用于處理患者聲音的方法與裝置制造方法
【專利摘要】一種操作計算設備以處理患者聲音的方法，所述方法包括以下步驟：從所述患者聲音的片段提取特征；以及基于所提取的特征和預定準則，將所述片段歸類為咳嗽或非咳嗽聲音；以及基于所述患者聲音中被歸類為咳嗽聲音的片段，在所述計算設備的控制下，將對疾病相關狀態(tài)的診斷呈現(xiàn)在顯示器上。
【專利說明】用于處理患者聲音的方法與裝置

【技術領域】
[0001] 在第一方面，本發(fā)明涉及用于檢測患者的咳嗽聲音的自動方法與裝置。在第二方 面，本發(fā)明涉及用于根據(jù)諸如咳嗽聲音的患者聲音來診斷疾病狀態(tài)的方法與裝置。

【背景技術】
[0002] 對現(xiàn)有技術的方法、裝置或文件的任意引用均不構成它們形成的或形成公知常識 的部分的任意證據(jù)或承認。
[0003] 咳嗽是身體的一種防御機制，以清除呼吸道中意外吸入的或因感染而在內部產(chǎn)生 的異物[1]。它是一些呼吸疾病，例如哮喘和頓咳（百日咳）以及肺炎的常見癥狀，肺炎是 5歲以下兒童死亡的主要原因。據(jù)估計[2]，肺炎每年引起該組中超過160萬人死亡，大于 97% [3]的病例發(fā)生在發(fā)展中國家。世界衛(wèi)生組織（WHO)也報道，在那些國家，百日咳已成 為主要兒童發(fā)病率之一，每年估計有5000萬病例和300000人死亡[4]。
[0004] 盡管咳嗽在呼吸疾病中是常見的，并且被認為是重要的臨床癥狀，但并沒有評估 咳嗽的黃金標準。在典型的會診中，醫(yī)師可以聽取自然或自發(fā)咳嗽的幾次發(fā)作，以獲得諸如 咳嗽的"濕潤"的定性信息。這種定性信息在對呼吸疾病的診斷以及處置中極其有用。然 而，人工分析遭受操作者偏差的問題，并且產(chǎn)生主觀結果。
[0005] 在會診期間，醫(yī)師也可以尋求關于咳嗽的定量信息，例如咳嗽事件在給定時間間 隔上的發(fā)生頻率。該信息能夠被用于確定咳嗽的性質（例如急性、慢性）和嚴重度，以及用 于監(jiān)測處置效率。然而，為了獲得該信息，醫(yī)師嚴重依賴患者或他們的照護者的主觀報告。 存在對于一種能夠尤其在兒童疾病中計數(shù)咳嗽的次數(shù)的自動設備的需要。更重要地，需要 能夠從長的兒科記錄中自動提取咳嗽事件的技術，以便幫助對諸如肺炎、百日咳及哮喘的 疾病的診斷。
[0006] 已經(jīng)采取一些途徑來開發(fā)自動咳嗽計數(shù)系統(tǒng)（例如Hull自動咳嗽計數(shù)器（HACC) [5]、萊斯特咳嗽監(jiān)測器（LCM) [6]、LifeShirt[7]、VitaloJA[8]，以及 PulmoTrack[9])。 這些設備的性能各異。HACC聲稱有（80^^96%)的靈敏度和特異性[5]。該數(shù)字針對 LifeShirt、Pulmotrack、LCM 以及 Vitalojak 分別為（78%、99% )、（94%、96% )、（85. 7%、 99. 9 % )，以及（97. 5 %、97. 7 % ) [6、10-13]。它們依賴聲音強度相關的技術，使得它們易受 記錄條件及所用的特定器械的變化的影響。據(jù)發(fā)明人所知，這些商業(yè)化設備中還沒有一個 在兒科群體上測試過。
[0007] 在兒童，尤其是較年幼的那些上的咳嗽記錄帶來一些額外的挑戰(zhàn)。較年幼的兒童 不能根據(jù)要求產(chǎn)生自發(fā)咳嗽。靶向于兒科群體的任意方法均應能夠使用在感興趣時期上記 錄的自然咳嗽。在兒科記錄中，發(fā)現(xiàn)有大量與咳嗽聲音混雜的哭叫、發(fā)聲和咕噥。因此，針 對成年人開發(fā)的技術在兒童上的使用不太可能是最優(yōu)的。來自兒童的咳嗽記錄中的另一個 問題是咳嗽聲音強度變化。諸如嚴重兒科肺炎的疾病能急劇降低咳嗽聲音的幅度。即使在 健康人中，咳嗽聲音也能有大的動態(tài)范圍，覆蓋大聲咳嗽至幾乎聽不到。該情況可能使基于 強度的技術針對現(xiàn)場使用不可靠。性能也將取決于使用的具體聲音捕獲器械、校準狀態(tài)以 及測量協(xié)議。
[0008] 現(xiàn)有的商品化咳嗽計數(shù)設備（例如LifeShirt、Vitalojak和Pulmotrack)采用接 觸傳感器。盡管接觸傳感器的使用可以有一些優(yōu)點，但它們也帶有一些缺陷。介于中間的 肌肉組織嚴重削減使用接觸傳感器記錄的咳嗽的帶寬；自由空氣系統(tǒng)對此免疫。接觸傳感 器，與非接觸（自由空氣）麥克風相比，對抗通過空氣傳播的背景聲音是魯棒的。然而，它 們對通過組織和骨骼傳導的聲音更為脆弱；因傳感器移動造成的假摩擦聲音也可能是個問 題。在傳染性疾病中，需要精細的工作以避免通過接觸儀器造成患者的交叉感染。此外，在 兒科對象中，接觸傳感器也可能因患者不舒服而難以附著。
[0009] 咳嗽聲音承載有關于氣道的狀態(tài)的非常有用的信息。然而，現(xiàn)有的設備使用僅能 夠檢測事件的存在（"咳嗽檢測"）卻不能自動提取咳嗽事件（"咳嗽分割"）用于進一步 分析的方法。因此，它們被限制在對咳嗽的計數(shù)?？人苑指?，除咳嗽檢測能力以外，還要求 關于每次咳嗽事件的精確開始以及結束的知識。已知咳嗽間的間隙、咳嗽的持續(xù)時間以及 咳嗽的幅度可以承載與呼吸疾病相關的信息[14]。
[0010] 其癥狀包括咳嗽的一種疾病是肺炎。肺炎是世界范圍內幼童的主要殺手。其相當 于每年多余19%的五歲以下兒童死亡數(shù)。它是一種貧窮病，并且與營養(yǎng)不良和差的醫(yī)療設 施強烈相關。因此，兒童肺炎死亡數(shù)在發(fā)展中國家非常高。肺炎也是全世界老年人中的問 題。
[0011] 肺炎被定義為肺部的感染，具有炎性細胞和分泌物在肺泡中的積累。肺炎的常見 癥狀包括：咳嗽、呼吸困難、發(fā)熱、頭痛、食欲不振、流鼻涕、以及氣喘。在嚴重肺炎的情況中， 小嬰兒費力呼吸并且可能遭受抽搐、皮膚蒼白、失去知覺、體溫過低以及嗜睡。
[0012] 肺炎是一種難以診斷的疾病。目前的診斷方法包括臨床檢查（例如：生理指標、胸 部聽診）、生化檢測（例如：痰液分析、氧飽和度）以及醫(yī)學成像（例如：胸部X射線以及在 一些情況中為X射線CT)。
[0013] 目前的診斷方法的問題是什么：
[0014] 胸部X射線（CXR)被認為是用于診斷肺炎的常用參考準則。然而，其并非黃金標 準。在疾病早期，或者當疾病涉及在CXR中不容易看到的肺部分時，單獨使用CXR難以診斷 肺炎。而且，有時CXR結果能夠因肺部疤痕或充血性心力衰竭（它們能夠在CXR中模仿肺 炎）而是誤導性的。盡管X射線CT可以提供更好的結果，但在發(fā)展中國家它們甚至在三級 保健醫(yī)院中都沒有廣泛使用。痰液測試要求實驗室培養(yǎng)并且最少要花2-3天，使得它們對 于初步診斷來說太慢。陽性痰液測試并不一定指示肺炎的存在，因為引起肺炎的病原體中 許多都天然地存在于健康人的喉嚨中。因此，痰液測試主要是用來檢查已在患者上啟動的 特定抗生素的敏感性。臨床檢查連同經(jīng)由聽診器的胸部聽診是在臨床環(huán)境中被用于對肺炎 的初步檢查的一線途徑；X射線在可用時可以被用于證實診斷。
[0015] 上述方法中沒有一個可用于在世界上肺炎肆虐的偏遠地區(qū)大規(guī)模部署。它們昂 貴、資源密集，并且要求訓練有素的醫(yī)療專業(yè)人員執(zhí)行它們。
[0016] 為了克服該問題，世界衛(wèi)生組織（WHO)已開發(fā)出一套高度簡化的指南[參考3]， 以在世界上資源貧乏且偏遠的地區(qū)診斷兒童肺炎。根據(jù)這些，出現(xiàn)呼吸困難或咳嗽的兒童， 如果他們有呼吸急促（快速呼吸），則被診斷出肺炎?？焖俸粑欢x為：在小于2個月的 嬰兒中每分鐘60次呼吸或更多，針對2個月至12個月的嬰兒每分鐘50次呼吸或更多，以 及針對年齡在12個月至5歲的兒童每分鐘40次呼吸或更多[參考3、4]。胸部凹入、皮膚 蒼白以及失去直覺可以指示嚴重肺炎，并且也屬于WHO危險指征。該系統(tǒng)在現(xiàn)場更容易實 施，并且被設計為具有高診斷靈敏度（約90%患有疾病的患者被找出）。然而，WHO指南遭 受差的診斷特異性的問題；大量沒有肺炎的患者也被找出認為患有肺炎。已知WHO算法的 特異性為約20%。
[0017] 盡管WHO指南已幫助使死亡率降至每年160萬兒童死亡數(shù)，但該方法仍有幾個問 題。由于其低特異性[參考6]，大量非肺炎的兒童不必要地接受抗生素。這已導致由社區(qū) 性抗生素耐藥性引起的處置失敗。在許多肺炎流行地區(qū)，諸如瘧疾的疾病也是常見的。肺 炎和瘧疾兩者都有發(fā)熱、快速呼吸和咳嗽的癥狀，并且針對肺炎的WHO算法能夠導致誤診 并延誤治療。不需要抗生素的幾種其他疾病/病況（例如C0PD、哮喘、肺水腫、肺癌等）可 能出現(xiàn)與肺炎類似的臨床特征。
[0018] 為了改善WHO標準的特異性，Cardoso等人[參考6]提議包括發(fā)熱的存在，以診斷 肺炎。他們示出，增加發(fā)熱顯著改善了診斷特異性（高達50%)。過去的幾個其他研究者 已評估了 WHO標準在兒童肺炎診斷中的準確度。Harari等人[參考7]在185名兒童中研 究了包括呼吸急促的幾個變量，以確定哪些臨床指征最佳地預測肺炎的影像學證據(jù)。他們 報道，僅以呼吸急促（針對< 12個月的小孩呼吸率（RR) 50 >次呼吸/分鐘，以及如果年齡 為1歲或更大則為RR > 40次呼吸/分鐘）作為預測指標，在診斷肺炎時靈敏度為73%和 特異性為64%。當他們增加胸部凹入到呼吸急促時，以特異性為代價（下降6% )使靈敏 度改善了 4%。與其他臨床癥狀（例如鼻翼扇動、發(fā)熱、睡眠欠佳、咳嗽> 2天等）類似地， 靈敏度和特異性在20 %至90 %之間變化[參考6-10]。以特異性為代價獲得高靈敏度，反 之亦然。
[0019] 本發(fā)明的第一方面的目的是提供一種改進的用于識別咳嗽聲音的方法。
[0020] 此外，本發(fā)明的另外一方面的目的是提供一種用于從咳嗽聲音診斷特定疾病狀態(tài) (例如肺炎、哮喘和鼻咽炎）的方法。


【發(fā)明內容】

[0021] 根據(jù)本發(fā)明的第一方面，提供一種操作計算設備以處理患者聲音的方法，所述方 法包括以下步驟：
[0022] 從所述患者聲音的片段提取特征；以及
[0023] 基于所提取的特征和預定準則，將所述片段歸類為咳嗽或非咳嗽聲音。
[0024] 所述患者聲音將優(yōu)選地包括所述患者的聲音記錄。
[0025] 在本發(fā)明的優(yōu)選實施例中，從所述患者聲音記錄提取特征的所述步驟包括處理所 述片段，以確定預定統(tǒng)計學參數(shù)。
[0026] 例如，在優(yōu)選實施例中，所述預定統(tǒng)計學參數(shù)包括對應于所述片段的梅爾頻率倒 譜系數(shù)"M k"
[0027] 所述預定統(tǒng)計學參數(shù)也可以包括非高斯性評分"Nk"，指示所述片段與高斯模型的 偏差。
[0028] 從所述患者聲音記錄提取特征的所述步驟也可以包括估計針對所述片段的共振 峰頻率"F k"。
[0029] 優(yōu)選地，提取特征的所述步驟包括確定針對所述片段的過零率"Zk"，以由此檢測 與其相關聯(lián)的周期性。
[0030] 在本發(fā)明的優(yōu)選實施例中，從所述片段提取特征的所述步驟包括確定小波香農(nóng)熵 值"Sk"、計算峰態(tài)（V k)、音高（pk)、雙頻譜評分（Bk)、對數(shù)能量（Ek)。
[0031] 優(yōu)選地，所述方法包括基于所述Mk、Nk、Fk、Z k、Sk、vk、pk、Bk和E k,計算歸一化特征向 量fk。
[0032] 優(yōu)選地，將所述片段歸類為咳嗽或非咳嗽聲音的所述步驟包括，通過將所提取的 特征或從所提取的特征推導的參數(shù)（例如所述歸一化特征向量）與預錄咳嗽聲音的數(shù)據(jù)集 的特征進行比較，確定它們是否滿足所述預定標準。
[0033] 歸類所述片段的所述步驟可以包括針對對應于測試聲音片段的測試特征的后續(xù) 歸類，利用預錄咳嗽聲音的所述數(shù)據(jù)集的特征訓練人工神經(jīng)網(wǎng)絡，以由此將所述測試聲音 片段歸類為非咳嗽或咳嗽類別?；蛘?，也可以使用其他模式歸類器，例如邏輯回歸歸類方 法。
[0034] 優(yōu)選地，所述方法還包括基于所述患者聲音記錄中被歸類為咳嗽聲音的片段，診 斷疾病相關狀態(tài)。
[0035] 所述方法可以還包括監(jiān)測來自若干傳感器的患者數(shù)據(jù)。
[0036] 例如，所述方法可以包括監(jiān)測來自以下中的一個或多個的患者數(shù)據(jù)：呼吸檢測傳 感器、溫度傳感器、移動傳感器、EEG傳感器、氧水平傳感器。
[0037] 所述方法可以包括將咳嗽聲音分類為"濕咳"或"非濕咳"聲音。
[0038] 當所述方法包括診斷疾病狀態(tài)時，其將還包括以下步驟：
[0039] 將所述患者聲音的咳嗽事件分類為患病或非患病的；
[0040] 計算患病咳嗽指數(shù)，所述患病咳嗽指數(shù)指示被分類為患病咳嗽事件的比例；以及
[0041] 如果所述患病咳嗽指數(shù)符合預定要求，則認為所述患者遭受所述特定疾病狀態(tài)。
[0042] 所述預定要求可以是所述患病咳嗽指數(shù)超過預定閾值。
[0043] 優(yōu)選地，將所述咳嗽事件分類為患病或非患病的所述步驟包括，根據(jù)歸類程序處 理從所述咳嗽事件提取的特征。例如，所述歸類程序可以包括邏輯回歸模型的應用?；蛘?， 所述歸類器可以包括受訓人工神經(jīng)網(wǎng)絡的應用。
[0044] 根據(jù)本發(fā)明的另一方面，提供一種計算設備，其包括與電子存儲器通信的至少一 個電子處理器，所述電子存儲器包含針對所述處理器的指令，以執(zhí)行前述用于處理患者的 聲音記錄以將所述記錄的片段分類為咳嗽或非咳嗽聲音的方法。
[0045] 例如，所述計算設備可以包括被編程為執(zhí)行前述方法的移動電話或類似設備。
[0046] 根據(jù)本發(fā)明的另外一方面，提供一種承載有形指令的機器可讀介質，所述有形指 令用于由電子處理器運行，以執(zhí)行前述方法。
[0047] 根據(jù)本發(fā)明的另外一方面，提供一種操作計算設備的方法，以處理患者的患者聲 音，以由此將所述聲音轉換為指示對所述患者的特定疾病狀態(tài)的診斷。例如，所述疾病狀態(tài) 可以包括肺炎。
[0048] 優(yōu)選地,所述患者聲音包括所述患者的聲音記錄。
[0049] 優(yōu)選地，所述診斷方法包括以下步驟：
[0050] 將所述聲音記錄的咳嗽事件分類為患病或非患病的；
[0051] 計算患病咳嗽指數(shù)，所述患病咳嗽指數(shù)指示被分類為患病咳嗽事件的比例；以及
[0052] 如果所述患病咳嗽指數(shù)符合預定要求，則認為所述患者遭受所述特定疾病狀態(tài)。
[0053] 例如，所述預定要求可以為所述患病咳嗽指數(shù)超過預定閾值。
[0054] 所述方法可以包括檢測來自以下中的一個或多個的患者數(shù)據(jù)：移動傳感器、EEG 傳感器、氧水平傳感器、呼吸檢測傳感器和溫度傳感器。
[0055] 優(yōu)選地，將所述咳嗽事件分類為患病或非患病的所述步驟包括根據(jù)歸類程序處理 從所述咳嗽事件提取的特征。
[0056] 例如，所述歸類程序可以包括邏輯回歸模型的應用?；蛘撸鰵w類器可以 包括受訓人工神經(jīng)網(wǎng)絡、貝葉斯歸類器、基于隱馬爾科夫模型（HMM)的歸類器、支持向 量機（SVM)等等的應用。在一個實施例中，用于所述歸類器的訓練集包括從遭受諸 如以下的不適的患者記錄的非肺炎聲音：哮喘、支氣管炎、鼻咽炎與氣喘、扁桃體咽炎 (tonsillopharyngitis)、充血性心臟病、喉軟骨軟化?。↖aryngomalacia)及異物吸入。
[0057] 本發(fā)明的各個實施例涵蓋在諸如療養(yǎng)院的老年照護設施中對同院病人的長期監(jiān) 測（沒有接觸傳感器）。將認識到，肺炎是老年人中的嚴重問題，并且最好盡早開始處置。需 要醫(yī)師的干預的任意呼吸病況，應由工作人員緊急標出，并且本文描述的方法的應用有助 于滿足該要求。這樣的方法，根據(jù)本發(fā)明的一方面的實施例，可以被應用于慢性病患者（患 有免疫系統(tǒng)或呼吸系統(tǒng)疾?。?，例如艾滋患者。
[0058] 本發(fā)明的各方面的實施例涵蓋在醫(yī)院環(huán)境內外對等待看特定專科的呼吸患者的 分流。
[0059] 根據(jù)本發(fā)明的另一方面，提供一種計算設備，其包括與電子存儲器通信的至少一 個電子處理器，所述電子存儲器包含針對所述處理器的指令，以執(zhí)行前述方法，以處理患者 的聲音記錄，以將所述記錄的片段分類為咳嗽或非咳嗽聲音。
[0060] 根據(jù)本發(fā)明的另外一方面，提供一種承載有形執(zhí)行的計算機可讀介質，所述有形 指令用于由電子處理器運行，以執(zhí)行前述方法。
[0061] 根據(jù)本發(fā)明的另一方面，提供一種操作計算設備以處理為數(shù)字電子格式的患者聲 音的方法，所述方法包括以下步驟：操作所述計算設備的至少一個處理器，以從所述患者聲 音的片段提取特征的步驟，
[0062] 基于所提取的特征和預定準則，將所述片段歸類為咳嗽或非咳嗽聲音，以及
[0063] 將片段有形地標記為所歸類的咳嗽或非咳嗽，以由所述計算設備進一步處理。

【專利附圖】

【附圖說明】
[0064] 可以從以下【具體實施方式】領悟本發(fā)明的優(yōu)選特征、實施例和變型，所述具體實施 方式為本領域技術人員提供用于執(zhí)行本發(fā)明的足夠信息。所述【具體實施方式】不應被視為以 任何方式限制前面的
【發(fā)明內容】
。所述【具體實施方式】將參考如下幾個附圖：
[0065] 圖1為根據(jù)本發(fā)明的實施例的咳嗽處理系統(tǒng)的框圖。
[0066] 圖2為根據(jù)本發(fā)明的一方面的優(yōu)選實施例的方法的流程圖。
[0067] 圖3，TDNN的結構，其包括輸入層、隱藏層和輸出層。TDNN的輸入為d個連續(xù)特征 向量fk。例如，針對d = 5,所述輸入為{fk_4pfk_3p……，f w}。為了歸類所有子區(qū)塊，將所 述輸入向右移一子區(qū)塊。
[0068] 圖4,咳嗽片段的持續(xù)時間（τ s)的平滑概率密度函數(shù)。其具有為〇. 373s的平均， 以及為〇. 144s的標準偏差。
[0069] 圖5圖示降噪過程。㈧記錄中的典型信號，⑶為高通濾波器的輸出，并且（C) 為輸出譜減法濾波器。所形成的濾波器顯著改善所述信號的SNR(信噪比）。
[0070] 圖6,隨機選擇的梅爾頻率倒譜系數(shù)的概率密度函數(shù)（pdf)(出于顯示目的而平滑 化）。盡管存在交疊，系數(shù)M(4)能夠被用于區(qū)分咳嗽與器具聲音，系數(shù)M(9)在咳嗽與哭喊 之間區(qū)分，并且M(Il)在咳嗽與發(fā)聲之間區(qū)分。
[0071] 圖7,五個第一共振峰頻率的pdf (F (I) -F (5))。盡管所述共振峰頻率的分布交疊， 但它們具有不同的平均、偏態(tài)和峰態(tài)，尤其針對F(I)、F (3)和F (5)。
[0072] 圖8,能量、過零率（ZCR)、香農(nóng)熵和非高斯性評分（NGS)的pdf。NGS能夠被用于 在咳嗽與發(fā)生和哭喊之間區(qū)分，而ZCR在咳嗽與器具聲音之間區(qū)分。聲音之間的對數(shù)能量 和香農(nóng)熵的輪廓相似，但它們具有不同的偏態(tài)和峰態(tài)。
[0073] 圖9圖示咳嗽片段識別。㈧來自降噪過程的聲音信號，⑶來自TDNN的輸出信 號，（C)在平滑化過程之后的輸出信號，以及（D)閾值處理過程之后的輸出信號。來自所述 閾值處理的信號可能包括假片段（例如FD片段）。
[0074] 圖10,對來自分割算法的輸入信號和輸出信號的圖示。虛線指示分割輸出，能夠在 這里確定每個咳嗽片段的開始和結束。假片段FD (在圖9 (D)中示出的）被丟棄，因為其持 續(xù)時間在持續(xù)時間的準則以外（τ 4/>〈 τ s〈 τ 。所述算法成功將所有咳嗽聲音分割，包 括與說話（SP)交疊的CG3。
[0075] 圖11，對信號的分割輸出（虛線），其包含咳嗽和哭喊聲音。我們的分割算法成功 地分割兩個咳嗽聲音，并丟棄哭喊聲音。僅小部分的哭喊聲音被錯誤地檢測為咳嗽片段。
[0076] 圖12,針對使用咳嗽特征的肺炎診斷所提出的算法的框圖。
[0077] 圖13,樣本肺炎咳嗽聲音。在小心聆聽咳嗽事件之后，手動標記咳嗽事件的開始和 結束。
[0078] 圖14,數(shù)字高通濾波器的幅值響應。肺炎歸類方法。
[0079] 圖15,針對濕咳和干咳聲音歸類所提出的算法的框圖。
[0080] 圖16,針對200個訓練和測試數(shù)據(jù)集達到的靈敏度和特異性的柱狀圖。僅選擇的 特征被用于LR模型設計。
[0081] 圖17為根據(jù)本發(fā)明的另外的實施例，用于對疾病狀態(tài)（例如肺炎）的診斷的方法 的流程圖。
[0082] 圖18包括呈現(xiàn)與圖17的方法的應用相關聯(lián)的對象的細節(jié)的圖表。
[0083] 圖19示出（a)肺炎咳嗽、（c)哮喘咳嗽、（e)支氣管炎咳嗽和（g)毛細支氣管炎咳 嗽波形以及它們對應的功率譜圖的典型范例。
[0084] 圖20為根據(jù)本發(fā)明的一方面另外的且優(yōu)選的實施例的自動咳嗽歸類程序的框 圖。
[0085] 圖21示出來自兩位患者的干咳波形和濕咳波形的典型范例。
[0086] 圖22A和圖22B為針對咳嗽聲音的SNR的柱狀圖。
[0087] 圖23示出被用于圖20中圖示的方法的分析與討論中的統(tǒng)計學信息。

【具體實施方式】
[0088] I.用于咳嗽歸類的第一方法
[0089] 2. 1.咳嗽記錄協(xié)議
[0090] 咳嗽記錄系統(tǒng)包括以下：具有超心型指向性束模式的低噪聲麥克風53、55(澳大 利亞悉尼Model NT3, RODEli ),之后是前置放大器52和A/D轉換器51 (美國加利福尼亞 Model Mobile Pre-USB, M-Audio? )用于信號采集。Mobile Pre-USB的輸出被連接到膝 上型計算機52的USB端口 50。從所述麥克風到對象42的口部的標稱距離為50cm。實際距 離能夠因對象移動而在40cm至IOOcm之間變化。然而，所提出的方法不依賴于聲音強度， 并且結果獨立于口部到麥克風的距離。我們保持采樣率在44. Ik樣本/s以及16-bit的分 辨率，以獲得最佳聲音品質。
[0091] 根據(jù)本發(fā)明的各方面的優(yōu)選實施例，計算機系統(tǒng)52作為咳嗽/非咳嗽歸類系統(tǒng)和 /或基于咳嗽的診斷系統(tǒng)而操作，同時運行計算機程序，馬上將描述所述計算機程序。個人 計算機系統(tǒng)52包括為指向設備60和鍵盤58的形式的數(shù)據(jù)輸入設備，以及為顯示器56的形 式的數(shù)據(jù)輸出設備。所述數(shù)據(jù)輸入與輸出設備被耦合到包括中央處理單元70的處理箱54。 顯示器56包括人機接口，用于呈現(xiàn)由本文描述的所述方法實施的各個歸類程序的結果。其 他人機接口也是可能的，例如智能手機或打印機。
[0092] 中央處理單元（CPU)70與儲存設備接口連接，所述儲存設備可由機器讀取并且有 形地體現(xiàn)可由CPU運行的指令的程序。這些儲存設備經(jīng)由主板68包括RAM 62、ROM 64以 及二級儲存設備，即硬磁盤66和光盤讀取器48。所述個人計算機系統(tǒng)也包括USB端口 50， 用于與外部ADC模塊51的通信，外部ADC模塊51前置放大、濾波并數(shù)字化來自麥克風53 和55的信號。所述麥克風從躺在床40上的對象42拾取聲音，例如咳嗽聲音。
[0093] 二級儲存設備66為帶有用于由中央處理器70運行的有形指令的磁性數(shù)據(jù)儲存介 質。典型地將已從安裝盤（例如光盤46)安裝了這些指令，盡管也可以在存儲器集成電路 中，或經(jīng)由計算機網(wǎng)絡從遠程服務器安裝設施來提供它們。所述指令構成軟件產(chǎn)品72,其被 載入到RAM 62的電子存儲器中。在被運行時，所述指令使計算機系統(tǒng)52作為基于咳嗽的 診斷系統(tǒng)，和/或咳嗽或非咳嗽患者聲音歸類器而操作，并且尤其實施馬上將描述的多種 方法之一。
[0094] 本領域技術人員將認識到，軟件產(chǎn)品72的編程直接鑒于本發(fā)明的所述方法，現(xiàn)在 將描述所述方法的實施例。在以下方法中，各個變量均被操縱。將認識到，在計算機系統(tǒng)52 用于實施所述方法的操作期間，CPU 70的對應的寄存器將被增量，并且借助電子信號沿被 蝕刻在主板68上的傳導總線行進，而將數(shù)據(jù)寫到二級儲存設備66和RAM 62并從二級儲存 設備66和RAM 62檢索所述數(shù)據(jù)。因此，隨著計算機系統(tǒng)72運行軟件以實施現(xiàn)在將描述的 方法，在計算機系統(tǒng)52內發(fā)生物理效應及變換。
[0095] 盡管所述計算設備已被視為包括個人計算機（例如臺式或膝上型計算機），但本 發(fā)明的實施包含其他計算設備。例如，本發(fā)明的實施例包含專用醫(yī)學設備以及還有裝載有 應用（即用于實施本文描述的方法中的一個或多個的"app"）的智能手機。在智能手機的 情況中，所述手機的內置麥克風可以被用于監(jiān)測所述患者聲音，或者備選地一個或多個高 品質外部麥克風可以被連接到智能手機用于這樣的監(jiān)測。根據(jù)本文描述的方法，智能手機 可以經(jīng)由移動電話網(wǎng)絡和/或因特網(wǎng)，將患者聲音的數(shù)字記錄傳輸?shù)竭h處的計算機，所述 計算機然后處理所述數(shù)字記錄?？梢詫⑺鎏幚淼慕Y果傳輸回智能手機，用于在其上的顯 示，或者備選地在遠處的計算機的控制下被顯示在電子顯示設備上。
[0096] 所述計算設備也可以被接口連接到多個患者傳感器，例如移動傳感器；EEG傳感 器；氧水平傳感器、呼吸檢測傳感器、溫度傳感器。也可以在本文描述的各個方法的執(zhí)行期 間，使用來自這些傳感器的數(shù)據(jù)。
[0097] 針對該工作的數(shù)據(jù)是在印度尼西亞日惹的Sardjito醫(yī)院，從針對呼吸不適而被 收治的兒科患者記錄的。我們在自然醫(yī)院環(huán)境中采集數(shù)據(jù)，除了將我們的聲音記錄系統(tǒng)放 置在床邊以外，沒有以任何方式修改它（參見圖1)。在白天期間，在兩種類型的病房（單人 和雙人房間）中進行記錄。研究協(xié)議已接收來自SardjitO醫(yī)院和澳大利亞昆士蘭大學的 倫理審查。
[0098] 我們的數(shù)據(jù)庫包括來自跨度5-64個月年齡范圍的兒童的咳嗽聲音。納入與排除 準則的細節(jié)參見表1。
[0099] 表 1
[0100] 研究中使用的納入與排除準則
[0101]

【權利要求】
1. 一種操作計算設備以處理患者聲音的方法，所述方法包括以下步驟： 從所述患者聲音的片段提取特征；以及 基于所提取的特征和預定準則，將所述片段歸類為咳嗽或非咳嗽聲音；以及 基于所述患者聲音中被歸類為咳嗽聲音的片段，在所述計算設備的控制下，將對疾病 相關狀態(tài)的診斷呈現(xiàn)在顯示器上。
2. 根據(jù)權利要求1所述的方法，包括將咳嗽聲音分類為"濕咳"或"非濕咳"聲音。
3. 根據(jù)權利要求2所述的方法，還包括以下步驟： 將所述患者聲音的咳嗽事件分類為患病的或非患病的；以及 計算患病咳嗽指數(shù)，所述患病咳嗽指數(shù)指示被分類為患病咳嗽事件的比例。
4. 根據(jù)權利要求3所述的方法，包括如果所述患病咳嗽指數(shù)符合預定要求，則認為所 述患者遭受特定疾病狀態(tài)。
5. -種操作計算設備以處理患者的聲音記錄的方法，以由此在所述計算設備的控制 下，利用顯示器呈現(xiàn)對所述患者的特定疾病狀態(tài)的診斷。
6. 根據(jù)權利要求5所述的方法，包括用于診斷包括肺炎的疾病狀態(tài)的步驟。
7. 根據(jù)權利要求5或6所述的方法，包括以下步驟： 將所述聲音記錄的咳嗽事件分類為患病的或非患病的； 計算患病咳嗽指數(shù)，所述患病咳嗽指數(shù)指示被分類為患病咳嗽事件的比例；以及 如果所述患病咳嗽指數(shù)符合預定要求，則認為所述患者遭受所述特定疾病狀態(tài)。
8. 根據(jù)權利要求8所述的方法，其中，所述預定要求包括所述患病咳嗽指數(shù)超過預定 閾值。
9. 根據(jù)權利要求7或8所述的方法，其中，將所述咳嗽事件分類為患病的或非患病的所 述步驟包括根據(jù)歸類程序來處理從所述咳嗽事件提取的特征。
10. 根據(jù)權利要求9所述的方法，其中，所述歸類程序包括邏輯回歸模型的應用。
11. 根據(jù)權利要求9所述的方法，其中，所述歸類程序包括受訓人工神經(jīng)網(wǎng)絡的應用。
12. 根據(jù)權利要求10或11所述的方法，包括對用于一類型的歸類器的訓練集的應用， 所述類型包括從遭受以下不適中的一種或多種的患者記錄的非肺炎聲音：哮喘、支氣管炎、 鼻咽炎、氣喘、扁桃體咽炎、心臟病、喉軟骨軟化病、瘧疾以及異物吸入。
13. -種計算設備，包括與電子存儲器通信的至少一個電子處理器，所述電子存儲器包 含用于所述處理器的指令，以執(zhí)行根據(jù)前述權利要求中任一項所述的方法。
14. 根據(jù)權利要求13所述的計算設備，其中，所述計算設備包括被編程為執(zhí)行所述方 法的移動電話或類似設備。
15. -種承載有形指令的機器可讀介質，所述有形指令用于由一個或多個電子處理器 運行，以執(zhí)行根據(jù)權利要求1至12中任一項所述的方法。
16. -種操作計算設備以處理患者聲音的方法，所述方法包括以下步驟： 從所述患者聲音的片段提取特征；以及 基于所提取的特征和預定準則，將所述片段歸類為咳嗽或非咳嗽聲音。
17. 根據(jù)權利要求1所述的方法，還包括：基于所述患者聲音中被歸類為咳嗽聲音的片 段，診斷疾病相關狀態(tài)；以及在受所述計算設備控制的電子顯示器上呈現(xiàn)所述診斷。
18. 根據(jù)權利要求2所述的方法，包括將咳嗽聲音分類為"濕咳"或"非濕咳"聲音。
【文檔編號】A61B5/08GK104321015SQ201380028268
【公開日】2015年1月28日 申請日期:2013年3月28日 優(yōu)先權日:2012年3月29日
【發(fā)明者】U·R·阿貝拉特納, V·斯旺加, Y·A·阿姆魯羅 申請人:昆士蘭大學