysis can rapidly diagnose childhood pneumonia | |
JP2023164839A (ja) | 呼吸器疾患を診断するために疾患シグネチャを使用して咳音を分析するための方法 | |
Amrulloh et al. | Automatic cough segmentation from non-contact sound recordings in pediatric wards | |
Dafna et al. | Automatic detection of whole night snoring events using non-contact microphone | |
Swarnkar et al. | Automatic identification of wet and dry cough in pediatric patients with respiratory diseases | |
Sánchez Morillo et al. | Computer-aided diagnosis of pneumonia in patients with chronic obstructive pulmonary disease | |
Lella et al. | A literature review on COVID-19 disease diagnosis from respiratory sound data | |
Aly et al. | A novel deep learning model to detect COVID-19 based on wavelet features extracted from Mel-scale spectrogram of patients’ cough and breathing sounds | |
Haider et al. | Computerized lung sound based classification of asthma and chronic obstructive pulmonary disease (COPD) | |
Swarnkar et al. | Automatic picking of snore events from overnight breath sound recordings | |
US20220378377A1 (en) | Augmented artificial intelligence system and methods for physiological data processing | |
Choi et al. | Lightweight skip connections with efficient feature stacking for respiratory sound classification | |
Rao et al. | Improved detection of lung fluid with standardized acoustic stimulation of the chest | |
EP4017351A1 (en) | A method and apparatus for processing asthma patient cough sound for application of appropriate therapy | |
Aly et al. | A new model to detect COVID-19 coughing and breathing sound symptoms classification from CQT and Mel spectrogram image representation using deep learning | |
Dar et al. | Jaya Honey Badger optimization-based deep neuro-fuzzy network structure for detection of (SARS-CoV) Covid-19 disease by using respiratory sound signals | |
Netto et al. | HBNET: a blended ensemble model for the detection of cardiovascular anomalies using phonocardiogram | |
Balasubramanian et al. | Machine Learning-Based Classification of Pulmonary Diseases through Real-Time Lung Sounds. | |
US20210315517A1 (en) | Biomarkers of inflammation in neurophysiological systems | |
Gupta et al. | Correlating spirometry findings with auscultation sounds for diagnosis of respiratory diseases | |
Ghaffarzadegan et al. | Active Learning for Abnormal Lung Sound Data Curation and Detection in Asthma | |
Sreerama | Respiratory Sound Analysis for the Evidence of Lung Health | |
Koravanavar et al. | Lung Sound Based Pulmonary Disease Classification Using Deep Learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160317 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170131 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170306 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170602 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20171204 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20180208 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180516 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180903 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180926 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20181015 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181112 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6435257 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |