从受试者声音诊断呼吸疾病制造技术

一种用于预测受试者呼吸系统疾病存在的方法，包括：操作至少一个电子处理器以将与疾病相关的受试者的一个或多个声音转换成所述声音对应的一个或多个图像表示；将所述一个或多个表示应用于至少一个被训练来预测疾病存在的模式分类器；和操作所述处理器以基于所述至少一个模式分类器的至少一个输出来预测受试者中疾病的存在。试者中疾病的存在。试者中疾病的存在。

【技术实现步骤摘要】
【国外来华专利技术】从受试者声音诊断呼吸疾病
[0001]相关申请的交叉引用
[0002]本申请要求于2019年12月16日提交的澳大利亚临时专利申请第2019904754号的优先权，其公开内容通过引用并入本文。


[0003]本专利技术涉及一种用于处理受试者声音以诊断呼吸疾病的设备和方法。

技术介绍

[0004]对现有技术的方法、设备或文件的任何引用都不应被视为构成任何证据或承认它们过去或现在形成公知常识的一部分。
[0005]众所周知，电子处理受试者声音以识别呼吸疾病。通常进行这种处理的一种方式是从与所讨论的疾病相关的声音片段中提取特征。例如，所讨论的疾病可能是肺炎，在这种情况下，相关的声音片段是包括受试者咳嗽声的片段。提取的咳嗽声的特征通常是量化声音片段的各种属性的值。例如，咳嗽声波形的一段的时域中的过零点的数量可以是一个特征。另一个特征可以是指示咳嗽声片段的高斯分布偏差的值。其他特征可以是咳嗽声片段的能量水平的对数。
[0006]一旦确定了特征值，它们就形成了一个特征向量。然后将来自已知患有或未患有特定疾病的受试者的咳嗽声的特征向量用作训练向量来训练模式分类器，诸如神经网络。然后，训练的分类器可以用于将测试特征向量分类为很可能预测受试者是否患有特定疾病。
[0007]因此，将会认识到，这种基于机器学习的自动诊断系统非常有帮助。事实上，可以通过应用程序配置智能手机的处理器，以实现具有预训练神经网络的预测系统，从而为临床医生提供高度便携的预测辅助。考虑到预测的结果，临床医生然后能够对受试者应用适当的治疗。这样的系统在以下文献中描述：“Porter,P.,Abeyratne,U.,Swarnkar,V.et al.A prospective multicenter study testing the diagnostic accuracy of an automated cough sound centered analytic system for the identification of common respiratory disorders in children.Respir Res 20,81(2019)”(本文称为Porter等人的论文)。
[0008]然而，我们将认识到，确定一些特征的值，诸如高斯分布的偏差、对数能量水平和其他计算密集型特征，需要复杂的编程，这在技术上是有要求的。此外，选择一组最佳特征来形成待诊断的目标疾病的特征向量绝非易事。通常需要测试、直觉和灵感的闪现来得到最佳或接近最佳的特征集。
[0009]如果存在一种用于从受试者声音自动诊断呼吸疾病的方法和设备，其是对已经讨论的现有技术的改进，或者至少是有用的替代方案，那么这将是非常有利的。

技术实现思路

[0010]根据第一方面，提供了一种用于预测受试者中的呼吸系统的疾病存在的方法，包括：
[0011]操作至少一个电子处理器以将受试者的音频记录中与疾病相关的一个或多个声音片段转换成所述声音片段对应的一个或多个图像表示；
[0012]操作所述至少一个电子处理器以将所述一个或多个图像表示应用于至少一个模式分类器，所述模式分类器被训练用于从图像表示来预测疾病的存在；以及
[0013]操作所述至少一个电子处理器(“所述处理器”)以基于所述模式分类器的至少一个输出来生成对所述受试者中的所述疾病的存在的预测。
[0014]在一实施例中，所述方法包括操作所述处理器以将一个或多个声音片段转换成对应的一个或多个图像表示，其中所述图像表示将一个轴上的频率与另一个轴上的时间相关。
[0015]在一实施例中，所述图像表示包括声谱图。
[0016]在一实施例中，所述图像表示包括梅尔谱图。
[0017]在一实施例中，所述方法包括操作所述处理器以通过使用第一咳嗽声模式分类器和第二咳嗽声模式分类器来将潜在咳嗽声识别为音频记录的咳嗽音频片段，第一咳嗽声模式分类器和第二咳嗽声模式分类器被训练为分别检测咳嗽声的初始阶段和后续阶段。
[0018]在一实施例中，所述图像表示具有N
×
M个像素的尺寸，其中图像通过所述处理器处理每个片段的N个窗口而形成，其中每个窗口在M个频率区间中被分析。
[0019]在一实施例中，N个窗口中的每一个与N个窗口中的至少一个其他窗口重叠。
[0020]在一实施例中，所述窗口的长度与其相关的咳嗽音频片段的长度成比例。
[0021]在一实施例中，所述方法包括操作所述处理器以计算快速傅立叶变换(FFT)和每个频率区间的功率值，以得到所述一个或多个图像表示中的对应图像表示的对应像素值。
[0022]在一实施例中，所述方法包括操作所述处理器以M个功率值的形式计算每个频率区间的功率值，所述M个功率值是所述M个频率区间中的每个频率区间的功率值。
[0023]在一实施例中，所述M个频率区间包括M个梅尔频率区间，所述方法包括操作所述处理器以将M个功率值连接和归一化，从而产生梅尔谱图图像形式的对应图像表示。
[0024]在一实施例中，所述图像表示是正方形的，并且M等于N。
[0025]在一实施例中，所述方法包括操作所述处理器以接收关于特定疾病的症状和/或临床体征的输入。
[0026]在一实施例中，所述方法包括操作所述处理器以：除了所述一个或多个图像表示之外，还将症状和/或临床体征应用到的所述至少一个模式分类器上。
[0027]在一实施例中，所述方法包括操作所述处理器以基于响应于所述至少一个图像表示和症状和/或临床体征的所述至少一个模式分类器的至少一个输出来预测受试者中疾病的存在。
[0028]在一实施例中，所述至少一个模式分类器包括：
[0029]响应于所述表示的表示模式分类器；以及
[0030]响应于所述症状和/或临床体征的症状分类器。
[0031]在一实施例中，所述表示模式分类器包括神经网络。
[0032]在一实施例中，所述神经网络优选地是卷积神经网络(CNN)。
[0033]在一实施例中，所述症状模式分类器包括逻辑回归模型(LRM)。
[0034]在一实施例中，所述方法包括操作所述处理器以基于来自所述症状模式分类器的一个或多个输出来确定基于症状的预测概率。
[0035]在一实施例中，所述方法包括操作所述处理器以基于来自所述表示模式分类器的一个或多个输出来确定基于表示的预测概率。
[0036]在一实施例中，所述方法包括基于响应于两种到七种表示的来自所述表示模式分类器的一个或多个输出确定基于表示的预测概率。
[0037]在一实施例中，所述方法包括基于响应于五种表示的来自所述表示模式分类器的一个或多个输出确定基于表示的预测概率。
[0038]在一实施例中，所述方法包括将所述基于表示的预测概率确定为针对每个表示的基于表示的预测概率的平均值。
[0039]在一实施例中，所述方法包括基于所述基于表示的预测概率和所述基本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于预测受试者中的呼吸系统的疾病存在的方法，包括：操作至少一个电子处理器以将受试者的音频记录中与疾病相关的一个或多个声音片段转换成所述声音片段对应的一个或多个图像表示；操作所述至少一个电子处理器以将所述一个或多个图像表示应用于至少一个模式分类器，所述模式分类器被训练用于从图像表示来预测疾病的存在；以及操作所述至少一个电子处理器以基于所述模式分类器的至少一个输出来生成对所述受试者存在疾病的预测。2.根据权利要求1所述的方法，包括操作所述处理器以将一个或多个声音片段转换成对应的一个或多个图像表示，其中所述图像表示将一个轴上的频率与另一个轴上的时间相关。3.根据权利要求2所述的方法，其中，所述图像表示包括声谱图。4.根据权利要求3所述的方法，其中，所述图像表示包括梅尔谱图。5.根据前述权利要求中任一项所述的方法，包括操作所述处理器以通过使用第一咳嗽声模式分类器和第二咳嗽声模式分类器来将潜在咳嗽声识别为音频记录的咳嗽音频片段，第一咳嗽声模式分类器和第二咳嗽声模式分类器被训练为分别检测咳嗽声的初始阶段和后续阶段。6.根据前述权利要求中任一项所述的方法，其中，所述图像表示具有N
×
M个像素的尺寸，其中图像通过所述处理器处理每个片段的N个窗口而形成，其中每个窗口在M个频率区间中被分析。7.根据权利要求6所述的方法，其中，N个窗口中的每一个与N个窗口中的至少一个其他窗口重叠。8.根据权利要求7所述的方法，其中，所述窗口的长度与其相关的咳嗽音频片段的长度成比例。9.根据权利要求8所述的方法，包括操作所述处理器以计算快速傅立叶变换(FFT)和每个频率区间的功率值，以得到所述一个或多个图像表示中的对应图像表示的对应像素值。10.根据权利要求9所述的方法，包括操作所述处理器以M个功率值的形式计算每个频率区间的功率值，所述M个功率值是所述M个频率区间中的每个频率区间的功率值。11.根据权利要求9或10所述的方法，其中，所述M个频率区间包括M个梅尔频率区间，所述方法包括操作所述处理器以将M个功率值连接和归一化，从而产生梅尔谱图图像形式的对应图像表示。12.根据权利要求6至11中任一项所述的方法，其中，所述图像表示是正方形的，并且其中M等于N。13.根据前述权利要求中任一项所述的方法，包括操作所述处理器以接收关于特定疾病的症状和/或临床体征的输入。14.根据权利要求13所述的方法，包括操作所述处理器以：除了所述一个或多个图像表示之外，还将症状和/或临床体征应用到的所述至少一个模式分类器上。15.根据权利要求14所述的方法，包括操作所述处理器以基于响应于所述至少一个图像表示和症状和/或临床体征的所述至少一个模式分类器的至少一个输出来预测受试者中疾病的存在。
16.根据权利要求15所述的方法，其中，所述至少一个模式分类器包括：响应于所述表示的表示模式分类器；以及响应于所述症状和/或临床体征的症状分类器。1...

【专利技术属性】
技术研发人员：V，
申请(专利权)人：瑞爱普健康有限公司，
类型：发明
国别省市：