Содержание к диссертации
Введение
ГЛАВА 1. Акустические методы исследования органов дыхания
1.1 .Анализ объекта исследования 16
1.1.1. Источники дыхательных шумов 16
1.1.2. Звуки дыхания, как объект исследования 19
1.2. Аускультация, как методическая основа исследования органов дыхания 32
1.3. Технические устройства для восприятия звуков дыхания 36
1.4. Компьютерные технологии в исследовании звуков дыхания 44
1.5. Постановка задач диссертации 49 Выводы к главе 1 55
ГЛАВА 2. Исследование классов дыхательных шумов 57
2.1. Задача формирования экспериментальных выборок паттернов ДШ 57
2.1.1. Оцифровка звуков дыхания: параметры дискретизации 58
2.1.2. Размер паттерна 63
2.1.3. Нормализация записей звуков дыхания 68
2.1.4. Фильтрация записей звуков дыхания 70
2.2. Исследование дыхательного шума, как случайного процесса 80
2.2.1. Оценка основных статистических характеристик 80
2.2.2. Спектральный анализ звуков дыхания 85
2.3. Способ оценки длительности фаз дыхательного цикла 101
109 Выводы к главе 2
ГЛАВА 3. Модели и алгоритмы распознавания классов дыхательных шумов 111
3.1. Построение информационной модели дыхательных шумов 112
3.1.1. Признаки, характеризующие особенности спектра мощности 112
3.1.2. Признаки, характеризующие изменение фаз дыхательного цикла 116
3.2. Методы классификации объектов 121
3.3. Кластерный анализ паттернов звуков дыхания 125
3.3.1. Выделение классов "норма" и "патологии" на множестве ДЦ 126
3.3.2. Выделение классов "норма" и "патологии" на множестве описаний спектров звуков дыхания 129
3.4. Классификация паттернов ДШ на основе нечетких признаков 137
3.4.1.Построение нечеткой модели паттерна ДШ: формирование системы нечетких признаков 13 7
3.4.2. Классификация ДШ на основе нечетких признаков. Алгоритм распознавания паттернов дыхательных шумов 144
Выводы к главе 3
ГЛАВА 4. Технические и программные средства регистрации и анализа дш 152
152 4.1.Техническая реализация компьютерного канала регистрации ДШ 152
4.1.1. Блочно-функциональная модель канала 154
4.1.2. Схема устройства регистрации и анализа дыхательных шумов
4.1.3. Методические рекомендации для проектирования КРЗ дыхания
4.2. Испытание.компьютерного канала регистрации звуков дыхания
4.3 Методика создания БД образцов звуков дыхания
4.4 Программный модуль анализа образцов звуков дыхания
Выводы к главе 4
Заключение 173
Список литературы
- Звуки дыхания, как объект исследования
- Оцифровка звуков дыхания: параметры дискретизации
- Признаки, характеризующие изменение фаз дыхательного цикла
- Схема устройства регистрации и анализа дыхательных шумов
Введение к работе
Аускультативные исследования органов дыхания, основанные на сравнительной оценке непроизвольных звуков дыхания в симметричных точках корпуса биообъекта, являются наиболее широко применяемым не инвазивным методом начального обследования пациента. Метод отличает дешевизна технических средств и субъективный характер, как восприятия, так и интерпретации акустической информации и выделения аускультативных признаков. В последние годы метод получил новый импульс к развитию, в связи с появлением электронных стетоскопов, обеспечивающих улучшенные метрологические характеристики канала проведения звука и регистрацию дыхательных шумов. Однако в вопросах анализа и интерпретации результатов исследований существенных улучшений не произошло. Результат решения задачи выделения диагностических признаков, как и раньше, носит субъективный характер и определяется индивидуальными особенностями слуха врача и его личным опытом. Добавление фонограммы носит скорее иллюстративный характер и практически требует от медицинских специалистов создания новых признаков (не акустических, а визуальных).
Следует отметить, что в современном обществе наметилась положительная тенденция к формированию нового стереотипа поведения, основанного на личной ответственности человека за свое здоровье. Это ведет к возрастанию спроса на регулярные услуги, связанные с быстрой оценкой физического состояния человека. Для проведения массовых обследований необходимы новые алгоритмические и программные средств, максимально ориентированные на применение ВТ, специализированных БД, а также новые средства автоматического анализа результатов исследований.
Работы в области компьютерного анализа дыхательных шумов осуществляются, как в России, так и за рубежом. Большой вклад в это направление внесли исследования Вовк И.В., Малышева B.C., G. Wodicka, V. Gross, A. Dittmar, Hans Pasterkamp, Steve's. Kraman и др. Однако выполненные исследования но-
5 сят поисковый характер и полученных результатов пока не достаточно для создания автоматического анализатора аускультативных признаков.
Приведенные факты позволяют сделать вывод об актуальности темы диссертации, которая определяется:
отсутствием моделей и эффективных алгоритмов автоматического выделения аускультативных признаков, позволяющих ускорить процесс исследования органов дыхания и повысить точность распознавания патологии;
существующими тенденциям общества и потребностями отрасли,
возможностями компьютерных технологий и современных методов обработки информации.
Целью работы является создание моделей, алгоритмов и технических средств регистрации и автоматического анализа бронхо-легочных шумов для диагностики заболеваний органов дыхания.
Задачи исследования. Для достижения поставленной цели в диссертации необходимо решить следующие задачи:
Провести функционально-структурный анализ биотехнических систем диагностики патологий органов дыхания, использующих в качестве основной информации - слабые акустические сигналы. Определить основные направления развития компьютерных технологий в области аускультативных методик исследования органов дыхания.
2.Разработать блочно-функциональную модель канала измерения и регистрации аускультативных признаков и решить вопросы ее технической реализации.
3.Разработать методику автоматизированной аускультации и создать БД образцов звуков дыхания, иллюстрирующую проявление аускультативных признаков при заболеваниях бронхо-легочной системы.
4. Исследовать записи дыхательных шумов в норме и при наличии патологий органов дыхания с целью выявления отличительных количественных признаков в свойствах акустической волны.
Сформировать систему признаков для автоматического распознавания дыхательных шумов, наблюдающихся при патологиях органов дыхания, и дыхательных шумов, относящихся к классу норма.
Разработать на основе нечеткой классификации ДШ метод и алгоритм автоматического распознавания звуков, связанных с патологиями органов дыхания и дыхательных шумов, относящихся к классу норма.
Разработать предложения по составу и функциям основных компонентов программной системы "АРМ - врача пульмонолога".
Методы исследования. В работе использовались методы теории вероятностей и математической статистики, теории нечетких множеств, методы кластерного анализа, теории биотехнических и экспертных систем.
Новые научные результаты:
Функциональные требования и структура обобщенной схемы биотехнической системы автоматической аускультации органов дыхания (БТС_АА);
Обобщенная информационная модель паттерна дыхательного шума, включающая многомерную систему признаков, характеризующих две группы свойств звуков дыхания, правила оценивания отдельных групп признаков и правила настройки размерности модели.
Формулы для построения расчетных соотношений для оценок спектральных признаков, как функций, характеризующих распределение энергии на интервалах частот, в которых наблюдаются аускультативные феномены.
Метод оценки длительности фаз дыхательного цикла, позволяющий совместить оценку спектральной плотности и временных параметров ДІД в одном расчетном цикле. В качестве косвенного признака используется среднее квадратическое отклонение уровня дыхательного шума, которое рассчитывается с помощью скользящего расчетного окна.
Метод генерации лингвистических оценок участков спектра ДШ и фаз дыхательного цикла на основе формирования нечетких высказываний, определяющих характерные свойства дыхательных шумов в классах норма и патологии.
7 Практическая ценность работы заключается в том, что разработано:
Алгоритм распознавания ДШ из класса "норма" и из класса "патологии", позволяющий оценивать степень истинности выводимого заключения.
Алгоритмическое и программное обеспечение модуля АДС -"Анализ дыхательных сигналов", позволяющего осуществлять регистрацию ЗД на жестком диске ПК и автоматический анализ дыхательных шумов;
Предложения по составу и функциям основных компонентов программной системы "АРМ - врача пульмонолога".
Устройстве регистрации звуков дыхания, позволяющее регистрировать на магнитном носителе записи дыхательных шумов и воспроизводить их с уровнем громкости 40 - 60 дБ.
Внедрение результатов.
Результаты исследований, включающие программное и методическое
обеспечение модуля АДС -"Анализ дыхательных сигналов", БД с образцами звуков дыхания классов норма и отдельных патологий, а также техническую документацию на устройство регистрации и анализа дыхательных шумов, переданы в ФГУП МЦЭИР г.Тверь. На базе разработанного технического, информационного и методического обеспечения создан учебный стенд, используемый в учебном процессе Тверского государственного технического университета.
Апробация результатов работы.
Научные и практические результаты диссертационной работы докладывались и обсуждались в 2004-2007 годах на НТК преподавателей и сотрудников ТГТУ, на научно-технической конференции "Биотехнические, медицинские и экологические системы и комплексы, Биомедситемы-2006", Рязань, на НТК "Информационные и управленческие технологии в медицине". Пенза, 2007.
Публикации. По теме диссертации опубликовано 6 печатных работ, из них 3 статьи, 2 работы в трудах всероссийских научно-технических конференций и 1 свидетельство на полезную модель.
Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка использованной литературы и приложения. Основное содер-
8 жание работы изложено на 183 страницах машинописного текста, включает 99 рисунков, 32 таблицы, приложения 10 . Список использованной литературы включает 114 наименований.
Во введении обоснована актуальность темы диссертационной работы, сформулированы цель и задачи исследований, приводится краткое содержание работы по главам.
В первой главе диссертации выполнен функционально-структурного анализ биотехнических систем исследования органов дыхания, использующих в качестве основной информации звуки дыхания.
Источником слабых акустических шумов, которые определяются как звуки дыхания (ЗД), являются: трахея, бронхи и легкие. Анализ литературных источников показывает, что частотный диапазон аускультативных признаков очень широк, границы частотных интервалов, отмеченные для отдельных видов дыхательных шумов (ДТП), носят размытый характер, интервалы пересекаются. Информация, получаемая в ходе выслушивания ЗД, имеет субъективный характер, определяемый поведением пациента, личным опытом врача, а также индивидуальными особенностями его слухового анализатора. Анализ методических аспектов исследования ДШ приводит к выводам:
- аускультация как метод исследования органов дыхания является достаточно продуктивной, т.к. обладает рядом полезных экономико-социальных свойств;
классическая методика аускультации для интерпретации звуков дыхания использует качественные, вербальные характеристики (например, звонкий, глухой, поверхностный и т.д.), которые могут не согласовываться с акустическими свойствами звуков;
метод нуждается в усилении отдельных операций, с целью снижения уровня субъективных оценок результатов и построения процедур автоматической оценки аускультативных признаков.
Совершенствование инструментальной части рассматриваемой БТС на базе различных моделей электронных стетоскопов приводит к улучшению мет-
9 рологических характеристик канала проведения звука, позволяет решить вопрос регистрации ДІІІ на жестком носителе, а также осуществлять визуализацию на ЖК мониторе фонограммы, однако позиция врача при этом не меняется: врач, как и в классической схеме, осуществляет сравнение, распознавание и выделение аускультативного феномена. Аускультация с помощью электронного стетоскопа может расширить возможности скрининговых методик исследования органов дыхания. Однако для этого необходимо создание специализированного программного обеспечения, автоматизирующего функции интерпретации результатов исследования. Для решения этого комплекса задач необходимо формирование системы вычисляемых признаков, позволяющих отделять ДШ класса нормы от патологий, а также алгоритмическое и программное обеспечение для автоматического распознавания классов ДШ.
Проведенный анализ специализированных компьютерных комплексов (бронхофонографии, пневмофонографии и др.), показал, что в области исследования органов дыхания технически решены задачи регистрации результатов как визуальных, так и функциональных исследований в виде унифицированных структур данных. Это делает возможным ставить задачу интеграции этих данных в рамках единой системы, одним из вариантов которой может стать АРМ врача - пульмонолога. Приведена архитектура АРМ и описаны функции подсистем исследования и диагностики органов дыхания.
Показано, что как для создания математического обеспечения АРМ-пульманолога, так и для разработки ПО поддержки скрининговых исследований с помощью мобильного электронного стетоскопа необходимо создание моделей и алгоритмов эффективной обработки акустической информации, позволяющие ускорить процесс исследования и повысить точность локализации патологии. Обоснована цель диссертационной работы и сформулированы основные задачи исследования.
Во второй главе диссертации рассмотрены вопросы применения компьютерных методов обработки слабых акустических сигналов для задач анализа звуков дыхания.
Анализ существующих коллекций дыхательных шумов (ДШ) показал, что они различаются основными параметрами записи. По каждому аускульта-тивному феномену в коллекции обычно присутствует одна запись, что затрудняет оценку характеристик классов аускультативных феноменов. Показано, что для решения проблемы автоматического анализа ЗД необходимо создать архив записей паттернов (образцов) звуков дыхания и методику его расширения.
Обоснована система требований к параметрам записи ДШ: частота дискретизации li000
На основе исследования экспериментальной выборки ДШ с помощью непараметрических критериев серий и инверсий доказано, что путем выделения отдельных участков паттернов, можно получить реализации по свойствам не противоречащие гипотезе о локальной стационарности временного ряда. При таком подходе допустимо применять методику интегральной оценки спектра мощности по малым временным интервалам (не более 0.02 - 0.6 сек). Для его расчета использован алгоритм на основе быстрого преобразования Фурье с использованием расчетного окна Хемминга.
Проведены исследования влияния не стационарности ДШ на точность определения спектральной характеристики при анализе интервалов длительностью до 20 сек. Рассмотрено влияние параметров интервала At (его величины, локализации по отношению к началу ряда и по отношению к фазам дыхательного цикла на вид М-М), На основании результатов экспериментов сделан вывод, что если интервал наблюдения аускультативного признака (AtA) не пре-
11 вышает интервала, на котором рассчитывается спектр мощности (Т), то получаемая характеристика Л*^') будет правильно воспроизводить общий характер распределения энергии по частотам.
Звуки дыхания, как объект исследования
В медицинской литературе принято использовать два типа признаков: характер дыхания и характер хрипов [2,3,5,6]. Очевидно, первый тип характери 20 стики связан с описанием основных параметров дыхательного цикла, как для нормального случая, так и для случаев различных патологий. Второй тип характеристик используется только в ограниченных множествах патологий, для которых характерно наложение дополнительных шумов (хрипов) на непроизвольный акустический сигнал органов дыхания.
В таблице 1.1 приведена классификация звуков дыхания, отражающая различные основания (характерные признаки). На основе выделенных признаков можно построить классификационной дерево, иллюстрирующее все множество видов ДШ, выделяемых в медицинской литературе. 21 Предлагаемая классификация ДШ в форме табл. 1.1 носит условный характер, и вызвана только необходимостью выделить основные признаки, которые могут оказывать влияние на характеристики этих слабых акустических сигналов.
Сочетания выделенных признаков позволяют задавать формализованные описания отдельных классов звуков дыхания (ЗД), в том числе и те, которые выделяются в литературе, как отдельные типы дыхания (табл. 1.2).
Первые три характеристических признака, использованных (табл. 1.1) в качестве основания для классификации ЗД, являются количественными (объективными). Признаки 4-6 являются субъективными, имеют описательные определения и относятся к т.н. побочным дыхательным шумам [1].
Бронхиальное (или ларингеальное или трахеальное) дыхание выслушивается над гортанью и трахеей и в межлопаточном пространстве у остистого отростка 4-го шейного позвонка, причем бронхиальный оттенок дыхательного шума сказывается, главным образом, в выдохе. При выслушивании над гортанью, трахеей и крупными бронхами слышится дыхательный шум, напоминающий звук "X", причем выдох громче, грубее и длиннее, чем вдох. Соотношение 4:5. Образуется этот шум в гортани при прохождении воздуха через голосовую щель вследствие круговорота воздуха при вдохе над голосовыми связками, а при выдохе - под ними, так как при выдохе голосовая щель сужена больше, чем при вдохе, то звук при выдохе сильнее, грубее длиннее.
Везикулярное (или альвеолярное) дыхание выслушивается на поверхности грудной клетки. Оно имеет мягкий, дующий, как бы присасывающий звук, на поминающий звук "Ф", когда мы произносим его, втягивая в себя воздух. Звук этот сильнее и длиннее при вдохе, слабее и короче при выдохе и слышен только в его первой трети. Везикулярное дыхание возникает при расправлении легких с. во время вдоха. При этом стенки альвеол вследствие быстрого растяжения вне запно из расслабленного состояния, в котором они находились в конце выдоха, переходят в напряжение. Благодаря этому в них возникают колебания, дающие звук. Одновременно колеблются огромные количества альвеол, причем расправление всех альвеол происходит последовательно. В результате сложения возникающих звуков происходит протяжный шум. Во время выдоха вследствие спадания альвеол напряжение их стенок быстро уменьшается и, следовательно, одновременно уменьшается их способность к колебанию. Поэтому дыхательный шум слышится только в начальной части выдоха. Таким образом, везикулярное дыхание представляет собой звук расправляющегося легкого; выслушивая его мы можем сказать, что легкое в этом месте дышит.
Сила везикулярного дыхания у различных людей различна и зависит от силы дыхательных движений, от мощности подлежащих участков легочной ткани, толщины слоя тканей грудной клетки. Следовательно, у лиц различного возраста, разной упитанности сила везикулярного дыхания будет разная. Яснее всего везикулярное дыхание выражено на передней поверхности грудной клетки, особенно в подключичных областях, второе по интенсивности место занимают подлопаточные области, а затем нижнебоковые отделы легких. На верхушках легких вследствие их малого объема, толстого их мышечного покрова -выслушивается ослабленное везикулярное дыхание. Слева дыхание обычно несколько яснее (близость желудочного воздушного пузыря), а если сравнить степень выраженности выдоха, то, наоборот, справа вдох более выражен, чем слева (благодаря более широкому и короткому основному бронху). Эта разница в отношении продолжительности выдоха особенно заметна на верхушке: на правой верхушке выдох значительно продолжительнее, чем на левой. Иногда под правой верхушкой выслушивается дыхание среднее между бронхиальным и везикулярным, как бы смесь их "бронховезикулярное" или смешанное дыхание.
На множестве побочных дыхательных шумов принято различать сухие и влажные хрипы. Сухие хрипы характерны для бронхита. Принципиально выде ляют 2 типа сухих хрипов - свистящие и жужжащие, с Свистящие хрипы свидетельствуют о сужении просвета, жужжащие возни кают при вибрации мокроты в просвете бронха (считается, что она, подобно гитарным струнам пересекает просвет в разных местах и вибрирует при прохождении воздуха).
Влажные хрипы - характерны для бронхита или пневмонии (для последней также характерно укорочение перкуторного звука над очагом).
В множестве побочных шумов выделяют отдельный класс звуков напоминающих "хруст снега под ногами", это т.н. крепитация. Некоторые авторы сравнивают её с "шуршанием полиэтилена". Она возникает при поражении терминальных бронхов, бронхиол и альвеол, когда на выдохе происходит слипание альвеол, а на вдохе большое их число расправляется с характерным звуком. Не-посредственная причина - нарушение выработки сурфактанта. Крепитация лучше выявляется при глубоком дыхании.
Шум трения плевры выявляется, чаще всего, при сухом (фибринозном) плеврите. Звук напоминает трение друг о друга двух листков бумаги или материи. В отличие от хрипов, выслушивается в обе фазы дыхания.
Оцифровка звуков дыхания: параметры дискретизации
Проблема исследования и анализа акустических сигналов биообъекта связана с созданием архива паттернов (pattern - образец, пример, модель) звуков дыхания. Начиная с 90-ых годов прошлого века, на страницах Internet появились коллекции записей аускультативных феноменов. Они предназначались для студентов в качестве иллюстративного материала. Это были тщательно обработанные (фильтрация, усиление, нормализация) примеры продолжительностью не более 1 -2 дыхательных циклов. Разные коллекции отличаются между собой основными параметрами записи: частотой квантования по уровню и по времени, а также форматами сохранения. По каждому аускультативному феномену в коллекции обычно присутствует одна запись. И, следовательно, нет возможности проследить изменение характеристик ДШ определенного класса, связанных с индивидуальными особенностями отдельных пациентов.
Учитывая эти факты, очевидно, что для решения задачи классификации ДШ по количественным акустическим признакам необходимо сформировать свою рабочую БД паттернов ДШ. Она должна включать записи здоровых людей и образцы звуков дыхания людей с патологиями. Условия регистрации ДШ, характеристики измерительного канала, а также параметры записи должны быть постоянными, что позволит после соответствующей обработки оценить акустические характеристики выделенных классов ДШ. Методика работы с пациентами и характеристики компьютерного канала регистрации ДШ описаны в главе 4.
Учитывая особенности преобразования аналогового сигнала в цифровой, можно считать, что основные атрибуты информационной модели акустического шума органов дыхания можно задать как: MAS= fd,fmin,fmax,Amia,m,T (2.1) Где: fd- частота дискретизации аналогового сигнала, т - разрядность АЦП, Т - длина временного ряда (длительность звукового сигнала), /min,/max- мини мальная и максимальная частоты в спектре ДШ, Amin- минимальное значение амплитуды на интервале Т.
Таким образом, для выбора наиболее рациональных параметров записи ДШ необходимо обосновать ограничения на возможные диапазоны трех атрибутов (fd,m,T) и их сочетания, которые необходимо соблюдать при регистрации каждого отдельного паттерна.
Преобразование звукового сигнала в цифровую форму заключается в измерении мгновенных значений его амплитуды через равные промежутки времени и представлении полученных значений, называемых отсчетами, в виде последовательности чисел [7,10]. Числа, полученные в результате аналого-цифрового преобразования, выражаются в двоичной системе исчисления. Процесс преобразования непрерывного аналогового сигнала в последовательность его мгновенных значений (отсчетов) называется дискретизацией (или квантованием по времени).
Определение численного значения величины отсчетов называется квантованием (по уровню). Для этого весь диапазон возможных изменений амплитуды преобразуемого сигнала делится на множество уровней квантования, количество которых определяется разрядностью используемого при этом двоичного числа. В процессе квантования за величину отсчета принимается номер ближайшего уровня квантования. Наиболее широко в настоящее время используются 16-разрядные устройства. Это позволяет получить точность преобразования 1/216 = 1/65536. С числом разрядов квантования m физически связан динамический диапазон D звукового сигнала. D = 6т + 1,76дБ = 6Т + 2дБ, при т=16 D = 6 16+2дБ = 6Т + 2дБ = 98 дБ.
Выбор частоты дискретизации в общем случае определяется теоремой Котел ьникова (Шеннона). Частоту дискретизации (/,) следует выбирать так, что 59 бы она была, по меньшей мере, в два раза выше максимальной частоты звукового диапазона. Минимально возможная частота дискретизации называется частотой Найквиста (FN =2fmax).
Чаще всего требуемая полоса звуковых частот ограничивается интервалом от 20 Гц до 22 кГц, при этом частота дискретизации выбирается равной 44,1 или 48 кГц. Это обусловлено тем, что между наивысшей частотой звукового диапазона fmax и половиной частоты дискретизации (0.5/,) должен быть некоторый интервал, в который нужно поместить срез амплитудно-частотной характеристики (АЧХ) фильтра низких частот (ФНЧ), расположенного на входе блока аналого-цифрового преобразования (рис.2.1). ФНЧ нужен для того, чтобы ни одна составляющая, спектра выше (0.5 fd) не попала на преобразователь.
Спектр сигнала, подвергнутого дискретизации, обладает периодической структурой. Кроме низкочастотной части, отображающей сам звуковой сигнал, он имеет еще и высокочастотные компоненты в виде боковых полос с центрами в точках, кратных частоте дискретизации (рис. 2.2.). Если спектр звукового сигнала перед преобразованием не ограничить, то его высокочастотная часть может наложиться на смежную боковую полосу. При этом в преобразованном сигнале возникнут неустранимые искажения дискретизации в виде паразитных высокочастотных составляющих (рис. 2.2.а).
Величина ошибки равна половине шага квантования и не зависит от уровня квантуемого сигнала. Функцию q(f) принято называть шумом квантования. Шум квантования будет тем ниже, чем меньше шаг квантования (чем больше число разрядов квантования).
Влияние шума сильно зависит от уровня преобразуемого аналогового сигнала. Если его амплитуда мала, то возникают характерные искажения, обусловленные появлением высших гармоник из-за зубчатой формы шума квантования. Причем на слух это воспринимается именно как искажения, а не как шум.
Ослабить влияние таких искажений можно с помощью добавления другого шума. Если добавить во входной сигнал «белый» шум (шум, амплитуда которого практически постоянна в широком диапазоне частот), то корреляция (связь) между шумами квантования и амплитудой сигнала нарушается.
В технической реализации различают квантование с постоянным и переменным шагом. Аналого-цифровое преобразование, обеспечивающее одинаковое расстояние между уровнями квантования во всем диапазоне изменения амплитуды преобразуемого сигнала, называется линейным или квантованием с постоянным шагом.
При нелинейном квантовании шаг квантования увеличивается с увеличением уровня преобразуемого сигнала. Учитывая, что для слабых сигналов шаг будет маленьким, для сильных сигналов - большим, можно предположить, что для регистрации ДС это будет наилучшим вариантом. Отношение сигнал/шум в этом случае будет выше, чем в случае линейного квантования. Кроме того, нелинейное квантование позволяет значительно повысить плотность записи (или скорость передачи информации), так как малым числом разрядов можно передавать большой динамический диапазон сигнала.
Признаки, характеризующие изменение фаз дыхательного цикла
Задача распознавания наличия аускультативных признаков в зарегистрированных звуках дыхания фактически является задачей распознавания образов: нужно указать имя образа (класса) Ц которому принадлежит некоторый новый объект 1у [88-89,91-92]. Необходимым условием для работы большинства методов распознавания образов является задание разделительных поверхностей классов. В литературе отсутствуют сведения о таких описаниях классов ДШ. Таким образом, решение задачи автоматического анализа звуков дыхания необходимо начинать с построения их классификации.
Выделяют две группы методов классификации: методы классификации с учителем и классификации без учителя [96,98-101].
Первая группа методов базируется на задании эталонных представлений классов объектов. Каждый эталон должен задаваться достаточно представительной выборкой объектов класса. К этой группе принадлежит интенсивно развивающееся направление искусственных нейронных сетей [94-95,97]. Отсутствие эталонов с количественными описаниями классов дыхательных шумов делает затруднительным использование этой группы методов для автоматического анализа ЗД.
Алгоритмы методов классификации без учителя базируются на индуктивном логическом выводе. Наиболее распространенное и популярное направление-методы кластерного анализа [99]. Центральными понятиями в кластерном анализе являются: мера близости объектов внутри класса (метрика) и мера близости между классами объектов (стратегия) [98-99, 92]. Наиболее распространенные метрики представлены в таблице 3.2, а наиболее часто применяемые стратегии - в таблице 3.3. - непрерывности: мера d(x„Xj)должна быть непрерывной функцией своих аргументов; d(x„x,) = d(x,,x,). - симметричности: v " v J , - нормируемости: мера d(x„Xj)должна меняться в пределах от 0 до 1, причем d(x„Xj) = О, если х, = Xj; - инвариантности: для преобразования f, допустимого в шкале данного типа, d(x,,Xj) = d\f{x,), f{xt)}; требование треугольника: для любых трех объектов а, Ь, с справедливо- d{ac) {d(ab) + d(bc)}
Допустимо существование мер, удовлетворяющих не всем приведенным требованиям (снимаются, например, требования 4 и 5). В пространствах номинальных признаков, мера близости между объектами может принимать дискретные значения [87,90,84].
Адекватность применения той или иной меры близости между объектами (метрики) зависит от шкал, в которых измерены признаки, принятые для описания объектов, и представительности выборки. В [86] рассматриваются меры близости между объектами в пространстве разнотипных признаков.
Так как для описания звуков дыхания использованы дискретные признаки измеренные в абсолютной шкале, целесообразно в качестве меры близости между описаниями ДШ применять метрику, основанную на евклидовом расстоянии (его квадрате), или метрику городских блоков.
Автоматический анализа ЗД должен позволить уверенно распознавать, по крайней мере, 2 класса - Норма и Нарушения, максимальное число классов пока неограниченно. Необходимо, чтобы каждый класс объединял ЗД, характерные для локализации отдельного вида ДШ (устойчивого сочетания аускульта-тивных признаков). Целесообразно в этом случае применять иерархические процедуры кластерного анализа, т.к. они позволяют, посредством иерархиче ского дерева, получить представление о стратификационной структуре всей ис следуемой совокупности объектов, что позволяет увеличить число классов (при необходимости).
Существуют два вида процедур иерархической классификации: агломеративные процедуры (объекты объединяются в подмножества возрастающего объема до тех пор, пока вся классифицируемая выборка не объединится в одно множество); дивизимные процедуры (исходная выборка разделяется до тех пор, пока количество классов не станет равным количеству объектов). Результатом классификации и в том и в другом случае будет иерархическое дерево. Эффективность работы алгоритмов классификации зависит от: - объема и состава обучающей (рабочей) выборки; - информативности системы признаков, выбранной для описания объектов. Важно, чтобы обучающая выборка была представительной, т.е. достоверно отражала структуру генеральной совокупности объектов. В общем случае, чем больше объем обучающей выборки, тем больше вероятность того, что ее структура отражает структуру генеральной совокупности. Однако, назвать определенное число обучающих объектов, необходимых и достаточных для успешного обучения невозможно [90,100].
Выбор информативной системы признаков для описания объектов может производиться в два этапа: первоначальный состав признаков для описания объектов задается неформализованным путем, на основе опыта и интуиции эксперта [86], затем с помощью формальных методов исходная система признаков проверяется на достаточность и необходимость. В [82,86,88] описано несколько эвристических алгоритмов, позволяющих выбрать наиболее информативные признаки из имеющихся: методы последовательного сокращения (алгоритм Del) и добавления признаков (алгоритм Add), метод случайного поиска с адаптацией и метод направленного таксономического поиска признаков. Рекомендации по оценке информативности признаков даются в [91].
В [82,96] изложена итерационная процедура выбора рабочего словаря при знаков с помощью критерия информативности: 1) информативность определяется для всех признаков; 2) с признаком, чья информативность максимальна поочередно комплектуются остальные признаки, в результате чего образуются парные сочетания признаков; 3) для каждой из образованных пар вычисляется информативность; 4) в систему признаков включается пара, для которой значение информативности максимально; 5) к выбранной паре последовательно присоединяются по одному из оставшихся одиночных признаков и определяется оптимальная в смысле максимальной информативности тройка признаков и т.д.
Процедура повторяется до тех пор, пока не будет найдена система признаков, для которой информативность равна единице. Если не найдено ни одной системы признаков, информативность которой равна единице, необходимо пополнить словарь признаков.
Описанные процедуры фильтрации признаков целесообразны при их значительном числе. Учитывая, что размерность вектора признаков Y не будет превышать 10 и что при его формировании мы использовали известные из медицинской литературы сведения об интервалах наблюдения аускультативных феноменов, было принято решение отказаться от формальных способов проверки информативности и коррекции системы признаков и основываться на результатах экспериментальной проверки создаваемых классификаций ДШ.
Схема устройства регистрации и анализа дыхательных шумов
В предлагаемом варианте технической реализации КРЗ можно рассматривать как устройство регистрации и анализа дыхательных шумов.
Схема устройства (рис.4.3) включает акустоэлектрический преобразователь 1, выполненный в виде электретного микрофона, выход 2 которого соединен кабелем 3 с входом 4 звуковой платы 5 персонального компьютера 6. Вы 155 ход 7 звуковой платы 5 подключен к электроакустическому преобразователю 8. Акустоэлектрический преобразователь 1 закреплен во внутренней полости 9 головки фонендоскопа 10, которая вмонтирована в днище 11 цилиндрической камеры 12 так, что ее мембрана 13 расположена в плоскости 14 днища 11. Цилиндрическая камера 12 помимо днища 11 снабжена крышкой 15, в центре которой образовано отверстие 16. Кабель 3 пропущен через отверстие 16 и закреплен в нем эпоксидным компаундом 17. За цилиндрической камерой 12 расположен электронный усилитель 18, который включен между выходом акусто-электрического преобразователя 1 и входом 4 звуковой платы 5. Размещение акустоэлектрического преобразователя внутри стетоскопической головки позволяет упростить регистрацию дыхательных шумов от места возникновения (грудной клетки, спины и гортани) и снизить влияние посторонних (внешних) шумов при регистрации.
Устройство регистрации и анализа ДШ Устройство регистрации и анализа ДШ работает следующим образом. Сидящему (или стоящему) обследуемому устанавливают акустоэлектрический преобразователь 1 (электретный микрофон) на грудную клетку (в одной из стандартных точек аускультации). Пациент дышит, и соответствующий акустический сигнал, преобразованный с помощью акустоэлектрического преобразователя 1 в электрический сигнал, поступает через электронный усилитель 18 на вход 4 звуковой платы 5, затем подвергается оцифровке записи. С помощью программы, установленной на персональном компьютере 6, оцифрованный сигнал длительностью Юс фиксируется в памяти компьютера 6, а затем регист рируется на жестком диске. Обработка записанного дыхательного шума осуще ствляется с помощью программы, установленной на жестком диске персональ ном компьютера 6. С целью удаления помех (сетевых наводок, вибраций мышц) производится фильтрация сигнала в полосе частот 45-2000 Гц ( 2.1.4).
В рассматриваемом техническом решении акустическая информация с исследуемого участка поверхности тела воспринимается раструбом, который работает, как стетоскоп. Микрофон, который должен выполнять функции преобразователя (Я?) закрепляется на расстоянии Z (3, 5, 10 мм).
Выбор устройства Яг осуществлялся на множестве выпускаемых промышленностью конденсаторных микрофонов, которые обладают наиболее приемлемыми техническими характеристиками.
Выбор класса конденсаторных микрофонов объясняется тем, что они имеют широкий частотный диапазон, малую неравномерность частотной характеристики, низкий уровень нелинейных и переходных искажений, высокую чувствительность и низкий уровень собственных шумов при одновременных ограничениях на размеры. Номинальный диапазон частот у конденсаторных микрофонов может достигать величины 20...20000 Гц, неравномерность частотной характеристики чувствительности во всем диапазоне частот - не более 8 дБ. Особой разновидностью конденсаторного микрофона является электретный микрофон, у которого пластины конденсатора, изготовленные из специального материала, постоянно заряжены и не требуют источника напряжения.
На основании проведенного информационного поиска в сети Internet, вы бор был остановлен на отечественном микрофоне МИНОР 05 как оптимального по соотношениям чувствительность/частотный диапазон и цена/доступность: Тип: Выносной микрофон Длина шнура: (м) 0.75 м Диапазон воспроизводимых частот: 45-12000 Гц Чувствительность 20мВ/Па, Разъем подключения: 2,5 и 3,5мм.
Приемник акустического сигнала (стетоскопическая головка) и преобразователь этого сигнала в электрический (микрофон) собраны в едином корпусе. Чертеж корпуса датчика на базе стетоскопической головки приведен в приложении 4.1. Датчик в собранном виде представлен на рисунке 4.4 [38-41].
При построении компьютерного канала регистрации звуков дыхания мы исходили из факта, что минимальный уровень звукового сигнала, который может различать обычный человек, не ниже 20 дБ, что эквивалентно звуковому давлению в 6,5 10-4 Па. При подключении микрофона с чувствительностью 20 мВ/Па такое давление вызовет ЭДС равную 0,13 мВ, чего не достаточно для получения качественного сигнала с микрофонного входа звуковой карты, следовательно, необходимо обеспечить усиление аналогового входного сигнала.
Расчет операционного усилителя выполнен с учетом коэффициента усиления по напряжению Ки, граничной частоты 1ф, напряжения смещения UCM температурного коэффициента. Коэффициент усиления по напряжению рассчитывается по формуле:
Необходимо усилить сигнал, поступающий с микрофона UBx МАХ =0.13 мВ, до уровня сигнала, достаточного для работы микрофонного усилителя звуковой карты UMAX = 1-5 мВ, таким образом: и = Ш=П-5 ИЛИ К" м=Ш8К» Kmm=20Logll.5 = 21.2dE Так как мы имеем дело с очень малыми, сигналами, то необходимо, чтобы напряжение смещения было как можно меньше. Из списков электронных компонентов по этому параметру лидирует отечественный операционный усилитель К548УН1Б, зарубежный аналог LM381. Микросхема представляет собой двухканальный малошумящий усилитель для предварительного усиления сигналов частотой до 1 МГц для применения в высококачественной стереофонической бытовой и студийной аппаратуре записи и воспроизведения звука, а также для использования в измерительной аппаратуре (анализаторы спектра, измерители нелинейных искажений, широкополосные усилители). Усилитель имеет встроенный стабилизатор напряжения, внутреннюю частотную коррекцию, защиту от короткого замыкания [42,43,46-48]. Корпус типа 201.14-1, масса не более 1 г. Корпус, параметры и характеристики приведены в приложение 4.2.
Микрофон, выполняющий функции АЭП, может подключаться к линейному или микрофонному входам звуковой карты. Сравнение этих каналов по уровню аппаратного шума показывает, что при регистрации слабых сигналов предпочтительнее использование линейного входа. На рисунках 4.5а,б приведены фонограммы записи аппаратного шума для указанных каналов. Использование линейного входа обеспечивает уровень аппаратного шума в 1.7 раза меньше по сравнению с микрофонным. Вывод справедлив по всему частотному диапазону (рис.4.6).
