专利名称：呼吸状态分析设备、呼吸状态显示设备及其处理方法
技术领域：
本公开涉及呼吸状态分析设备，更具体地涉及基于包括诸如人类之类的活体的呼吸声的时序呼吸信号来分析人类的呼吸状态的呼吸状态分析设备和呼吸状态显示设备、其处理方法和令计算机运行该方法的程序。
背景技术：
使用听诊器等的呼吸声监测已被广泛执行以检查生物状态。用于基于包括用听诊器等监测的呼吸声的时序呼吸信号来分析呼吸状态的呼吸状态分析设备已被研发。例如，用于通过在具有事先设置的不同长度的多个时间区间的每一个时间区间中对呼吸声数据执行快速傅立叶变换(FFT)处理来计算谱信息和通过分析谱信息来检测异常声的设备已被提出(例如，参见日本未实审专利申请公开No. 2005-066045)。在该相关技术中，异常声是通过基于声谱图和声谱图上的谱包络判断定义异常声的类型的主频分量 (共振峰)是否已持续预定时段来检测的。例如，当高频分量(500赫兹到1000赫兹)以大于等于预定强度的强度持续了小于等于25毫秒的时段时，判定该高频分量由不连续罗音 (rale)生成。当大于等于400赫兹的频率以大于等于预定强度的强度持续了大于等于250 毫秒的时段时，判定该频率由连续罗音生成。不连续罗音和连续罗音中的每一个是呼吸声中包含的外来声，并且被判定为异常声。
发明内容
在上述相关技术中，在检测呼吸声中包括的异常声并且通过测量具有特定频率分量的信号已持续的时段来执行判断之前，时间区间被事先设置。该方法涵盖了基于语音生成模型的语音识别中使用的方法。将与用于语音识别的模型相同的模型应用于呼吸声异常性判断的适当性未被证明。因此，很多人的各种正常状态和各种异常状态不能被准确检测。希望通过量化活体呼吸的正常性或异常性来准确检测各种正常状态或各种异常状态。根据本公开的实施例，提供了呼吸状态分析设备、呼吸状态分析设备的处理方法和程序。呼吸状态分析设备包括被配置成获取包括活体的呼吸声的时序呼吸信号的呼吸信号获取部件、被配置成识别作为包括呼吸信号中的呼吸声的时间区间的呼吸区间的呼吸区间识别部件、被配置成针对所识别的呼吸区间生成呼吸信号的预定特征值的特征值生成部件、以及被配置成基于特征值来生成呼吸信号中包括的呼吸声的异常度的呼吸异常度生成部件。结果，呼吸信号的时间区间中的呼吸声的异常度被量化。呼吸状态分析设备还可包括被配置成生成呼吸信号和事先设置的呼吸声模型之间的相关度的呼吸声相关度生成部件以及被配置成基于相关度来生成表示呼吸信号的呼吸声相似性的呼吸声可靠度的呼吸声可靠度生成部件。呼吸区间识别部件可基于呼吸声可靠度来识别呼吸区间。结果，呼吸区间基于呼吸声模型和呼吸信号之间的相关度而被识别。在呼吸状态分析设备中，呼吸声相关度生成部件可包括被配置成对呼吸信号执行
4时间频率转换并生成时间频率信号的时间频率转换单元、被配置成将时间频率信号投影到呼吸声模型的基底向量(basis vector)中并生成基底转换信号的基底转换单元、以及被配置成对基底转换信号执行预定非线性变换并输出相关度的非线性变换单元。结果，相关度基于呼吸声模型的基底向量而被生成，并且呼吸区间基于相关度而被识别。呼吸状态分析设备还可包括被配置成基于异常度来判断呼吸声是处于正常呼吸状态还是异常呼吸状态的呼吸异常性判断部件。结果，呼吸异常性基于量化的异常度而被判定。这种情况下，呼吸异常性判断部件还可判定正常呼叫状态和异常呼吸状态之间的中间状态。呼吸状态分析设备还可包括被配置成测量每单位时间的被识别呼吸区间的个数并输出作为呼吸次数的测量结果的呼吸率测量单元。结果，呼吸次数作为呼吸状态之一被输出。根据本公开的另一实施例，提供了一种呼吸状态显示设备，该呼吸状态显示设备包括被配置成获取包括活体的呼吸声的时序呼吸信号的呼吸信号获取部件、被配置成识别作为包括呼吸信号中的呼吸声的时间区间的呼吸区间的呼吸区间识别部件、被配置成针对所识别的呼吸区间生成呼吸信号的预定特征值的特征值生成部件、被配置成基于特征值来生成呼吸信号中包括的呼吸声的异常度的呼吸异常度生成部件、被配置成基于异常度来判断呼吸声是处于正常呼吸状态还是异常呼吸状态的呼吸异常性判断部件、以及被配置成显示呼吸声的判断结果的显示部件。结果，呼吸信号的时间区间中的呼吸声的呼吸异常性被显不。根据本公开的实施例，可以通过量化活体的呼吸的正常性或异常性来准确检测各种正常状态或各种异常状态。
图1是例示了根据本公开实施例的呼吸状态显示系统的示意性配置的图示；图2是例示了根据本公开第一实施例的呼吸状态分析设备的示意性配置的图示；图3是例示了根据本公开实施例的呼吸声相关度生成部件的示意性配置的图示；图4是例示了根据本公开实施例的时间频率信号的示例的图示；图5是例示了根据本公开实施例的呼吸声基底向量的示意性学习过程的图示；图6是例示了根据本公开实施例的呼吸声可靠度生成部件的示意性配置的图示；图7是例示了根据本公开实施例的呼吸声可靠度负荷的示意性学习过程的图示；图8是例示了根据本公开实施例的呼吸异常度生成部件的示意性配置的图示；图9是例示了根据本公开实施例的呼吸异常性负荷的示意性学习过程的图示；图10是根据本公开实施例的呼吸状态分析方法的示意性流程图；并且图11是例示了根据本公开第二实施例的呼吸状态分析设备的示意性配置的图
7J\ ο
具体实施例方式下面将描述本公开的实施例(以下称为“实施例”)。将按以下次序来进行描述1.第一实施例(使用呼吸信号的特征值的示例)
2.第二实施例(使用呼吸信号的相关度和特征值的示例)<1.第一实施例>[呼吸状态显示系统的配置]图1是例示了根据本公开实施例的呼吸状态显示系统的示意性配置的图示。该呼吸状态显示系统包括呼吸信号测量设备10、噪声减少设备20、呼吸状态分析设备30和显示设备40。呼吸信号测量设备10测量包括诸如人类的活体的呼吸声的时序呼吸信号。听诊器可被用作呼吸信号测量设备10。放置在嗓子附近的麦克风或者与嗓子或胸上的皮肤接触的压力传感器或加速度传感器可执行测量。噪声减少设备20对由呼吸信号测量设备10测量的呼吸信号执行噪声减少处理。 活体周围的环境声以及活体的心跳声被认为是噪声。噪声减少设备20例如是使呼吸声的频率分量通过的带通滤波器或低截止滤波器。呼吸状态分析设备30基于已通过噪声减少设备20的呼吸信号中包括的呼吸声来分析呼吸状态。呼吸状态例如是每单位时间的呼吸次数或表示呼吸被正常还是异常地进行的呼吸异常性。显示设备40是用于显示由呼吸状态分析设备30分析的呼吸状态的监视器。显示设备40例如是液晶显示器(IXD)。显示设备40是权利要求中的显示部件的示例。[呼吸状态分析设备的示意性配置]图2是例示了根据本公开第一实施例的呼吸状态分析设备30的示意性配置的图示。呼吸状态分析设备30包括呼吸信号获取部件110、呼吸声相关度生成部件120、呼吸声可靠度生成部件130、呼吸区间识别部件140、呼吸率测量部件150、特征值生成部件160、呼吸异常度生成部件180和呼吸异常性判断部件190。呼吸信号获取部件110获取包括诸如人类的活体的呼吸声的时序呼吸信号。在该示例中，已通过呼吸信号测量设备10和噪声减少设备20的呼吸信号被输入到呼吸信号获取部件110并且呼吸信号获取部件110获取该呼吸信号。呼吸信号获取部件110所获取的呼吸信号经由信号线119被供应到呼吸声相关度生成部件120和特征值生成部件160。呼吸声相关度生成部件120生成从呼吸信号获取部件110供应来的呼吸信号和事先设置的呼吸声模型之间的相关度。呼吸声模型基于很多呼吸声学习样本而被创建，并且必须很大程度上反映呼吸声的特性。由呼吸声相关度生成部件120生成的呼吸声相关度经由信号线1 被供应到呼吸声可靠度生成部件130。呼吸声可靠度生成部件130基于由呼吸声相关度生成部件120生成的呼吸声相关度来生成表示每离散时间的呼吸信号的呼吸声相似性的呼吸声可靠度。由呼吸声可靠度生成部件130生成的呼吸声可靠度经由信号线139被供应到呼吸区间识别部件140。呼吸区间识别部件140基于从呼吸声可靠度生成部件130供应来的呼吸声可靠度来识别呼吸区间，该呼吸区间是包括呼吸信号中的呼吸声的时间区间。由呼吸区间识别部件140识别的呼吸区间被供应到呼吸率测量部件150和特征值生成部件160。呼吸率测量部件150通过对由呼吸区间设备部件140识别的呼吸区间的个数进行计数来测量每单位时间的呼吸次数。所述单位时间例如是一分钟。由呼吸率测量部件150 测量的呼吸次数是将经由信号线159输出到显示设备40并作为呼吸状态之一显示的显示目标。呼吸次数可被用来生成特征值。这种情况下，呼吸次数经由信号线159被供应到特征值生成部件160。特征值生成部件160生成从呼吸信号获取部件110供应来的呼吸信号中的、由呼吸区间识别部件140识别的呼吸区间的特征值。作为呼吸信号的特征值，从呼吸信号中的呼吸区间直接获得的信号幅度值、幅度值的改变、谱值、谱值的改变、过零率或过零率的改变可被使用。为了简单起见，在目标呼吸区间中获得的这种值通过平均、加权平均或均方而被积分。呼吸区间附近的由呼吸率测量部件150测量的呼吸次数可被用作特征值。可按需要对特征值执行基底转换和非线性变换。由特征值生成部件160生成的特征值经由信号线 169被供应到呼吸异常度生成部件180。呼吸异常度生成部件180基于由特征值生成部件160生成的特征值来生成从呼吸信号获取部件110供应来的呼吸信号中包括的呼吸声的异常度。由呼吸异常度生成部件 180生成的呼吸异常度经由信号线189被供应到呼吸异常性判断部件190。呼吸异常性判断部件190基于由呼吸异常度生成部件180生成的呼吸异常度来判断从呼吸信号获取部件110供应来的呼吸信号中包括的呼吸声是处于正常呼吸状态还是异常呼吸状态。呼吸异常性判断部件190执行的判断的结果是将经由信号线199输出到显示设备40并作为呼吸状态之一显示的显示目标。[呼吸声相关度的生成]图3是例示了根据本公开实施例的呼吸声相关度生成部件120的示意性配置的图示。呼吸声相关度生成部件120包括时间频率转换单元121、基底转换单元122、非线性变换单元123和呼吸声基底向量存储单元125。时间频率转换单元121对从呼吸信号获取部件110供应来的呼吸信号执行时间频率转换并生成时间频率信号X(t，k)。作为时间频率转换，短时傅立叶变换可被执行。可替代地，能够提供类似效果的带通滤波器组或小波变换可被使用或执行。另外，可对通过短时傅立叶变换获取的谱执行诸如Mel频率转换之类的频率轴变形。通过时间频率转换单元121的时间频率转换获得的时间频率信号例如被例示于图4。时间t表示离散时间，并且频率k表示离散频率。时间t和频率k的交点表示时间频率信号X(t，k)。阴影深度表示时间频率信号的强度。时间频率信号在深的部分强而在浅的部分弱。也就是说，在某个时间t，时间频率信号指示与频率k 一致的某种起伏(undulation)。 该起伏随时间而改变。呼吸声基底向量存储单元125存储事先设置的呼吸声模型的常数Cn和基底向量 Wn(k)0基底向量\(10是频率k的函数，并且对于每个基底编号n，存在Wn(k)。常数(^是与每个基底相关的常数，并被用于调整原点的位置。如稍后描述的，呼吸声模型的常数和基底向量可以例如通过将呼吸声或非呼吸声的正确答案给予多个呼吸声学习样本而生成。基底转换单元122将时间频率信号X (t，k)投影(project)到呼吸声模型的基底向量wn(k)中并生成基转换信号Y(t，η)。基底转换信号Y(t，n)是通过下式获得的
权利要求
1.一种呼吸状态分析设备，包括呼吸信号获取部件，被配置成获取包括活体的呼吸声的时序的呼吸信号；呼吸区间识别部件，被配置成识别作为包括所述呼吸信号中的呼吸声的时间区间的呼吸区间；特征值生成部件，被配置成针对所识别的呼吸区间生成所述呼吸信号的预定的特征值；以及呼吸异常度生成部件，被配置成基于所述特征值来生成所述呼吸信号中包括的呼吸声的异常度。
2.根据权利要求1所述的呼吸状态分析设备，还包括呼吸声相关度生成部件，被配置成生成所述呼吸信号和事先设置的呼吸声模型之间的相关度；以及呼吸声可靠度生成部件，被配置成基于所述相关度来生成表示所述呼吸信号的呼吸声相似性的呼吸声可靠度，并且其中所述呼吸区间识别部件基于所述呼吸声可靠度来识别所述呼吸区间。
3.根据权利要求2所述的呼吸状态分析设备，其中所述呼吸声相关度生成部件包括被配置成对所述呼吸信号执行时间频率转换并生成时间频率信号的时间频率转换单元、被配置成将所述时间频率信号投影到呼吸声模型的基底向量中并生成基底转换信号的基底转换单元、以及被配置成对所述基底转换信号执行预定非线性变换并输出所述相关度的非线性变换单元。
4.根据权利要求1所述的呼吸状态分析设备，还包括被配置成基于所述异常度来判断呼吸声是处于正常呼吸状态还是异常呼吸状态的呼吸异常性判断部件。
5.根据权利要求4所述的呼吸状态分析设备，其中所述呼吸异常性判断部件还判定正常呼吸状态和异常呼吸状态之间的中间状态。
6.根据权利要求1所述的呼吸状态分析设备，还包括被配置成测量每单位时间的被识别呼吸区间的个数并输出作为呼吸次数的测量结果的呼吸率测量部件。
7.一种呼吸状态显示设备，包括呼吸信号获取部件，被配置成获取包括活体的呼吸声的时序的呼吸信号；呼吸区间识别部件，被配置成识别作为包括所述呼吸信号中的呼吸声的时间区间的呼吸区间；特征值生成部件，被配置成针对所识别的呼吸区间生成所述呼吸信号的预定的特征值；呼吸异常度生成部件，被配置成基于所述特征值来生成所述呼吸信号中包括的呼吸声的异常度；呼吸异常性判断部件，被配置成基于所述异常度来判断呼吸声是处于正常呼吸状态还是异常呼吸状态；以及显示部件，被配置成显示对呼吸声的判断结果。
8.—种呼吸状态分析方法，包括获取包括活体的呼吸声的时序的呼吸信号；识别作为包括所述呼吸信号中的呼吸声的时间区间的呼吸区间；针对所识别的呼吸区间生成所述呼吸信号的预定特征值；以及基于所述特征值来生成所述呼吸信号中包括的呼吸声的异常度。
9. 一种程序，该程序令计算机运行获取包括活体的呼吸声的时序的呼吸信号；识别作为包括所述呼吸信号中的呼吸声的时间区间的呼吸区间；针对所识别的呼吸区间生成所述呼吸信号的预定特征值；以及基于所述特征值来生成所述呼吸信号中包括的呼吸声的异常度。
全文摘要
这里公开了呼吸状态分析设备、呼吸状态显示设备及其处理方法。呼吸状态分析设备包括呼吸信号获取部件，被配置成获取包括活体的呼吸声的时序呼吸信号；呼吸区间识别部件，被配置成识别作为包括呼吸信号中的呼吸声的时间区间的呼吸区间；特征值生成部件，被配置成针对所识别的呼吸区间生成呼吸信号的预定特征值；以及呼吸异常度生成部件，被配置成基于特征值来生成呼吸信号中包括的呼吸声的异常度。
文档编号A61B5/08GK102525477SQ201110409158
公开日2012年7月4日 申请日期2011年12月1日 优先权日2010年12月8日
发明者安部素嗣, 明贺知香, 西口正之 申请人:索尼公司