法律状态公告日
法律状态信息
法律状态
2019-03-29
未缴年费专利权终止 IPC(主分类):A61B7/04 授权公告日:20161012 终止日期:20180411 申请日:20140411
专利权的终止
2016-10-12
授权
授权
2014-08-20
实质审查的生效 IPC(主分类):A61B7/04 申请日:20140411
实质审查的生效
2014-07-23
公开
公开
技术领域
本发明涉及医学信号分析领域,特别涉及一种基于肺音的肺间质纤维化的数字化检测分析方法。
背景技术
肺间质纤维化是一种常见的肺部疾病,目前,医生通常通过观察胸部X光片或胸部CT片来评估肺纤维间质化的严重程度。由于X射线具有放射性,对患者的健康有较大影响,因此不易频繁进行胸片及胸部CT检查。且成本也较高。
医生通过听诊肺间质纤维化患者的肺音,可以听到与疾病相关的爆裂音,在一定程度了解患者的病情。听诊简便易行,可随时随地操作,对患者的健康无影响,可以多次检测分析,便于医生及时掌握患者病情。然而其准确程度依赖医生的个人经验,客观性较差。且人耳进行的听诊的缺点是存在非定量化和一定的主观性,只能单个人听诊,前后对比只能是医生的个体行为,难以进行量化分析。而听诊器性能的限制也会使肺音信号不能良好地传输,而人耳对声音的灵敏度也因人而异,即使是受过专门训练的专科医师,其主观感觉和经验也有一定的局限性,导致诊断结果受人为因素影响较大,从而造成诊断结果的准确性偏低。
发明内容
本发明的目的是提供一种基于肺音的肺间质纤维化的数字化检测分析方法,采用该检测分析方法对肺间质纤维化患者的肺音进行量化分析,来评估患者的肺纤维间质化的严重程度,对患者的健康无影响,检测更安全,可以多次检测分析,分析更客观,准确性高,且成本低,操作简单,适合于监测跟踪间质性肺炎患者的病情程度。
具体的技术方案是:
一种基于肺音的肺间质纤维化的数字化检测分析方法,包括以下步骤:
1)选取采集到的一个时段内的数字化肺音信号,该数字化肺音信号的采样频率为f;
2)对步骤1)中的数字化肺音信号进行归一化处理;
3)对步骤2)中归一化处理后的数字化肺音信号,采用Mallat正交小波变换快速算法进行小波分解,选择小波基函数和小波分解层数j,将肺音信号分解为频段不同的各个小波分解分量信号,各小波分解分量信号由相应的小波分解系数进行小波重构得到;
4)分别计算步骤3)中的各小波分解分量信号的信号特征,根据肺间质纤维化爆裂音信号主要分布频段,判断出各小波分解分量信号中与爆裂音信号主要分布频段对应的几个小波分解分量信号,并将这几个小波分解分量信号的信号特征求和,即得到表征肺间质纤维化程度的指标;肺间质纤维化爆裂音信号主要分布频段为200Hz-1000Hz。
5)将表征肺间质纤维化程度的指标与参照指标进行比较,即可得出肺间质纤维化的严重程度。
步骤2)中对肺音信号进行归一化处理采用的公式为: ,其中是归一化处理前肺音数据的第i个数据,是归一化处理前肺音数据的最小值,是归一化处理前肺音数据的最大值,是归一化处理前肺音数据的第i个数据。
步骤1)所述的数字化肺音信号的采样频率f为8000~10000Hz,如果该数字化肺音信号的采样频率不在8000~10000Hz,可以对该肺音数据进行重采样到采样频率为9000Hz。
步骤1)所述的数字化肺音信号的分析时段应包含2个或2个以上呼吸周期。
所述数字化肺音信号的时间长度为8s-12s。
步骤3)所述的小波分解层数j≥5,第n层小波分解分量信号对应的高频频段Dn为:f/~f/,n为1,2,3…j,f为信号采样频率。
步骤3)所述的小波基函数为dbN系列,3≤N≤5。
步骤4)所述的各小波分解分量信号的信号特征为标准差,若信号为,其标准差计算公式为:
其中,N是数组的个数,m是数组的均值,。
步骤4)所述的各小波分解分量信号的信号特征为能量,若信号为,其能量计算公式为:
其中,N是数组的个数,m是数组的均值,。
申请人通过采集肺间质纤维化患者的肺音,对肺音信号进行小波分析,为医生提供一种肺音量化分析方法,本方法属于安全的检测方法,检测方法简单,成本低,便于重复多次检测,便于医生作治疗前后的对比以及同一时间不同部位的对比,便于医生及时掌握患者病情,对患者的健康无影响,且更具客观性,准确性高,还具有数字化的特点。
附图说明
图1为本发明的检测分析方法流程图;
图2(a)是患者A治疗前的肺音及小波分解图,图2(b)是患者A治疗半年后复查时的肺音及小波分解图。
具体实施方式
参见图1,一种基于肺音的肺间质纤维化的数字化检测分析方法,其特征在于包括以下步骤:
1)选取采集到的一个时段内的数字化肺音信号,该数字化肺音信号的采样频率为f。所述的数字化肺音信号的分析时段应包含2个或2个以上呼吸周期。所述数字化肺音信号的时间长度一般取8s-12s。采用电子听诊器采集记录患者的肺音信号。为了规范数字化分析方法,如果肺音数据的采样范围不在8000Hz-10000Hz范围,在小波分解前需要对数据进行重采样,使其重采样后信号采样频率为9000Hz。肺音数据重采样可以采用Matlab的resample函数来实现,或者是自行编程来实现,重采样后的肺音数据的采样频率为9000Hz。
2)对步骤1)中的数字化肺音信号进行归一化处理,使其数值范围为[-1,1]。由于不同的数字化听诊器的放大倍数不同,来自不同的数字听诊设备采集到的肺音的幅度范围存在较大的差异,为了便于分析多个不同幅度范围的肺音信号,可以将采集的肺音信号先进行归一化处理。
对肺音信号进行归一化处理采用的公式为:,其中是归一化处理前肺音数据的第i个数据,是归一化处理前肺音数据的最小值,是归一化处理前肺音数据的最大值,是归一化处理前肺音数据的第i个数据。
3)对步骤2)中归一化处理后的数字化肺音信号,采用Mallat正交小波变换快速算法进行小波分解,选择小波基函数和小波分解层数j,将肺音信号分解为频段不同的各个小波分解分量信号,各小波分解分量信号由相应的小波分解系数进行小波重构得到。
本步骤采用Mallat正交小波变换快速算法实现信号的小波变换。从频谱分析的角度看,小波变换是将信号分解成低频和高频两部分,在下一层的分解中,又将低频部分实施再分解。设原始输入信号为,则,Mallat算法可以描述为:
(1)
信号在第j层的分解结果为。
所述的小波分解层数j≥5,第n层小波分解分量信号对应的高频频段Dn为:f/~f/,n为1,2,3…j,f为信号采样频率。如果肺音数据的采样范围在8000Hz-10000Hz范围内,所述的小波分解层数j为5效果为佳。所述的小波基函数采用dbN系列,3≤N≤5。优选地,所述小波基函数为db3。
4)分别计算步骤3)中的各小波分解分量信号的信号特征,根据肺间质纤维化爆裂音信号主要分布频段,判断出各小波分解分量信号中与爆裂音信号主要分布频段对应的几个小波分解分量信号,并将这几个小波分解分量信号的信号特征求和,即得到表征肺间质纤维化程度的指标;肺间质纤维化爆裂音信号主要分布频段为200Hz-1000Hz。采样频率为8000Hz-10000Hz的肺音信号,其爆裂音主要集中在小波分解的D3,D4,D5分量中。计算小波分解第3、4、5层的细节分量的信号特征和std(D3+D4+D5),即得到表征肺间质纤维化程度的指标。
步骤4)所述的各小波分解分量信号的信号特征为标准差,若信号为,其标准差计算公式为:
其中,N是数组的个数(数据的长度),m是数组的均值,。对于小波分解的细节分量,其均值。
步骤4)所述的各小波分解分量信号的信号特征也可以为能量。对于一定长度的信号,信号的能量越大,对应信号的标准差越大。采用能量作为信号特征没有标准差稳定。
若信号为,其能量计算公式为:
其中,N是数组的个数(数据的长度),m是数组的均值,。对于小波分解的细节分量,其均值。
5)将表征肺间质纤维化程度的指标与参照指标进行比较,即可得出肺间质纤维化的严重程度。选取相同时间长度、同一部位的多段数字化肺音信号,重复上述步骤即可得到多个表征肺间质纤维化程度的指标和参照指标,分别求多个表征肺间质纤维化程度的指标和参照指标的平均值后再进行比较,即可得出肺间质纤维化的严重程度,使得本方法分析更精确。
参照指标是选取的参照肺音信号通过本方法步骤计算出来的。采用本方法时,一般选取采集到的同一时间长度的两个数字化肺音信号(采用相同的肺音检测设备获取),分别采用Mallat正交小波变换快速算法进行小波分解,继续各个步骤后得出两个表征肺间质纤维化程度的指标,将两个指标进行比较,即可通过被检测肺音信号的指标与参照指标的差别,判断出被检测对象肺间质纤维化的严重程度。两个指标中一个指标为被检测指标,一个为参照指标。两个数字化肺音信号中一个为被检测肺音信号,一个为参照肺音信号。
采用本方法可以分析出被检测对象患有肺间质纤维化的严重程度,以及被检测对象不同部位的病情严重情况,以及被检测对象的治疗效果。若采用本方法分析被检测对象的治疗效果,则选择被检测对象治疗前的肺音与治疗后的肺音,通过本方法分别得出两个表征肺间质纤维化的程度的指标后进行比较,即可得出被检测对象的肺间质纤维化是否有改善。若采用本方法分析被检测对象不同部位的病情严重情况,则选择被检测对象同一时间不同部位的肺音,通过本方法分别得出两个表征肺间质纤维化的程度的指标后进行比较,即可得出被检测对象哪个部位的病情比较严重。
采集2名间质性肺炎患者的肺音,患者A发病期间以及治疗半年后的肺音和患者B不同部位的肺音。采用数字听诊器进行肺音的检测与记录。采样频率为9000Hz。所有肺音数据选取8秒的时间长度,采用Matlab编程对存储的所有肺音数字文件进行读取和分析,首先对读取的肺音数字信号进行归一化处理,然后进行小波分解,小波选择db3,进行5层小波分解,小波分解如图2所示,不同的小波成分对应不同的频段,D1:2250-4500Hz,D2:1125-2250Hz,D3:562.5-1125Hz,D4:281.25-562.5Hz,D5: 140.625-281.25Hz, A5: 0-140.625Hz。其中,A5,D5,D4,D3,D2,D1分别是进行5层小波分解后得到的小波分解分量。
参见图2,图2(a)是间质性肺炎患者A治疗前的肺音及小波分解图,图2(b)是患者A治疗半年后复查时的肺音及小波分解图。s为采集到的肺音信号,A5,D5,D4,D3,D2,D1分别是进行5层小波分解后得到的小波分解分量。从肺音及小波分解图中也可以看出,患者A患病期间肺音存现明显的爆裂音,而且爆裂音主要集中在小波分解的D3,D4,D5分量中。
分别计算在8秒时间段内,6个小波分解分量的标准差,表1是患者A肺音的小波分量标准差,(a)是治疗前采集的5段的肺音小波分量标准差,(b)是治疗半年后采集的5段的肺音小波分量标准差。表2是患者B肺音的小波分量标准差,(a)右下背采集的5段的肺音小波分量标准差,(b)右上背采集的5段的肺音小波分量标准差。
表1 患者A肺音小波分量标准差
(a)治疗前肺音
(b)治疗半年后肺音
表2 患者B肺音小波分量标准差
(a)右下背记录肺音
(b)右上背记录肺音
由于肺音信号的小波细节分量D3,D4,D5的信号频段包含的肺间质纤维化相关的爆裂音的主要频率分布范围,D3、D4,D5的小波分解信号中包含了肺间质纤维化相关的爆裂音的主要信息,肺音小波分量D3、D4和D5的能量和与标准差和可以在很大程度表征爆裂音的强弱与多少。肺音小波分量D3、D4和D5的标准差和std(D3+D4+D5)可以表征爆裂音的多少,从表1数据分析可知,患者A患病期间肺音及治疗半年后肺音的D3、D4和D5的标准差和的平均值分别为0.25和0.057,可以明显看出患者A治疗半年后肺音的D3、D4和D5的标准差和远远小于患者A患病期间肺音的D3、D4和D5的标准差和,说明患者A在治疗半年后肺间质纤维化有明显好转。且通过胸片及胸部CT检查也验证了本方法的可行性与准确性。
患者B是在同一时期记录不同部位的肺音,患者B的右上背记录的肺音D3+D4+D5的标准差和均值为0.085,右下背记录的肺音D3+D4+D5的标准差和均值为0.128。从中可以的出这两个部位对应的肺部的严重程度不同。患者B的右下背记录的肺音D3+D4+D5的能量和远远大于患者B的右上背记录的肺音D3+D4+D5的能量和,说明右下肺较右上肺的病情更严重。从影像学检查也得出这两个部位对应的肺部的严重程度不同,右下肺较右上肺的病情更严重,从而也验证了本方法的可行性与准确性。
可以得出:肺音小波分量D3、D4和D5的标准差和的数值大小与肺间质纤维化的严重程度相关,肺音小波分量D3、D4和D5的标准差和std(D3+D4+D5)的值越大,说明与肺间质纤维化相关的爆裂音的能量大,提示肺间质纤维化的程度较严重。肺音小波分量D3、D4和D5的标准差和可以在一定程度反映爆裂音的多少,从而反映间质性肺炎患者的病情严重程度的不同,为医生评估肺间质纤维化患者的严重程度提供间接的参考。本检测分析方法具有操作简单,对患者的健康无影响,可以多次检测分析。这种检测分析方法具有成本低,数字化的特点,为医生提供一种肺音量化分析方法,用于辅助医生了解肺间质纤维化的严重程度。
机译: 数字化胸腔X射线摄影照相及其系统中肺微量营养素自动检测的典型误诊分析方法
机译: 通过自动方案在数字化胸部X线片中检测肺结节产生的假阳性结果的分析方法和系统
机译: 基于st段的数字化分析的生物电信号检测分析方法及系统