Результат интеллектуальной деятельности: УСТРОЙСТВО АНАЛИЗА БРОНХОФОНОГРАММ

Изобретение относится к способу неинвазивного (неразрушающего, т.е. не требующего операционного вмешательства в организм пациента) контроля состояния дыхательных органов человека или животного и к устройству для его осуществления. Область применения охватывает медицину, где проводится диагностика состояния органов человека (бронхолегочные заболевания), а также может использоваться в ветеринарии для оценки патологий органов животных.

Известны и широко применяются различные устройства неинвазивного (неразрушающего) контроля состояния бронхолегочных органов человека. Например, одноканальные или многоканальные электронные фонендоскопы с пьезоэлектрическим, оптоэлектронным или кардиомикрофонным датчиками [1-5].

Существенным признаком этих способов и устройств является то, что врач принимает решение о патологии путем анализа акустических сигналов, отображаемых на экране монитора, или путем оценки характеристик звуковых сигналов с помощью головных микрофонов.

Недостатки способов и устройств заключаются в больших массо-габаритных характеристиках (исключается возможность эксплуатации в виде носимого варианта), в низкой помехоустойчивости и невысоком быстродействии.

Кроме этого, указанные способы и устройства работают не в автоматическом режиме, т.к. они только предоставляют информацию о состоянии органа оператору (врачу), по которым специалист (врач узкой специализации) должен сделать заключение о наличии патологий органа человека.

В качестве прототипа рассмотрим электронный бронхофонограф, который выполнен как приставка к настольному компьютеру (ноутбуку) и содержит дыхательную маску с миниатюрным микрофоном, акустический усилитель, блок электронных фильтров, аналого-цифровой преобразователь, микроконтроллер, узел связи с персональной ЭВМ, комплект программ для обработки, хранения, поиска и визуализации полученных данных.

Недостатками устройства являются конструктивная и эксплуатационная сложность, существенные массогабаритные показатели, необходимость использования персонального компьютера для обработки получаемых данных, их поиска, хранения и визуализации, необходимость проведения исследований в специально подготовленном помещении и невозможность эксплуатации как носимый (мобильный) вариант устройства. Кроме этого, способ и устройство не работают в автоматическом режиме.

Задачей является создание устройства, повышающего оперативность, быстродействие, точность, функциональную возможность и удобство диагностики анатомического и функционального состояния дыхательных органов человека или животного.

Поставленная задача достигается тем, что, как в известном и заявляемом устройстве электронной бронхофонографии, получают и анализируют акустические сигналы, отображают и передают информацию в интернет.

Отличием предлагаемого устройства от известного является то, что формируют эталонную и текущую матрицы акустических сигналов о патологии органов, сравнивают эталонную и текущую матрицы и автоматически принимают решение о патологии при Вейвлет-, Фурье-, фрактальном и корреляционном анализе сигналов.

Кроме того, при анализе эталонной и текущей матриц формируют и анализируют комплексный параметр сравнения.

Кроме того, снимаемые с объекта акустические сигналы дополнительно фильтруют нелинейным фильтром, подавляют шумы и аппроксимируют.

Поставленная задача достигается также тем, что, как и известное устройство, заявляемое устройство анализа бронхофонограмм содержит последовательно соединенные дыхательную маску, закрепляемую на объекте, микрофон, акустический усилитель, блок электронных фильтров, аналого-цифровой преобразователь и микроконтроллер, подключенный через последовательно соединенные двунаправленными связями узел связи и персональную электронно-вычислительная машину к компьютеру, а также синхронизатор и блок питания.

Отличаем предлагаемого устройства от известного является то, что цифровая цветная видеокамера подключена к отдельному входу компьютера, ко входу микроконтроллера подключена миниатюрная электромеханическая система, выполненная с возможностью закрепления на пациенте, содержащая звукоусиливающую мембрану, звукоприемник и корпус и последовательно соединенная с фильтром акустических сигналов, блоком подавления шумов, блоком обработки и анализа сигналов, блоком поддержки принятия решений, входом и выходом соединенным с микроконтроллером, к отдельному выходу миниатюрной электромеханической системы подключены последовательно соединенные цифроаналоговый преобразователь, телефонный усилитель и головные телефоны.

Кроме того, блок поддержки принятия решений содержит последовательно соединенные интерфейс, блок памяти и микропроцессор.

Кроме того, фильтр акустических сигналов выполнен в виде линейного и адаптивного фильтров.

Кроме того, блок подавления шумов выполнен в виде полосового и нелинейного преобразователя сигналов.

Кроме того, блок обработки и анализа сигналов выполнен в виде спектрального и частотно-временного анализатора сигналов, нелинейного и многоскоростного преобразователей сигналов.

Кроме того, цветной сенсорный экран выполнен в виде емкостного жидкокристаллического сенсорного дисплея.

Кроме того, внешний носитель данных выполнен в виде флэш-накопителя.

Кроме того, буферный накопитель выполнен в виде флеш-накопителя.

Кроме того, клавиатура буферного накопителя выполнена в виде емкостного жидкокристаллического сенсорного дисплея.

Кроме того, дополнительный универсальный блок питания выполнен в виде интегрированного источника питания, объединяющего солнечную батарею, аккумулятор и источник переменного тока.

Предлагаемое устройство иллюстрируется фиг. 1-10.

На фиг. 1 дана структурная схема устройства.

На фиг. 2 представлена структурная схема миниатюрной электромеханической системы.

На фиг. 3 дана структурная схема блока поддержки принятия решений.

На фиг. 4 представлены взаимные спектры дыхательных шумов на поверхности грудной клетки пациентов.

На фиг. 5 дан график 20-ти сингулярных собственных чисел матрицы сигналов.

На фиг. 6 показан исходный сигнал (черным цветом) и тренд, найденный с использованием 10-ти сингулярных членов аппроксимации.

На фиг. 7 представлены результаты фазочастотного прослеживания волнового поля сигнала.

На фиг. 8 даны эталонные ФАН-образы, выделенные для различных классов патологий и для здорового дыхания.

На фиг. 9 приведен пример нейросетевого обучения и тестирования.

На фиг. 10 показаны графики ошибок обобщения с доверительными интервалами на проверочной выборке.

На фиг. 1 приведена структурная схема устройства, которая включает следующие блоки:

1 - объект (пациент);

2 - дыхательная маска;

3 - микрофон;

4 - акустический усилитель;

5 - блок электронных фильтров (БЭФ);

6 - аналого-цифровой преобразователь (АЦП);

7 - цифровая цветная видеокамера (ЦЦВ);

8 - узел локальной беспроводной связи (УЛБС);

9 - дополнительный внешний носитель данных (ДВНД);

10 - дополнительный микрофон;

11 - дополнительный АЦП;

12 - клавиатура буферного накопителя (КБН);

13 - буферный накопитель;

14 - встроенный цветной сенсорный экран (ВЦСЭ);

15 - компьютер;

16 - узел связи с персональной ЭВМ (УСПЭВМ);

17 - микроконтроллер;

18 - головные телефоны;

19 - телефонный усилитель;

20 - цифроаналоговый преобразователь;

21 - миниатюрная электромеханическая система (МЭМС);

22 - блок поддержки принятия решений (БППР);

23 - блок обработки и анализа сигналов (БОАС);

24 - блок подавления шумов (БПШ);

25 - фильтр акустических сигналов;

26 - синхронизатор;

27 - универсальный блок питания.

На фиг. 1 показаны следующие связи:

- электрические связи;

- многоканальные электрические связи;

- механические связи;

- акустические связи;

- радиоканал.

Устройство работает в двух режимах: подготовка эталона и контроль (диагностика) органов дыхания пациента. Режим работы устанавливается клавиатурой буферного накопителя (КБН) 12 через буферный накопитель 13, микроконтроллер 17, УСПЭВМ 16 на компьютере 15. В режиме подготовки эталона формируется матрица (цифровой массив) акустических сигналов, характеризующих состояние здорового органа. Для этого по сигналу от синхронизатора 26 включаются все блоки устройства и сигнал объекта 1 поступает через дыхательную маску 2 и микрофон 3, закрепляется на объекте 1, на акустический усилитель 4, который усиливает электрический сигнал. Далее этот сигнал фильтруется от помех блоком электронных фильтров (БЭФ) 5 и через микроконтроллер 17, узел связи с персональной ЭВМ (УСПЭВМ) 16 передается в компьютер 15 для последующего его анализа и оценки патологии органов дыхания пациента. Одновременно с функционированием блоков 2-6, 11, 15, 16 включается миниатюрная электромеханическая система (МЭМС) 21, закрепляемая на объекте 1. МЭМС 21 размещается в фокусе звуковой линзы звукоприемника, обеспечивает дополнительное усиление сигнала с помощью звукоусиливающей мембраны звукоприемника (звукоусиливающая мембрана, звукоприемник входят в состав МЭМС 21). Поскольку мембрана плотно прилегает к телу пациента, а корпус датчика из специальных материалов, уровень внешних шумов оказывается несущественным (см. вариант исполнения МЭМС, фиг. 2). От МЭМС 21 сигналы поступают для анализа по трем следующим каналам: во-первых, сигнал от МЭМС 21 оцифровывается цифроаналоговым преобразователем (ЦАП) 20, усиливается телефонным усилителем 19 и отображается на головных телефонах 18; во-вторых, сигнал от МЭМС 21 поступает через микроконтроллер 17 и узел связи с персональной ЭВМ (УСПЭВМ) 16 на компьютер (микропроцессор) 15, который по специальной программе анализирует сигналы, описывающие патологии дыхательных органов пациента (объект 1); в-третьих, сигнал от МЭМС 21 фильтруется от помех и шумов фильтром акустических сигналов (ФАС) 25 и блоком подавления шумов (БПШ) 24 соответственно и поступает через блок обработки и анализа сигналов (БОАС) 23 на блок поддержки принятия решений (микропроцессор) (БППР) 22, на второй вход которого поступает сигнал от компьютера 15 через УСПЭВМ 16 и микроконтроллер 17. БППР 22 формирует поступающую информацию от БОАС 23 и от компьютера 15 (через блоки 16, 17) в качестве эталонного массива данных (см. вариант выполнения БППР 22). Далее эталонная информация (от БППР 22) записывается через блоки 17, 16 в память компьютера 15 или в дополнительный внешний носитель данных (ДВНД) 9. С помощью встроенного цветного сенсорного экрана (ВЦСЭ) 14 корректируется информация в компьютере 15 и отображается на экране ВЦСЭ 14. Цифровая цветная видеокамера (ЦЦВ) 7 снимает информацию (изображение) о состоянии пациента и другую информацию (например, рекомендации о лечении от врача). На этом заканчивается работа устройства в режиме подготовки эталона (эталонной информации - ЭИ). При этом необходимая информация от блоков устройства передается через узел беспроводной связи (УПС) 8 в сеть интернет и локальную вычислительную сеть поликлиники.

В режиме контроля (диагностики) вычислительные блоки 2-26 устройства работают аналогично режиму подготовки эталона. В этом режиме текущая информация (ТИ) соответствует уже измененному изображению дыхательного органа (при наличии патологии). Эта информация также записывается (как и ЭИ) в память компьютера 15 и ДВНД 9. Далее происходит сравнение ЭИ и ТИ и определяется степень изменения органа пациента. На этом один цикл работы устройства заканчивается.

На фиг. 2 представлена структурная схема миниатюрной электромеханической системы, которая содержит следующие блоки:

28 - звукоусиливающая мембрана;

29 - звукоприемник;

30 - усилитель;

31 - корпус.

МЭМС 21 функционирует следующим образом.

Конструктивно блоки МЭМС 21 собраны в корпусе 31, с помощью которого миниатюрная электромеханическая система закрепляется к телу пациента (объекта 1). МЭМС 21, размещаемая в фокусе звуковой линзы звукоприемника, обеспечивает дополнительное усиление сигнала с помощью звукоусиливающей мембраны 28.

Поскольку мембрана 28 плотно прилегает к телу пациента, а корпус датчика из специальных материалов, уровень внешних шумов оказывается несущественным. Далее звуковой сигнал от ЗУМ 28 преобразуется в электрический сигнал с помощью звукоприемника 29 и усиливается усилителем 30.

ФАС 25, БПШ 24 и БОАС 23 обеспечивают линейную фильтрацию сигнала (селекция сигнала в частотной области), полосовую фильтрацию сигнала (выделение сигнала в заданной полосе частот), адаптивную фильтрацию сигнала (распознавание сигнала), спектральный и частотно-временной анализ, нелинейную обработку сигнала (вычисление корреляции, медианная фильтрация, векторное кодирование), многоскоростную обработку сигнала (интерполяция и децимация (уменьшение частоты дискретизации сигнала)) [7-10,17].

На фиг. 3 дана структурная схема блока поддержки принятия решений (БППР) 22, которая состоит из следующих узлов:

32 - интерфейс;

33 - блок памяти;

34 - микропроцессор.

БППР 22 (может быть выполнен в виде микропроцессора АРМ) работает следующим образом.

На интерфейс 32 БППР 22 от БОАС 23 и от микроконтроллера поступают акустические сигналы от органов дыхания, т.е. от дыхательной маски и от МЭМС 21. Таким образом, БППР 22 формирует две матрицы в следующем виде:

где индексы Э и Т означают эталонную и текущую информацию соответственно; - частотные характеристики сигнала (снимаемых с дыхательной маски 2 и МЭМС 21); F, F′ - Фурье-спектр мощности сигналов; G,G′ - амплитудные и геометрические характеристики огибающей сигнала (форма сигнала). При этом блок памяти 33 запоминает сначала эталонную информацию (в режиме подготовки эталона), а затем - текущую информацию (в режиме восприятия текущей информации).

Компьютер 15 выполнен в виде микропроцессора ARM. Компьютер 15 в режиме определения патологии сравнивает эталонную и текущую информацию следующим образом:

где V - знак сравнения матриц; I - комплексный параметр сравнения эталонной и текущей информации путем корреляционного, Фурье-, Вейвлет-, фрактального и нейросетевого анализа [7, 9, 10].

Рассмотрим вариант работы ФАС 25, БПШ 24, БОАС 23, БППР 22 и компьютера 15. Приведем пример выделения спектральной составляющей структурного анализа дыхания (звука) по тканям методами низкочастотной фильтрации.

Разделение спектральных составляющих воздушного и структурного проведения дыхательных шумов на грудную клетку показано на фиг. 4. Здесь представлено:

а) над нижними отделами легких в норме,

б) над верхними отделами легких в норме,

в) над нижними отделами легких при патологии;

Re (W) - вещественная часть взаимного спектра, Im (W) - мнимая часть взаимного спектра.

Анализ мнимой части взаимного спектра Im (W), характеризующей соотношение воздушного и структурного проведения [10], показывает, что составляющие воздушного проведения голоса в норме доминируют в диапазоне частот от 100 до 300 Гц в нижних отделах легких (рис. 2, а) и от 100 до 150-200 Гц в верхних (рис. 2, б). Над участками с патологическими отклонениями (рис. 1, в) наблюдается замещение составляющих воздушного проведения составляющими структурного проведения в этих областях спектра, что может быть признаком локального нарушения проходимости дыхательных путей.

На фиг. 5 и фиг. 6 приведены примеры сингулярного разложения матрицы для выделения референтного сигнала.

На фиг. 7 приведен пример построения амплитудного волнового поля выделенного референтного сигнала, фазочастотное прослеживание волнового поля акустического сигнала (алгоритм равновесной обработки амплитудного сигнала).

На фиг. 8 приведен пример формирования эталонных ФАН-образов бронхолегочных патологий на основе расчета функций качества (алгоритм неравновесной обработки амплитудного сигнала) (ФАН - фазовременной анализ).

Здесь представлено:

- класс 0 - здоровое дыхание;

- класс 1 - жесткое дыхание;

- класс 2 - звучные влажные (средние и мелкопузырчатые) хрипы;

- класс 3 - крепитация;

- класс 4 - свистящие хрипы;

- класс 5 - сухие хрипы;

- класс 6 - дискантовые хрипы, усиливающиеся при форсированном выдохе.

На фиг. 9 приведен пример нейросетевого обучения и тестирования.

На фиг. 10 приведен график ошибки обучения нейронной сети.

Графики, приведенные на фиг. 9-10, свидетельствуют о работоспособности способа и устройства на примере применения нейросетевых технологий обучения (распознаваний патологий органов дыхания)

Результаты, представленные на фиг. 4-10, получены согласно [9-17].

По сравнению с известными, предлагаемый способ и устройство обладают более высокими оперативностью, быстродействием и точностью работы, а также более высокими функциональными возможностями и удобством диагностики анатомического и функционального состояния дыхательных органов человека или животного.

Покажем это на примере работы устройства.

Оперативность, быстродействие и удобство диагностики анатомического и функционального состояния органов человека или животного повышается вследствие реализации носимого (малогабаритного) варианта устройства и исключения необходимости проведения диагностики (исследования) в специально подготовленном помещении. Кроме того, удобство предлагаемого устройства обеспечивается введением встроенного цветного сенсорного экрана, дополнительного микрофона, цифровой цветной видеокамеры, буферного накопителя с клавиатурой буферного накопителя, а также введением функции связи с сетью интернет и локально-вычислительной сетью поликлиники (за счет узла локальной беспроводной связи).

Высокие точностные характеристики предлагаемого устройства обеспечиваются, во-первых, за счет съема дополнительной акустической информации с помощью миниатюрной электромеханической системы, во-вторых, введением дополнительной фильтрации, подавления шумов, обработки и анализа акустических сигналов, в-третьих, путем комплексного (интегрального) сравнения эталонной и текущей информации за счет корреляционного, Фурье-, Вейвлет-, фрактального и нейросетевого анализа (сигналов и информации).

Источники информации

1. Фонендоскоп - стетоскоп электронный с пьезодатчиком. А.с. RU 2173538 C2 от 05.04.1995.

2. Электронный фонендоскоп с кардиомикрофоном. А.с. RU 2196512 C2 от 06.01.2000.

3. Многоканальный электронный стетоскоп. А.с. RU 2229843 C2 от 24.12.2001.

4. Индивидуальный электронный стетоскоп. Патент RU 2316256 C2 от 22.01.2004.

5. Оптоэлектронный фонендоскоп. Патент на полезную модель RU 86434 U1 от 17.06.2009.

6. Электронный бронхофонограф. А.с. 2038041 от 16.09.1992 (Тех. паспорт. Прибор бронхофонографический диагностический автоматизированный «ПАТТЕРН - 01» по ТУ9442 - 001 - 02066411 - 2008, №РУ: 04789, номер регистрационного удостоверения: ФСР2009/04789, дата регистрации 22.04.2009) (ПРОТОТИП).

7. Сырямкин В.И. и др. Современные методы исследования материалов и нанотехнологий. Учебное пособие (Лабораторный практикум) / Под ред. д.т.н., профессора В.И. Сырямкина. - Томск: Изд-во Том. Ун-та, 2010. - 366 с.

8. Сырямкин В.И. и др. Системы технического зрения: Справочник / Под ред. В.И. Сырямкина, B.C. Титотова. - Томск: МГП РАСКО, 1992. 367 с.

9. Сырямкин В.И. и др. Адаптивные нейросетевые алгоритмы диагностики материалов, оборудования и радиоэлектронной аппаратуры. - SaarbrUcken, Deutschland. Lambert - Academie Publishing, 2013. - 269 s.

10. Аведюк O.A., Сырямкин В.И. и др. Математические методы информатики в задачах и примерах. Опыт применения в проектировании сложных систем. - Томск: Изд-во Том. Ун-та, 2012. - 484 с.

11. Бауман Е.В., Дорофеюк А.А. Классификационный анализ данных // В сб.: "Избранные труды Международной конференции по проблемам управления. Том 1". М.: СИНТЕГ, 1999.

12. Бауман Е.В., Зубчевский Н.С. Задача качественной размытой классификации // Вторая международная конференция по проблемам управления. Тезисы докладов. Том 1. М.: ИЛУ РАН, 2003. С. 144.

13. Вовк И.В., Гринченко В.Т., Олейник В.Н. Проблемы моделирования акустических свойств грудной клетки и измерения шумов дыхания // Акуст. журн. 1995. Т. 41, №5. С. 758-768.

14. Коренбаум В.И., Кулаков Ю.В., Тагильцев А.А. Происхождение шумов везикулярного дыхания // Физиология человека. 1997. Т. 23, №4. С. 133-135.

15. Кулаков Ю.В., Малышенко И.Ю., Коренбаум В.И. Возможности комбинированной бронхофонографии в диагностике пневмоний // Пульмонология. 2002. Т. 12, №5. С. 29-32.

16. Кулаков Ю.В., Тагильцев А.А., Коренбаум В.И., Кириченко С.А. Прибор для исследования состояния бронхиальной проходимости // Мед. техника. 1995. №5. С. 20-23.

17. Тихонов В.И. Статистическая радиотехника // М.: Советское радио, 1966. - 678 с.