JP6136394B2 - Respiratory sound analyzer, respiratory sound analysis method and respiratory sound analysis program - Google Patents
Respiratory sound analyzer, respiratory sound analysis method and respiratory sound analysis program Download PDFInfo
- Publication number
- JP6136394B2 JP6136394B2 JP2013050275A JP2013050275A JP6136394B2 JP 6136394 B2 JP6136394 B2 JP 6136394B2 JP 2013050275 A JP2013050275 A JP 2013050275A JP 2013050275 A JP2013050275 A JP 2013050275A JP 6136394 B2 JP6136394 B2 JP 6136394B2
- Authority
- JP
- Japan
- Prior art keywords
- frequency
- continuous
- unit
- analysis
- sound
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Description
本発明は、呼吸音を分析し、呼吸音から特徴的な箇所を検出する技術に関する。 The present invention relates to a technique for analyzing respiratory sounds and detecting characteristic portions from the respiratory sounds.
呼吸音には様々な情報が含まれている。医師は聴診器を用いて呼吸音を聴くことで異常の有無およびその種類を診断する。近年、在宅医療の拡充が望まれているところ、医師のような専門的技量を必要としない診断機器が必要になってきている。そこで、呼吸音分析をコンピュータ等の機器に実行させ、異常の有無およびその種類を判定できれば、在宅医療の拡充につなげることができる。 Various information is contained in the breath sound. The doctor diagnoses the presence and type of abnormality by listening to the breathing sound using a stethoscope. In recent years, expansion of home medical care is desired, and a diagnostic device that does not require specialized skills such as a doctor is required. Thus, if breathing sound analysis is performed by a device such as a computer and the presence / absence and type of abnormality can be determined, it is possible to expand home medical care.
特許文献１（特開２００５−０６６０４５号公報）には、呼吸音に含まれる異常音を検出するための音データ処理装置が開示されている。特許文献１おいては、まず、呼吸音を所定のサンプリング間隔でデジタル化することによって音データとし、この音データを予め設定された複数の異なる長さの時間区分に基づいてＦＦＴ（Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ）処理する。これにより、この音データに係るパワースペクトルを含む複数のスペクトル情報を算出する。そして、スペクトル情報に基づいて、異常音を特徴付ける優勢な周波数成分（フォルマント）を検出する。この検出されたフォルマントが所定時間継続して発生しているか否かを判定することによって、異常音を検出する。
Japanese Patent Laid-Open No. 2005-066045 discloses a sound data processing device for detecting abnormal sounds included in respiratory sounds. In
特許文献２には、呼吸音を分析する方法が開示されている。特許文献２では、第１のステップにおいて、初期スクリーニングとして呼吸音を複数の第１の基準と比較して暫定的な識別をする。そして、第２のステップにおいて、暫定的に識別された信号が所与の種類の呼吸音の特性を示す第２の基準を満たすかどうかで前記識別を検証する。
特許文献３には、経験の浅い医師のための訓練用としてあるいは判断のためのサポート用としての音情報判定支援方法が開示されている。特許文献３においては、判定対象の音情報と、その音と一番類似した正常音の音情報と、一番類似した異常音の音情報と、をそれぞれ順番に再生することにより、判定音がどちらに近いのかを聞くことができ、的確な判定を支援している。
また、本発明者らは、実際の環境で呼吸音を記録した場合に個々人の病状によってノイズ等の影響が入るという問題を解決するため、特許文献４に記載の方法を発明し出願している。
In addition, the present inventors have invented and filed a method described in
これまでにも特許文献１から特許文献４のように呼吸音信号をコンピュータで解析するための各種方法が開発されてきた。特に特許文献４では、異常音の特徴をより良くとらえるために呼吸音信号から所定の周波数帯域のみの信号を抽出し、予備的に断続性ラ音または連続性ラ音の可能性があるピークを抽出したあと、誤検出訂正を行っていた。このような分析結果は精度が高いものであるので呼吸音の異常判定に多大な貢献をもたらすものであるが、さらにユーザの利便性を向上させることを考えた場合には、この分析結果が聴感と一致しさらに視覚的にもその特徴がすぐにわかるような表示があると望ましいと本発明者らは考えた。あわせて、連続性ラ音を詳細に分類する技術の提供が期待されている。
Various methods for analyzing respiratory sound signals with a computer have been developed so far, as in
そこで本発明の目的は、呼気吸気における特徴的な連続性ラ音を高精度に検出するとともに、聴感と一致する特徴をとらえ、その特徴が視覚的にわかりやすいシンプルな表現で表示できる呼吸音分析装置、呼吸音分析方法および呼吸音分析プログラムを提供することにある。 SUMMARY OF THE INVENTION Accordingly, an object of the present invention is to detect a characteristic continuous rarity in exhaled breathing with high accuracy, capture a feature that matches the sense of hearing, and display the feature in a simple expression that is visually easy to understand. Another object is to provide a respiratory sound analysis method and a respiratory sound analysis program.
本発明の呼吸音分析装置（１００）は、
呼吸音信号が入力される信号入力部（１１０）と、
前記信号入力部（１１０）から入力された前記呼吸音信号における呼吸境界を分析する呼吸境界分析部（１２０）と、
前記信号入力部（１１０）から入力された前記呼吸音信号に対して、人間の聴感および連続性ラ音の特徴に基づく所定の周波数帯域のみの信号を分析対象信号として抽出する第1フィルタ処理部（１４０）と、
前記呼吸境界分析部（１２０）において分析された呼吸境界に基づいて、前記第1フィルタ処理部（１４０）において抽出された分析対象信号に対して、連続性ラ音に関する特徴の分析を行う連続性ラ音分析部（１５０）と、を備える
ことを特徴とする。
The respiratory sound analyzer (100) of the present invention includes:
A signal input unit (110) for inputting a respiratory sound signal;
A respiratory boundary analyzer (120) for analyzing a respiratory boundary in the respiratory sound signal input from the signal input unit (110);
A first filter processing unit that extracts, as an analysis target signal, a signal only in a predetermined frequency band based on characteristics of human audibility and continuous rarity with respect to the respiratory sound signal input from the signal input unit (110). (140),
Based on the breathing boundary analyzed by the breathing boundary analysis unit (120), the continuity for analyzing the characteristics related to the continuous rarity for the analysis target signal extracted by the first filter processing unit (140) And a sound analysis unit (150).
本発明の呼吸音分析方法は、
入力された呼吸音信号における呼吸境界を分析し、
入力された前記呼吸音信号に対して、人間の聴感および連続性ラ音の特徴に基づく所定の周波数帯域のみの信号を分析対象信号として抽出し、
呼吸境界に基づいて、前記分析対象信号に対して、連続性ラ音に関する特徴の分析を行う
ことを特徴とする。
The respiratory sound analysis method of the present invention includes:
Analyze the breathing boundary in the input breathing sound signal,
With respect to the input breathing sound signal, a signal only in a predetermined frequency band based on the characteristics of human audibility and continuous rarity is extracted as an analysis target signal,
On the basis of the breathing boundary, the analysis target signal is analyzed for characteristics related to continuous rales.
本発明の呼吸音分析プログラムは、
コンピュータを、
入力された呼吸音信号に対して呼吸境界を分析する呼吸境界分析部（１２０）と、
入力された前記呼吸音信号に対して、人間の聴感および連続性ラ音の特徴に基づく所定の周波数帯域のみの信号を分析対象信号として抽出する第1フィルタ処理部（１４０）と、
前記呼吸境界分析部（１２０）において分析された呼吸境界に基づいて、前記第1フィルタ処理部（１４０）において抽出された分析対象信号に対して、連続性ラ音に関する特徴の分析を行う連続性ラ音分析部（１５０）と、して機能させる
ことを特徴とする。
The respiratory sound analysis program of the present invention is
Computer
A respiratory boundary analysis unit (120) for analyzing the respiratory boundary with respect to the input respiratory sound signal;
A first filter processing unit (140) for extracting, as an analysis target signal, a signal having only a predetermined frequency band based on characteristics of human auditory sense and continuous rarity with respect to the input respiratory sound signal;
Based on the breathing boundary analyzed by the breathing boundary analysis unit (120), the continuity for analyzing the characteristics related to the continuous rarity for the analysis target signal extracted by the first filter processing unit (140) It is characterized by functioning as a sound analysis unit (150).
本発明によれば、呼気吸気における特徴的な連続性ラ音を高精度に検出するとともに、聴感と一致する特徴をとらえ、その特徴がわかりやすいシンプルな表現で表示する呼吸音分析装置および呼吸音分析プログラムを提供できる。 According to the present invention, a respiratory sound analysis device and a respiratory sound analysis that detect characteristic continuity rales in exhaled breathing with high accuracy, capture features that match auditory sense, and display the features in an easy-to-understand simple expression. Can provide a program.
以下、図面を参照して本発明の実施の形態について説明する。
（第１実施形態）
本発明の呼吸音分析装置に係る第１実施形態を説明する。
図１は、本実施形態である呼吸音分析装置１００のブロック図である。
呼吸音分析装置１００は、信号入力部１１０と、呼吸境界分析部１２０と、フィルタ処理部１４０と、連続性ラ音分析部１５０と、表示情報生成部１６０と、を備える。
信号入力部１１０は、入力された呼吸音信号を、呼吸境界分析部１２０と、フィルタ処理部１４０と、に出力する。
Embodiments of the present invention will be described below with reference to the drawings.
(First embodiment)
1st Embodiment which concerns on the respiratory sound analyzer of this invention is described.
FIG. 1 is a block diagram of a
The respiratory
The
呼吸境界分析部１２０のブロック図を図２に示す。
呼吸境界分析部１２０は、呼吸音信号の各呼吸周期の境界となる箇所を検出する。
呼吸境界分析部１２０は、フィルタ処理部１２１と、包絡線算出部１２２と、境界抽出部１２３と、呼吸数算出部１２４と、を備える。
フィルタ処理部１２１は、所定の周波数帯域のみの信号を分析対象信号として抽出する。また、定常騒音と呼ばれる空調騒音やハムノイズなどの低い周波数帯域の信号を同時に除去するのが望ましい。この場合、カットオフ周波数が６０Ｈｚ以上であるＨＰＦを用いるのが望ましい。また、他のノイズ除去処理を実施したり、入力信号のサンプリングレートに応じてダウンサンプリングしたりしてもよい。
A block diagram of the respiratory
The respiratory
The respiratory
The
包絡線算出部１２２は、フィルタ処理部１２１によって抽出された信号の振幅の包絡線を算出する。包絡線を算出する方法としてはヒルベルト変換が例として挙げられるが、その他の平滑化処理等を用いてもよい。
The
境界抽出部１２３は、包絡線算出部によって算出された包絡線の自己相関値を算出し、各呼吸周期の境界を求める。呼吸周期を求めても良いが、呼吸周期は人間の意志によって変動させることが可能であるため、各呼吸周期の境界を求めるのが望ましい。各呼吸周期の境界を求めるにあたっては、自己相関値が極大値となる時刻を各呼吸周期の境界とする。呼吸の早さは人それぞれであるが、一般的には年齢に応じて、新生児では３５〜５０回／分、乳児では３０〜４０回／分、幼児では２０〜３０回／分、学童では２０回／分、成人では１６〜１８回／分と言われている。したがって、自己相関値が極大値となる時刻を探索するにあたっては、少なくとも３．７５秒以上の長さを持つ分析区間を設定する必要がある。
本実施例では包絡線の自己相関値を用いているが、所定の閾値を用いて振幅レベルを二値化した信号を用いて境界を求める等、包絡線に基づいて境界を求める方法ならばその方法は限定しない。
The
In this embodiment, the autocorrelation value of the envelope is used. However, if the boundary is obtained using a signal obtained by binarizing the amplitude level using a predetermined threshold, the boundary is obtained based on the envelope. The method is not limited.
呼吸数算出部１２４は、自己相関値の極大値が出現する回数、または、呼吸周期に基づいて、呼吸回数を算出する。
以上の処理により求めた各呼吸境界と呼吸数とは、連続性ラ音分析部１５０に入力される。
The respiration
Each respiration boundary and respiration rate obtained by the above processing are input to the continuous
フィルタ処理部１４０は、Ａ特性によるフィルタで補正を行った後、バンドパスフィルタにより連続性ラ音が現れやすい周波数帯域成分の抽出を行う。Ａ特性とは、人間の耳の感覚を考慮した周波数に対する重み付け特性である。Ａ特性のフィルタによって呼吸音信号を補正すると、その補正値は人間の耳で聞いた音の感度を反映した値となる。図３Ａおよび図３Ｂは周波数重み付け特性の一例である。これは騒音計の周波数重み付け特性として知られているものである。図３ＡはＡ特性のフィルタのグラフであり、図３Ｂは図３Ａのグラフから読み取った数値データをテーブルに表したものである。そして、連続性ラ音が現れやすい周波数帯域はおおよそ３０〜２ｋＨｚであることから、前記バンドパスフィルタとしてはこの３０〜２ｋＨｚの周波数帯域を通過させるようにすればよい。Ａ特性補正フィルタおよびバンドパスを通過した呼吸音信号（の大きさ）は、連続性ラ音を含む呼吸音を医師が聴診器で聴いたときの感覚と同等であると言える。
The
連続性ラ音分析部１５０について説明する。
連続性ラ音分析部１５０は、連続性ラ音信号を総合的に分析し、分析結果に基づいて連続性ラ音信号をいくつかの決められたパターンに分類する。分析区間としては一呼吸を一単位とする必然性は必ずしもないが、ここでは、一呼吸毎に特徴分析を行って前記分類を実行するとする。一呼吸の境界としては、呼吸境界分析部１２０によって求められた各呼吸周期の境界を利用すればよい。
以下、一呼吸を分析区間とする。
ここでは、最終的には、連続性ラ音を図１８に示す６つのパターンに分類する。
すなわち６つのパターンとは、（１） 低音性単音、（２）低音性多音、（３）高音性単音、（４）高音性多音、（５）スクォークおよび（６）低音及び高音性多音である。
The continuous
The continuous
Hereinafter, one breath is defined as an analysis interval.
Here, finally, the continuous rales are classified into six patterns shown in FIG.
That is, the six patterns are (1) low tone single tone, (2) low pitch polyphony, (3) high pitch single tone, (4) high pitch polyphony, (5) squak and (6) low pitch and high pitch polyphony. It is a sound.
連続性ラ音分析部１５０のブロック図を図４に示す。
連続性ラ音分析部１５０は、周波数分析部１５１と、ソート機能部１５２Ａと、頻度算出部１５２Ｂと、連続度分析部１５３と、特徴分類部１５４と、を備える。
周波数分析部１５１は、フィルタ処理部１４０でフィルタリングされた信号を用いて、連続性ラ音の分類に用いる分析信号を生成し、さらに、連続性ラ音を分類するための特徴量を算出する。
周波数分析部１５１は、まず、短時間離散ＦＦＴ等の処理を用いて所定の時間長毎の各周波数成分のレベルを示す時間−周波数データを算出する。そして、最大値を０ｄＢとして、正規化処理を行う。正規化処理はデータ全体で行っても良いし、所定の時間長毎に行ってもよい。
FIG. 4 shows a block diagram of the continuous
The continuous
The
First, the
ここで、前記正規化した時間−周波数データのうち、所定の閾値以上となる箇所の周波数を抽出し、データＦｔｈとする。閾値を設ける理由は聴感上、大きな音が特徴として現れやすいからである。前記閾値は−２５ｄＢ〜−２０ｄＢの値とするのが望ましいが限定するものではない。図５は、データＦｔｈの例である。値が０より大きい値である箇所が閾値より大きいと検出された箇所であり、その値は当該箇所の周波数である。（言い換えると、閾値以下の周波数については、その値を０に置き換えたということである。） Here, out of the normalized time-frequency data, a frequency at a location that is equal to or greater than a predetermined threshold is extracted and used as data Fth. The reason for setting the threshold value is that loud sounds tend to appear as features in terms of hearing. The threshold is preferably -25 dB to -20 dB, but is not limited. FIG. 5 is an example of the data Fth. A location where the value is greater than 0 is detected as being greater than the threshold, and the value is the frequency of the location. (In other words, for frequencies below the threshold, the value is replaced with 0.)
次に、前記時間−周波数データから、各時間における周波数軸上のピーク位置を検出する。図６は、任意の時刻における前記時間−周波数データをグラフにプロットした図である。横軸は周波数であり、縦軸は各周波数のパワー（ｄＢ）である。図６のように、閾値ｔｈ以上かつピーク位置である箇所は、ｐ１、ｐ２、ｐ３、ｐ４の四箇所が検出される。こうして算出したデータの例を図７に示す。先に図５において閾値より大きいものとして検出された値のうち、さらにピーク位置に該当するものが図７に残っていることがわかるであろう。こうして求めたデータをデータＦｐとする。 Next, the peak position on the frequency axis at each time is detected from the time-frequency data. FIG. 6 is a graph in which the time-frequency data at an arbitrary time is plotted on a graph. The horizontal axis represents frequency, and the vertical axis represents power (dB) at each frequency. As shown in FIG. 6, four locations p1, p2, p3, and p4 are detected as locations that are equal to or higher than the threshold th and are peak positions. An example of the data calculated in this way is shown in FIG. It will be understood that among the values previously detected as being larger than the threshold value in FIG. 5, those further corresponding to the peak position remain in FIG. The data obtained in this way is defined as data Fp.
ソート機能部１５２Ａは、データＦｐをソートしたデータを生成する。すなわち、各時間においてデータＦｐの各値に対応するレベル値に基づいてソートを実施したデータをデータＦｐＬｖとする。データＦｐＬｖを図８に示す。一方、各時間においてデータＦｐの各値に対応する周波数に基づいてソートを実施したデータをデータＦｐＦｒｅｑとする。データＦｐＦｒｅｑを図９に示す。
The
頻度算出部１５２Ｂは、前記データＦｔｈおよびデータＦｐを用いて分析区間における各周波数の出現頻度を算出し、必要に応じて帯域別に合計したり、それらの比較を行う。データＦｔｈに基づいて各周波数の出現頻度を算出すると、図１０Ａのようになる。また、データＦｐに基づいて各周波数の出現頻度を算出すると、図１０Ｂのようになる。
The
さらに、帯域別に出現頻度を求めると次のようになる。
例えば、２５０Ｈｚ以下という低域における各周波数の出現頻度の合計値（合計頻度）をＤ＿Ｌｏｗとする。
２５０Ｈｚ以上という高域における各周波数の出現頻度の合計値（合計頻度）をＤ＿Ｈｉｇｈとする。
すると、Ｄ＿ＬｏｗおよびＤ＿Ｈｉｇｈはそれぞれ以下の式で算出される。
ここで、Ｄｉは各離散周波数における出現頻度である。
Furthermore, when the appearance frequency is obtained for each band, it is as follows.
For example, let D_Low be the total value (total frequency) of appearance frequencies of frequencies in a low frequency range of 250 Hz or lower.
Let D_High be the total value (total frequency) of the appearance frequencies of each frequency in the high region of 250 Hz or higher.
Then, D_Low and D_High are calculated by the following equations, respectively.
Here, Di is the appearance frequency at each discrete frequency.
ただし、Ｆｓをサンプリング周波数として、ｍはＦｓ／２であり、ｎ1は２５０／（Ｆｓ×ＦＦＴ分析幅）。 However, with Fs as the sampling frequency, m is Fs / 2, and n 1 is 250 / (Fs × FFT analysis width).
また、このように算出した頻度のデータをソート機能部１５２Ａに送り、出現頻度順にソートしてもよい。
Further, the frequency data calculated in this way may be sent to the
連続度分析部１５３は、データＦｔｈまたはデータＦｐのように抽出した周波数のデータを用い、所定条件の下で抽出される周波数が最大でどれぐらい連続して出現するかを分析する。例えば、図７（または図１０Ｂも同じである）において、抽出された周波数が時間軸方向で連続するフレーム数を数えてみる。
すると、１００Ｈｚは最大で３フレーム連続している。
１１０Ｈｚは最大で３フレーム連続している。
１３０Ｈｚは最大で３フレーム連続している。
１４０Ｈｚは最大で６フレーム連続している。
The
Then, a maximum of 3 frames continues at 100 Hz.
110 Hz has a maximum of 3 consecutive frames.
The maximum of 130 Hz is 3 frames.
140 Hz has a maximum of 6 frames.
ここで、連続性ラ音は通常２５０ｍｓｅｃ（サンプリング周波数Ｆｓが８ｋＨｚの場合は１５フレームに相当する）以上、連続性ラ音の中でも特殊なスクォークは１００ｍｓｅｃ（同、６フレーム）前後、音が続くといわれている。したがって、例えば、２５０ｍｓｅｃを閾値として設定したり、あるいは１００ｍｓｅｃを閾値として設定する。そして、抽出された周波数が前記閾値以上に連続していれば、その信号は連続性ラ音の特徴を有していると判断する。 Here, continuous rales are usually 250 msec (corresponding to 15 frames when the sampling frequency Fs is 8 kHz) or more, and special squarks among continuous raks are about 100 msec (six frames). It is said. Therefore, for example, 250 msec is set as a threshold, or 100 msec is set as a threshold. And if the extracted frequency is continuing more than the said threshold value, it will judge that the signal has the characteristic of a continuous rarity.
また、低音性ラ音の場合は、聴感上は連続的に聴こえていてもデータ上では断続的に現れる場合がある。これは、周波数分析部１５１においてレベルが閾値以上のものだけを抽出しているためである。そこで、連続度分析部１５３において内部で移動平均を行い、聴感との対応を図るようにしてもよい。
In addition, in the case of a low-pitched rale sound, it may appear intermittently on the data even if it is heard continuously on the audibility. This is because the
特徴分類部１５４は、頻度算出部１５２や連続度分析部１５３による分析結果に基づいて、連続性ラ音信号を６パターンに分類する。すなわち、頻度算出部１５２および連続度分析部１５３による分析で得られた結果ごとに識別フラグが立てられ、特徴分類部１５４は、図１８のように、識別フラグの組み合わせに基づいて連続性ラ音を６つのパターンに分類する。
The
（動作説明）
連続性ラ音分析部１５０による分析作業の流れを図１２から図１７のフローチャートを用いて説明する。また、図１１は、分析作業に必要なデータと、分析結果を表すフラグと、を一覧にした図であるので適宜参照されたい。
(Description of operation)
The flow of analysis work by the continuous
連続性ラ音分析部１５０においては、これまでに説明したように周波数分析部１５１にてデータＦｔｈおよびデータＦｐを求め、さらに、頻度算出部１５２にて周波数ごとに出現頻度を算出する。この際、データを帯域毎、すなわち、低域、第１高域、第２高域などに分けて、帯域ごとに分析作業を実行する。ここでは周波数帯域を３つに分割し、２５０Ｈｚ未満を低域、２５０〜５００Ｈｚ未満を第１高域，５００〜１ｋＨｚ未満を第２高域とするが、分割の仕方はこれに限られるものではない。図１１の最下段に周波数を三つの帯域に分割し、低域、第１高域および第２高域の関係を示した。
In the continuous
本実施形態では一例として以下の流れで分析作業を行う。
（１）第２高域の分析
（２）高音性か低音性の予備チェック
（３）第１高域の分析
（４−１）低域の分析
（４−２）スクォークの分析
In this embodiment, the analysis work is performed according to the following flow as an example.
(1) Analysis of second high frequency range (2) Preliminary check of high or low frequency (3) Analysis of first high frequency range (4-1) Analysis of low frequency range (4-2) Analysis of squark
（１）第２高域の分析
図１２は、連続性ラ音分析部１５０において、第２高域を分析する場合の動作手順を示すフローチャートである。
第２高域の分析にあたっては、まず、周波数分析部１５１により、５００Ｈｚ以上の周波数を対象として、−２５ｄＢ以上かつピーク位置となる周波数のデータＦｐを生成する（ＳＴ１００）。このデータＦｐをデータ３と称する。さらに、このデータ３を出現頻度順にソートする（Ｓ１１０）。すなわち、頻度算出部１５２Ｂにおいて各周波数の出現頻度を求め、さらに、ソート機能部１５２Ａによって出現頻度順にソートする。出現頻度が高い周波数こそが連続音の特徴をよく表しているからである。この出現頻度順に５番目までの周波数について、連続度分析部１５３にて連続度を算出する（ＳＴ１２０）。具体的にはその周波数が連続して何フレーム出現しているかを数えていく。５つの周波数のうち一つでも２５０ｍｓｅｃ以上連続していれば（ＳＴ１３０：ＹＥＳ）、識別フラグｈｉｇｈ２＿ｍｏｎｏを１に設定する（ＳＴ１４０）。２５０ｍｓｅｃ以上連続している周波数がなければ（ＳＴ１３０：ＮＯ）、識別フラグｈｉｇｈ２＿ｍｏｎｏを０に設定する（ＳＴ１５０）。
(1) Analysis of Second High Frequency FIG. 12 is a flowchart showing an operation procedure when the second continuous high
In the analysis of the second high band, first, the
（２）高音性か低音性かの分析
図１３は、連続性ラ音分析部１５０において、高音性か低音性かを分析する場合の動作手順を示すフローチャートである。
まず、周波数分析部１５１により、２５０Ｈｚ以下の周波数を対象として、−２５ｄＢ以上となる周波数のデータＦｔｈ（データ１）を生成する（ＳＴ２００）。さらに、頻度算出部１５２Ｂにより、データ１における各周波数の出現頻度の合計値（合計頻度）Ｄ＿Ｌｏｗ（データ４）を算出する（ＳＴ２１０）。
(2) Analysis of high-pitched sound or low-pitched sound FIG. 13 is a flowchart showing an operation procedure in the case where continuous
First, the
また、周波数分析部１５１により、２５０Ｈｚ以上５００Ｈｚ以下の周波数を対象として、−２５ｄＢ以上となる周波数のデータＦｔｈ（データ２）を生成する（ＳＴ２２０）。さらに、頻度算出部１５２Ｂにより、データ２における各周波数の出現頻度の合計値（合計頻度）Ｄ＿Ｈｉｇｈ（データ５）を算出する（ＳＴ２３０）。そして、Ｄ＿Ｌｏｗ（データ４）とＤ＿Ｈｉｇｈ（データ５）との大小を比較する（ＳＴ２４０）。Ｄ＿Ｌｏｗ（データ４）＜Ｄ＿Ｈｉｇｈ（データ５）である場合（ＳＴ２４０：ＹＥＳ）、識別フラグｓｕｍ＿ｈｉｇｈを１に設定する（ＳＴ２５０）。すなわち、高音性の連続性ラ音が多いということである。一方、Ｄ＿Ｌｏｗ（データ４）≦Ｄ＿Ｈｉｇｈ（データ５）である場合（ＳＴ２４０：ＮＯ）、識別フラグｓｕｍ＿ｈｉｇｈを０に設定する（ＳＴ２６０）。すなわち、低音性の連続性ラ音が多いということである。
Further, the
（３）第１高域の分析
図１４、図１５は、連続性ラ音分析部１５０において、第１高域を分析する場合の動作手順を示すフローチャートである。
第１高域の分析にあたっては、−２５ｄＢ以上かつピーク位置となる周波数のデータＦｐ（データ６）を周波数分析部１５１にて生成する（ＳＴ３００）。そして、ソート機能部１５２Ａにより、前記データ６をレベルの大きい順にソートしてデータＦｐＬｖを生成する（ＳＴ３１０）。（なお、以後の説明のため、このデータＦｐＬｖをデータ８と称する。データ８は後にスクォーク分析でも使用する。）
また、ソート機能部１５２Ａにより、前記データ６を周波数が高い順にソートしてデータＦｐＦｒｅｑを生成する（ＳＴ３２０）。（以後の説明のため、このデータＦｐＦｒｅｑをデータ９と称する。データ９は後にスクォーク分析でも使用する。）
(3) Analysis of First High Frequency FIGS. 14 and 15 are flowcharts showing an operation procedure when the continuous high
In the analysis of the first high band, frequency data Fp (data 6) of −25 dB or more and the peak position is generated by the frequency analysis unit 151 (ST300). Then, the
The
次に、連続度分析部１５３において、データＦｐＬｖとデータＦｐＦｒｅｑとでそれぞれの第１位となった周波数が一致し、かつ、第１高域に属する周波数であるかどうか見る。そして、それぞれの第１位となった周波数が一致し、かつ、それが第１高域に属する周波数である場合には、それが連続的であるかどうかを見る（ＳＴ３３０）。連続的であるかどうかの閾値としては、１６０ｍｓｅｃ（１０フレーム）とし、１６０ｍｓｅｃ（１０フレーム）以上連続している場合は（ＳＴ３３０：ＹＥＳ）、識別フラグｈｉｇｈ＿ｍｏｎｏを１に設定する（ＳＴ３３１）。すなわち、連続性ラ音は、単音性であるということである。なお、連続的であるかの判断は１６０ｍｓｅｃとすることが望ましいがこれに限定するものではない。
Next, in the
一方、ＳＴ３３０の判定でいずれかの条件を満たさない場合（ＳＴ３３０：ＮＯ）、さらなる分析が必要である。
第１高域に属する周波数を対象として、周波数の出現頻度を見る。すなわち、第１高域に属する周波数を対象として、−２５ｄＢ以上の周波数のデータＦｔｈ（データ２）を求め、さらに、これをソート機能部１５２Ａにより周波数の出現頻度順にソートする（ＳＴ３４０）。そして、出現頻度順の１０番目までの周波数について、それらの連続性を連続度分析部１５３にて算出する（ＳＴ３５０）。さらに、出現頻度順の１０番目までの周波数のなかで２５０ｍｓｅｃ以上連続するかものがいくつあるかをカウントし、１０個の周波数のうちで２５０ｍｓｅｃ以上連続する周波数が１つである場合は（ＳＴ３６０：ＹＥＳ）、識別フラグｈｉｇｈ＿ｍｏｎｏを１に設定する（ＳＴ３３１）。すなわち、連続性ラ音は、単音性であるということである。
On the other hand, if any of the conditions is not satisfied in the determination of ST330 (ST330: NO), further analysis is necessary.
The frequency of appearance of frequency is observed for frequencies belonging to the first high frequency range. That is, data Fth (data 2) having a frequency of −25 dB or more is obtained for frequencies belonging to the first high band, and further sorted by the frequency appearance frequency by the
ＳＴ３６０において、２５０ｍｓｅｃ以上連続する周波数が１つではない場合（ＳＴ３６０：ＮＯ）、連続音が０コであるか、２つ以上あるか、ということである。連続する周波数が２つ以上ある場合には（ＳＴ３７０：ＹＥＳ）、識別フラグｈｉｇｈ＿ｐｏｌｙを１に設定する（ＳＴ３７１）。すなわち、連続性ラ音は多音性であるということである。 In ST360, if there is not one continuous frequency for 250 msec or longer (ST360: NO), it means that there are 0 continuous sounds or 2 or more continuous sounds. If there are two or more continuous frequencies (ST370: YES), the identification flag high_poly is set to 1 (ST371). That is, continuous rales are polyphonic.
連続する周波数が０コの場合（ＳＴ３７０：ＮＯ）、識別フラグｈｉｇｈ＿ｍｏｎｏも識別フラグｈｉｇｈ＿ｐｏｌｙも０に設定する（ＳＴ３７２）。 When the continuous frequency is 0 (ST370: NO), both the identification flag high_mono and the identification flag high_poly are set to 0 (ST372).
ここで、単音性の連続性ラ音が第１高域に有るか無いかを判定するにあたってＳＴ３３０とＳＴ３６０とのように二段階で判断するようにしている。これは、高域の単音性連続性ラ音には、周波数が一定なものと、徐々に低くなるものと、の二種類があり得るからである。周波数が徐々に低くなるものについても検出漏れがないようにしなければならない。（単純に、ある周波数が２５０ｍｓｅｃ以上連続しているかどうかだけでは、周波数が徐々に低くなるものを漏らしてしまう。）そこで、周波数が徐々に低くなる単音性の連続ラ音についても、レベル順のソート（ＳＴ３１０）と周波数順のソート（ＳＴ３２０）とをうまく複合的に利用して、ＳＴ３３０において周波数が徐々に低くなるものも検出できるようにしている。 Here, when determining whether or not a monotonous continuous rar is in the first high range, the determination is made in two stages as in ST330 and ST360. This is because there are two types of high-frequency monotone continuous ra-tones, one with a constant frequency and one with a gradually decreasing frequency. It is necessary to make sure that there is no omission of detection even when the frequency gradually decreases. (Simply, if only a certain frequency is continuous for 250 msec or more, those that gradually decrease in frequency will be leaked.) Therefore, even for monotone continuous rales whose frequency gradually decreases, Sorting (ST310) and sorting in order of frequency (ST320) are used effectively in combination, so that in ST330, it is possible to detect even those whose frequency gradually decreases.
（４−１）低域の分析
図１６は、連続性ラ音分析部１５０において、低域を分析する場合の動作手順を示すフローチャートである。
低域の分析にあたって、まず、データ１を出現頻度の多い順にソートしたものを用意する（ＳＴ４００）。なお、データ１は、−２５ｄＢ以上の周波数のデータであるところ、これは上記（２）高音性か低音性かの分析において既に求めてある（ＳＴ２００）。したがって、このデータ１をメモリ等から呼び出せばよい。
(4-1) Analysis of Low Frequency FIG. 16 is a flowchart showing an operation procedure in the case where low frequency is analyzed in the continuous
In the analysis of the low range, first,
また、データ１について周波数ごとに移動平均をとる（ＳＴ４１０）。このデータ１について移動平均をとったものをデータ７とする。低音性ラ音は、聴感上では連続的に聴こえていてもデータとしては断続的に現れる場合がある。これは周波数分析部１５１においてレベルが閾値以上となる周波数だけを抽出しているからである。そこで移動平均をとることにより、閾値以下で値が０となっていた時間においても何らかの値が入り、連続的に音があるようにデータが並ぶ。移動平均を生成する時間長は、６４ｍｓｅｃ程度が望ましい。試験的に雑音（ピンクノイズ）の間に６４ｍｓｅｃの無音をところどころ挿入した音を聴取したところ、よほど注意深く聴かない限り連続的に聴こえた。６４ｍｓｅｃを超える無音では断続的な特徴が現れて、連続的に聴こえるとは感じなかったためである。このようにして聴感との対応を図ることができる。
Further, a moving average is taken for each frequency for data 1 (ST410).
出現頻度と移動平均とが求まったところで、次に、出現頻度順に１０番目までの周波数について、連続度分析部１５３により連続性を検証する（ＳＴ４２０）。連続性の検証には、データ７を用いる。そして、１０個の周波数のうちで２５０ｍｓｅｃ以上連続している周波数が１つであれば（ＳＴ４３０：ＹＥＳ）、識別フラグｌｏｗ＿ｍｏｎｏを１に設定する（ＳＴ４３１）。連続性ラ音は低域であってかつ単音性であるということである。
When the appearance frequency and the moving average are obtained, the
ＳＴ４３０において、２５０ｍｓｅｃ以上連続している周波数が一つではない場合は（ＳＴ４３０：ＮＯ）、連続音が０コであるか、２つ以上あるか、ということになる。連続する周波数が２つ以上ある場合（ＳＴ４４０：ＹＥＳ）、識別フラグｌｏｗ＿ｐｏｌｙを１に設定する（ＳＴ４４１）。連続性ラ音は低域であってかつ多音性であるということである。連続する周波数が０コである場合（ＳＴ４４０：ＮＯ）、識別フラグｌｏｗ＿ｍｏｎｏも識別フラグｌｏｗ＿ｐｏｌｙも０に設定する（ＳＴ４４２）。低域には、単音性の連続性ラ音も多音性の連続性ラ音も無いということである。 In ST430, when there is not one continuous frequency for 250 msec or more (ST430: NO), it means that there are 0 continuous sounds or two or more continuous sounds. When there are two or more continuous frequencies (ST440: YES), the identification flag low_poly is set to 1 (ST441). The continuous rarity is low frequency and polyphonic. If the continuous frequency is 0 (ST440: NO), both the identification flag low_mono and the identification flag low_poly are set to 0 (ST442). In the low frequency range, there is neither a monotone continuous ra sound nor a multi-tone continuous ra sound.
（４−２）スクォークの分析
図１７は、連続性ラ音分析部１５０において、スクォークの分析を行う場合の動作手順を示すフローチャートである。
スクォークは断続性ラ音に後続して発生することが多く、また、高音性の連続性ラ音と同時には発生しにくい特徴がある。従って、低域の分析の際にスクォークの分析を行うと効率が良い。スクォークは高音性の連続ラ音と違って連続時間が短いので、高音性ラ音であるときにスクォークの分析を行うと、豊富に高音が含まれているため「スクォークあり」との誤判断をしてしまう可能性があるからである。
スクォークの分析にあたって、データ８を呼び出す（ＳＴ５００）。データ８は、第１高域の分析において既に生成済みのデータである（ＳＴ３１０参照）。データ８は、すなわち、−２５ｄＢ以上かつピーク位置となる周波数のデータＦｐをレベル順にソートしたデータＦｐＬｖである。
また、データ９を呼び出す（ＳＴ５１０）。データ９についても、第１高域の分析において既に生成済みのデータである（ＳＴ３２０参照）。データ９は、すなわち、−２５ｄＢ以上かつピーク位置となる周波数のデータＦｐを周波数の高い順にソートしたデータＦｐＦｒｅｑである。
(4-2) Squark Analysis FIG. 17 is a flowchart showing an operation procedure in the case where the continuation blue
In many cases, squarks are generated after intermittent rales, and are not easily generated simultaneously with high-pitched continuous rales. Therefore, it is efficient to perform squark analysis when analyzing low frequencies. Unlike the high-pitched continuous sound, the squark has a short continuous time, so if you analyze the squark when it is a high-pitched sound, it will be misjudged as `` with squark '' because it contains abundant high-pitched sounds. This is because there is a possibility of doing so.
In analyzing the squark, the
そして、このデータ８とデータ９とを用いてスクォークの有無を判定する。すなわち、連続度分析部１５３において、データＦｐＬｖ（データ８）とデータＦｐＦｒｅｑ（データ９）とでそれぞれの第１位となった周波数が一致し、かつ、それが第１高域に属する周波数であるかどうか見る。そして、それぞれの第１位となった周波数が一致し、かつ、それが第１高域に属する周波数である場合には、それが連続的であるかどうかを見る（ＳＴ５２０）。連続的であるかどうかの閾値としては、１００ｍｓｅｃ（６フレーム）とし、１００ｍｓｅｃ（６フレーム）以上連続している場合は（ＳＴ５２０：ＹＥＳ）、識別フラグｈｉｇｈ＿ｍｏｎｏを３に設定する（ＳＴ５３０）。
The
なお、スクォークについて連続性の判断を１００ｍｓｅｃと設定したが、呼吸が早い人の場合はスクォークも短くなるため、呼気吸気の時間周期によって可変することが望ましい。すなわち、呼吸数算出部１２４で算出した呼吸数に基づいて単位時間あたりの呼気吸気時間周期を求めて、その大小によって連続性を判断するための時間を調整するようにする。
Although the continuity determination for squarks is set to 100 msec, it is desirable that the squarks be variable according to the time period of expiration inhalation because the squarks are shortened in the case of a person who breathes quickly. That is, the expiration time period per unit time is obtained based on the respiratory rate calculated by the respiratory
以上ですべての周波数分析は終了である。
次は、これまでに設定された識別フラグの組み合わせに基づいて特徴分類部１５４により連続性ラ音を６つのパターンに分類する。
This completes all frequency analysis.
Next, based on the combination of the identification flags set so far, the
以上の分析を行った後、特徴分類部１５４はそれぞれから出力された識別フラグを用いて６パターンの連続性ラ音に分類する。
識別フラグの組み合わせによる分類パターンを図１８にまとめている。図１８中において、フラグの肩に乗っているアルファベットは、ＯＲ条件であることを表している。すなわち、同じアルファベットが付されたフラグのうちで少なくともいずれか一方が"１"であることが必要であることを示す。
After performing the above analysis, the
The classification patterns based on the combination of identification flags are summarized in FIG. In FIG. 18, the alphabet on the flag shoulder represents the OR condition. That is, it is indicated that at least one of the flags having the same alphabet is required to be “1”.
図１８による条件の組み合わせと分類とを順に列挙すると次のようになる。
（１）ｌｏｗ＿ｍｏｎｏ＝１かつｓｕｍ＿ｈｉｇｈ＝０であれば、低音性単音。
（２）ｌｏｗ＿ｐｏｌｙ＝１かつｓｕｍ＿ｈｉｇｈ＝０であれば、低音性多音。
（３）ｈｉｇｈ２＿ｍｏｎｏ＝１またはｈｉｇｈ＿ｍｏｎｏ＝１、かつ、ｓｕｍ＿ｈｉｇｈ＝１であれば、高音性単音。
（４）ｈｉｇｈ＿ｐｏｌｙ＝１かつｓｕｍ＿ｈｉｇｈ＝１であれば、高音性多音。
（５）ｈｉｇｈ＿ｍｏｎｏ＝３、かつ、ｓｕｍ＿ｈｉｇｈ＝０であれば、スクォーク。
（６）ｌｏｗ＿ｍｏｎｏ＝１またはｌｏｗ＿ｐｏｌｙ＝１であり、かつ、ｈｉｇｈ＿ｍｏｎｏ＝１またはｈｉｇｈ＿ｐｏｌｙ＝１であれば、低音及び高音性多音。
The combinations of conditions and classifications according to FIG. 18 are listed in order as follows.
(1) If low_mono = 1 and sum_high = 0, a low tone single tone.
(2) If low_poly = 1 and sum_high = 0, bass polyphony.
(3) If high2_mono = 1 or high_mono = 1 and sum_high = 1, a high tone is generated.
(4) If high_poly = 1 and sum_high = 1, high pitched polyphony.
(5) If high_mono = 3 and sum_high = 0, the squak.
(6) If low_mono = 1 or low_poly = 1 and high_mono = 1 or high_poly = 1, bass and treble polyphony.
ちなみに、「（６）ｌｏｗ＿ｍｏｎｏ＝１またはｌｏｗ＿ｐｏｌｙ＝１であり、かつ、ｈｉｇｈ＿ｍｏｎｏ＝１またはｈｉｇｈ＿ｐｏｌｙ＝１」を満たすケースとしては、ｌｏｗ＿ｍｏｎｏ＝ｈｉｇｈ＿ｍｏｎｏ＝１、かつ、ｌｏｗ＿ｐｏｌｙ＝ｈｉｇｈ＿ｐｏｌｙ＝０というケースがある。この場合、低域に一つ、第１高域に一つの連続音があるということで、それぞれの音域をみると単音であるが、低域に一つの連続音があり、さらに、第１高域に一つの連続音があるということは少なくとも合計二つ以上の連続音が低域から第１高域の範囲にあるということになる。したがって、この場合、低音及び高音性多音と称している。 Incidentally, as a case satisfying “(6) low_mono = 1 or low_poly = 1 and high_mono = 1 or high_poly = 1”, there is a case of low_mono = high_mono = 1 and low_poly = high_poly = 0. In this case, there is one continuous sound in the low range and one continuous sound in the first high range, and each sound range is a single tone, but there is one continuous tone in the low range, and further, the first high range. The fact that there is one continuous sound in a range means that at least two or more continuous sounds are in the range from the low range to the first high range. Therefore, in this case, it is referred to as bass and treble polyphony.
表示情報生成部１６０は、一見して前記６パターンを判断可能な形式で表示するためのデータを生成する。たとえば、上記６パターンを分類するために用いたピーク周波数のレベル、時間位置および連続性等の特徴に基づいて色彩等を変化させることで視認性に優れた表示情報とすることができる。
The display
表示部２００は、表示情報生成部１６０で生成したデータに基づいて、呼吸音から検出及び分類した連続性ラ音の情報を表示する。
表示例を図１９および図２０に示す。
図１９は、低音および高音性多音を表示した例である。図中で、ハッチングの領域は呼気を示し、ハッチングが無い領域は吸気を示す。また、実線は低域で検出されたラ音を示し、破線は第１高域で検出されたラ音を示す。図２０は高音性単音を表示した例である。
一点鎖線は第２高域で検出されたラ音を示す。
なお、特許図面という制約上カラーを用いた例を示すことができないが、ハッチングや線種ではなく、色分けすればより視認性に優れたものにできることは理解されるであろう。
Based on the data generated by the display
Display examples are shown in FIGS.
FIG. 19 shows an example in which bass and treble polyphony is displayed. In the figure, the hatched area indicates exhalation, and the non-hatched area indicates inspiration. In addition, a solid line indicates a rale detected in the low frequency range, and a broken line indicates a rale detected in the first high frequency range. FIG. 20 shows an example in which a high-pitched tone is displayed.
An alternate long and short dash line indicates a rale detected in the second high frequency range.
In addition, although the example using a color cannot be shown on account of restrictions of a patent drawing, it will be understood that it can be made more excellent in visibility if it is color-coded instead of hatching or line type.
上記構成を備えた本実施形態によれば次の効果を奏することができる。
（１）本実施形態はフィルタ処理部１４０を備えており、フィルタ処理部１４０によって呼吸音信号をまずＡ特性によるフィルタで補正している。このように呼吸音信号を人間の聴感に合うように補正してからその後の分析を行うようにしている。すなわち、連続性ラ音分析部１５０でより詳細に呼吸音信号を分析するにあたっては人の耳で感じるのと同じ特徴を用いるようにしている。その結果、これまで医師が聴感で捉えていた音の特徴を今回の連続性ラ音分析部１５０での分析でも同じように捉えることができる。これまで聴感で捉えられていた音の特徴（低音性、高音性あるいはスクォークなど）は各種の症状と関連付けられているところ、今回の連続性ラ音分析部１５０での分析結果も同じようにして症状の分類に用いることができる。つまり、医師のように耳の訓練をしていない人でも、今回の分析結果を用いることで症状の診断ができるようになるということである。
According to the present embodiment having the above configuration, the following effects can be obtained.
(1) The present embodiment includes a
（２）本実施形態では、呼吸境界分析部１２０を備えているので一呼吸の単位で分析を実行することができる。そして、当然ながら分析結果も一呼吸ごとに得られる。例えば最初を吸気と決めておいて患者には最初に吸ってもらうようにしておけば、吸気と呼気とは交互に表れることになる。あるいは、高音性単音性の連続ラ音は呼気に現れるという特徴を利用し、図１８（３）に該当すると判断された場合には音のある部分に呼気であることを示すハッチングをかけてもよい。したがって、分析結果として得られたラ音が吸気と呼気とのいずれに生じているのかを簡単に決定でき、表示部２００にもそのことを分かりやすく表示させることができる。呼吸音に異常があったとしても、その異常音が呼気に含まれるものか吸気に含まれるものかによって疑われる病気が異なってくるところ（例えば非特許文献１）、本実施形態によれば病気の診断にあたって非常に有益な情報が得られる。また、操作者による手入力や固有の波形データとの比較によって呼気と吸気とを区別するというようなこと（例えば特許文献１）を必要としないので、手間がかかることもなく、呼吸の個人差によらず正確な判定を行うことができる。
(2) In this embodiment, since the respiratory
（３）本実施形態ではソート機能部１５２Aを備えており、周波数分析部１５１で得られた時間−周波数データをレベル順、周波数順、あるいは、出現頻度順にソートすることができる。そして、レベル順、周波数順および出現頻度順にソートした結果を統合的に組み合わせて利用する。すなわち、ソート結果の組み合わせと各種の異常音の特徴とをうまく利用して異常音を抽出するようにしている。例えば各種異常音を抽出するためのテンプレートを用意しておいてパターンマッチングを行うことも考えうるが（例えば特許文献２）、検出したい異常音の種類や個人差を考慮した場合、かなり膨大なテンプレートを用意する必要がある。この点、本実施形態はソート機能部１５２Aというシンプルな方法で上記問題を解決した。
(3) In this embodiment, the
（３）従来の医療現場では低音性連続ラ音、高音性連続ラ音およびスクォークの３種類程度が主として用いられてきた。単音性や多音性といった特徴は症状との関連付けが行われておらず、あまり用いられてこなかった。（単音性と多音性との区別を人の耳で行うには意識的な訓練を長く積む必要があると予想される。）
本実施形態では、これまで聴感で捉えられてこなかった単音性や多音性といった特徴についても詳細に分類することができる。したがって、連続性ラ音分析部１５０での分析結果を利用することにより、単音性や多音性といったラ音の特徴と各種病気の症状との間に関連があるかないかを改めて検証することができる。そして、仮に、単音性や多音性といったラ音の特徴と各種病気の症状との間に関連があることがわかれば、表示部２００の表示を参考にして聴感を訓練することができる。連続性ラ音分析部１５０での分析は聴感に合わせてあるので、意識的に訓練すれば人の耳でも連続性ラ音分析部１５０と同じ分類が可能になるはずである。連続性ラ音分析部１５０での分析にあたって、人間が聞き取れないような周波数やレベルを用いているわけではないからである。
(3) In the conventional medical field, about three types of low-pitched continuous rales, high-pitched continuous rales and squarks have been mainly used. Features such as monophony and polyphony have not been associated with symptoms and have not been used much. (It is expected that conscious training will take a long time to distinguish monophonic and polyphonic sounds with human ears.)
In the present embodiment, it is possible to classify in detail features such as monophony and polyphony that have not been captured by hearing until now. Therefore, by using the analysis result of the continuous
（４）本実施形態では、高域を第１高域と第２高域との二つに分割し、それぞれに対して分析および分類を行っている。これは、高音性連続ラ音においては周波数の違い（第１高域、第２高域）によって単音性ラ音および多音性ラ音の出現に違いがあると考えられるためである。すなわち、高域の中でも比較的低い周波数側（第１高域）では単音性と多音性との両方が見られるので両方を対象にした分析を実行する。一方、高域の中でも比較的高い周波数側（これを第２高域と定義）では笛声音（ピーピー音）がほとんどであるので、単音性を対象にした分析を実行する。（言い換えると、第２高域においては多音性の有無に関する検証をスキップしている。） (4) In this embodiment, a high region is divided into two, a first high region and a second high region, and analysis and classification are performed for each. This is because it is considered that there is a difference in the appearance of a monotone ra sound and a polyphonic ra sound due to a difference in frequency (first high frequency band, second high frequency band) in a high sound continuous ra sound. That is, since both monophony and polyphony are seen on the relatively low frequency side (first high region) in the high region, the analysis for both is performed. On the other hand, since most of the whistle sounds (piepy sounds) are on the relatively high frequency side (defined as the second high frequency range) in the high frequency range, an analysis for a single tone is performed. (In other words, verification regarding the presence or absence of polyphony is skipped in the second high frequency range.)
（第２実施形態）
本発明の第２実施形態を説明する。
図２１に第２実施形態の機能ブロック図を示す。
第２実施形態が第１実施形態と異なる点は、連続性ラ音検出部１３０を備えている点にある。連続性ラ音検出部１３０は、入力された呼吸音信号から連続性ラ音を検出する。この検出方法としては、すでに本発明者らが開発した特許文献４（特願２０１１−２３８４２１）に記載の方法を用いることができるが、限定されるものではない。
一例として、連続性ラ音検出部１３０は、
ピーク周波数を予備的に抽出するピーク抽出部と、
前記ピーク抽出部にて抽出したピーク周波数を連続性ラ音の特徴に基づいて訂正する誤検出訂正部と、
前記誤検出訂正部にて単位時間当たりのピーク周波数の個数が所定数以上である場合に連続音と判定する連続音判定部と、を備えるようにしてもよい。
(Second Embodiment)
A second embodiment of the present invention will be described.
FIG. 21 shows a functional block diagram of the second embodiment.
The second embodiment is different from the first embodiment in that a continuous
As an example, the continuous
A peak extractor for preliminarily extracting the peak frequency;
A false detection correction unit that corrects the peak frequency extracted by the peak extraction unit based on features of continuous rarity;
The false detection correction unit may include a continuous sound determination unit that determines a continuous sound when the number of peak frequencies per unit time is a predetermined number or more.
連続性ラ音分析部１５０によって詳細な分析を行うのであるが、連続性ラ音分析部１５０による詳細な分析の前に連続性ラ音検出部１３０によって異常音（ラ音）の有無を調べておく。そして、呼吸音に連続性ラ音が含まれることが判明した場合には、連続性ラ音分析部１５０による詳細な分析に進めばよい。一方、呼吸音に連続性ラ音が含まれていなければ、連続性ラ音分析部１５０による詳細な分析はスキップすればよい。
The continuous
また、連続性ラ音検出部１３０によって連続性ラ音が検出された場合には、さらに、「連続性ラ音が検出された区間（時間情報）」や「存在の確からしさ」の情報を連続性ラ音分析部１５０に提供するようにしてもよい。そして、連続性ラ音分析部１５０においては、連続性ラ音が検出された区間（時間情報）を優先的に分析するようにしてもよい。これにより、分析に要する時間を短縮することができる。また、「存在の確からしさ」の情報に基づいて分析に用いるパラメータを適宜調整するようにしてもよい。
Further, when a continuous rale is detected by the continuous
また、連続性ラ音検出部１３０によって連続性ラ音に相当する周波数を求めておいてもよい。そして、連続性ラ音分析部１５０による詳細な分析および分類の結果と前記連続性ラ音検出部１３０による検出結果とが一致しない場合には再度詳細に検討するようにしてもよい。
Moreover, the frequency corresponding to the continuous rarity may be obtained by the continuous
なお、本発明は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。
上記実施形態では一呼吸を分析区間として分析したが、呼気、吸気それぞれについて分析すればなお精度の高い分類ができることは言うまでもない。例えば、低音及び高音性多音は、呼気で低音性多音、吸気で高音性単音というように、細かい分類が可能となる。
Note that the present invention is not limited to the above-described embodiment, and can be changed as appropriate without departing from the spirit of the present invention.
In the above-described embodiment, one breath is analyzed as an analysis interval, but it goes without saying that it is possible to classify with high accuracy by analyzing each of exhalation and inspiration. For example, bass and treble polyphony can be finely classified as low-pitched polyphony in expiration and high-pitched monotone in inspiration.
上記実施計形態におけるスクォーク分析においてＨｉｇｈ＿ｍｏｎｏを３に設定する工程（図１７、ＳＴ５３０）を説明した。
ここで、ＳＴ５３０よりも先に図１４のＳＴ３３１においてＨｉｇｈ＿ｍｏｎｏを１に設定する工程があるが、仮にＳＴ３３１においてＨｉｇｈ＿ｍｏｎｏを１に設定していた場合には、ＳＴ５３０ではＨｉｇｈ＿ｍｏｎｏを３に上書きするとする。
ただし、高音性連続性ラ音とスクォークとは同時発生しない特徴があるので、実際には上書きが発生する可能性は低い。
なお、Ｈｉｇｈ＿ｍｏｎｏを３に設定することに代えて、スクォークの有無を示すフラグを別途に用意してもよい。
The step of setting High_mono to 3 in the squark analysis in the above embodiment (FIG. 17, ST530) has been described.
Here, there is a step of setting High_mono to 1 in ST331 of FIG. 14 prior to ST530. However, if High_mono is set to 1 in ST331, it is assumed that High_mono is overwritten to 3 in ST530.
However, since there is a feature that the high-pitched continuity rales and squarks do not occur simultaneously, the possibility of overwriting actually is low.
Instead of setting High_mono to 3, a flag indicating the presence or absence of squarks may be prepared separately.
呼吸音分析装置の各機能部は、各種論理素子等からなる専用のハードウェアで構成されてもよいし、あるいは、ＣＰＵ、ＲＯＭ、ＲＡＭを備えたコンピュータに呼吸音分析プログラムを組み込んで各機能部として動作させてもよい。プログラムをインストールするには、コンピュータにメモリカードやＣＤ−ＲＯＭ等を直接差し込んで行ってもよいし、これらの記憶媒体を読み取る機器を外付けで接続してもよい。さらには、有線または無線の通信によってプログラムをコンピュータに供給してインストールしてもよい。なお、各種記録媒体や通信手段等で供給されるプログラムとしては、本発明に係る呼吸音分析プログラムが含まれていればよく、それ以外の制御などを行うプログラムが含まれていてもよい。 Each functional unit of the respiratory sound analysis device may be configured by dedicated hardware including various logic elements or the like, or each functional unit by incorporating a respiratory sound analysis program into a computer having a CPU, ROM, and RAM. May be operated as To install the program, a memory card, CD-ROM or the like may be directly inserted into the computer, or a device for reading these storage media may be connected externally. Furthermore, the program may be supplied to the computer and installed by wired or wireless communication. In addition, as a program supplied with various recording media, a communication means, etc., the respiratory sound analysis program which concerns on this invention should just be included, and the program which performs other control etc. may be included.
（第３実施形態）
本発明の呼吸音分析装置１００に係る第３実施形態を説明する。第３実施形態における呼吸音分析装置１００の構成は、第１実施形態の構成と同一であり、第１実施形態とは、図４に示す周波数分析部１５１の処理が異なる。以下、周波数分析部１５１における処理について、図２２から図２５を用いて説明する。なお、本実施形態は、第２実施形態に適用することも可能である。
(Third embodiment)
A third embodiment according to the
第１実施形態の記載による周波数分析部１５１における処理は、多くの場合において精度よく連続性ラ音成分の時間周波数成分を抽出することができる。実際に信号入力部１１０に入力される呼吸音信号は、ラ音以外の呼気音や吸気音からなる呼吸音や断続性ラ音、その他の外因性ノイズも同時に入力されている。このような呼吸音信号において、連続性ラ音以外の音の振幅が極端に大きい場合、連続性ラ音の振幅は相対的に小さくなるため、連続性ラ音が検出されない可能性が生じる。
The processing in the
本実施形態においては、連続性ラ音以外の音の振幅が極端に大きい場合であっても、周波数分析部１５１において連続性ラ音の時間周波数成分を抽出する。
In the present embodiment, even if the amplitude of sound other than continuous rales is extremely large, the
図２２は、連続性ラ音と突発的なノイズ成分を含む時間周波数成分の一例を示している。図２２における実線および破線は連続性ラ音の時間周波数成分であり、突発的なノイズ成分の時間周波数成分はｎとして示す。破線は、振幅値の大きいノイズ成分ｎの時間周波数成分を０ｄＢとする正規化処理によって所定の閾値未満となった連続性ラ音の時間周波数成分である。このように、連続性ラ音を振幅の大きい時間周波数成分により正規化すると、連続性ラ音の時間周波数成分は所定の閾値未満となってしまい、連続性ラ音として検出されない。 FIG. 22 shows an example of a time frequency component including a continuous rar and a sudden noise component. A solid line and a broken line in FIG. 22 are time frequency components of continuous rales, and a time frequency component of a sudden noise component is indicated as n. A broken line is a time frequency component of a continuous rale that has become less than a predetermined threshold value by a normalization process in which the time frequency component of the noise component n having a large amplitude value is 0 dB. As described above, when the continuous rale is normalized by the time-frequency component having a large amplitude, the time-frequency component of the continuous rale becomes less than a predetermined threshold value and is not detected as a continuous rale.
図２３は、連続性ラ音、断続性ラ音および呼吸音の時間周波数成分の一例である。図２３Ａに示す連続性ラ音は、含まれる周波数成分の帯域幅が狭く、帯域幅が広い場合であっても数十Ｈｚ程度の帯域幅をピークとして有する信号である。図２３Ｂに示す断続性ラ音は、含まれる周波数成分の帯域幅が広く、数百Ｈｚ程度の帯域幅をピークとして持つ信号である。また、図２３Ｃに示す呼吸音は、大きな振幅を持つ周波数成分はランダムに含むものの、連続性ラ音のように時間的に連続するピークや、断続性ラ音のように周波数的に連続するピークは持たない信号である。 FIG. 23 is an example of time frequency components of continuous rarity, intermittent rarity and breathing sound. 23A is a signal having a bandwidth of about several tens of Hz as a peak even when the bandwidth of the frequency component included is narrow and the bandwidth is wide. The intermittent sound shown in FIG. 23B is a signal having a wide bandwidth of frequency components contained therein and having a bandwidth of about several hundred Hz as a peak. In addition, although the respiratory sound shown in FIG. 23C includes a frequency component having a large amplitude at random, a temporally continuous peak such as a continuous rale or a frequency continuous peak such as an intermittent rale. Is not a signal.
図２４は、連続性ラ音、断続性ラ音および呼吸音を含む任意の時間フレームにおける周波数分布を示している。図２４の各々における実線は、任意の時間フレームにおける周波数分布であり、破線は、実線を例えば移動平均、メディアンフィルタ、各種ＬＰＦ等により平滑化したものである。図２４Ａに示す連続性ラ音の周波数分布は、周波数軸方向における急峻なピークが存在する。図２４Ｂに示す断続性ラ音の周波数分布は、緩やかなピークとして表される。図２４Ｃに示す呼吸音の周波数分布は、ピークとなる箇所は存在しない。 FIG. 24 shows the frequency distribution in an arbitrary time frame including continuous rarity, intermittent rarity and breathing sound. The solid line in each of FIGS. 24A and 24B is a frequency distribution in an arbitrary time frame, and the broken line is obtained by smoothing the solid line by, for example, a moving average, a median filter, various LPFs, or the like. The frequency distribution of continuous rales shown in FIG. 24A has a steep peak in the frequency axis direction. The frequency distribution of intermittent rattle shown in FIG. 24B is represented as a gradual peak. In the frequency distribution of the respiratory sound shown in FIG. 24C, there is no peak portion.
図２４において実線で示される各周波数分布を元信号として、破線で示される元信号を平滑化した周波数分布との比を算出すると、図２５に示される曲線が得られる。図２５Ａは、連続性ラ音の周波数分布の比に基づく曲線であり、大きなピークが存在する。周波数分布を平滑化することで、急峻なピークが抑制されるため、その周波数において比が大きくなるためである。図２５Ｂは、断続性ラ音の周波数分布の比に基づく曲線であり、図２５Ｃは、呼吸音の周波数分布の比に基づく曲線である。いずれにおいても、図２４に示す波形に急峻なピークを含まないために、比が大きな値をとることはない。 In FIG. 24, when each frequency distribution indicated by a solid line is used as an original signal and a ratio with a frequency distribution obtained by smoothing the original signal indicated by a broken line is calculated, a curve shown in FIG. 25 is obtained. FIG. 25A is a curve based on the frequency distribution ratio of continuous rales, and has a large peak. This is because, by smoothing the frequency distribution, steep peaks are suppressed, and the ratio increases at that frequency. FIG. 25B is a curve based on the ratio of frequency distribution of intermittent sound, and FIG. 25C is a curve based on the ratio of frequency distribution of breathing sound. In either case, since the waveform shown in FIG. 24 does not include a steep peak, the ratio does not take a large value.
このような処理に基づき、周波数分析部１５１は、所定時間フレーム毎に図２５に示すような周波数分布とそれを平滑化した比が所定以上の時間周波数成分として、連続性ラ音に比べて著しく振幅値が大きい他の時間周波数成分が含まれる呼吸音信号であっても、連続性ラ音部分を強調し、その他の振幅値が大きい箇所を抑制することにより、精度良く連続性ラ音の時間周波数成分を抽出する。
Based on such processing, the
本処理においては、時間周波数成分は、第１実施形態および第２実施形態のようにｄＢ値ではなく比の値となる。また、時間周波数成分を抽出する所定以上の値を定義する閾値として、データの全時間周波数成分から各時間周波数成分の比の値について偏差値を算出し、７０〜８０程度の値を閾値とするのが望ましい。これは、連続性ラ音の時間周波数成分は呼吸音全体の上位わずかの割合であるため、平均から標準偏差２〜３程度分大きい値を閾値とすることで、概ね抽出することが可能であるためである。他にも、上位９０％以上の時間周波数成分の比の値、などといった条件で抽出するなど、全体に対する所定の順位以上の時間周波数成分を抽出する方法ならば、限定はしない。このような抽出方法の場合、連続性ラ音以外の時間周波数成分も当然ながら一部抽出することはあるが、その後の時間連続性の検証により除外することができるため、特段の問題は生じない。 In this processing, the time frequency component is not a dB value but a ratio value as in the first and second embodiments. Further, as a threshold value that defines a predetermined value or more for extracting the time frequency component, a deviation value is calculated for the ratio value of each time frequency component from all the time frequency components of the data, and a value of about 70 to 80 is set as the threshold value. Is desirable. This is because the temporal frequency component of the continuous rarity is a small proportion of the upper part of the entire breathing sound, and can be generally extracted by setting a value that is larger by about 2 to 3 standard deviations from the average as a threshold value. Because. There is no limitation as long as it is a method for extracting temporal frequency components of a predetermined order or more with respect to the whole, such as extraction under a condition such as the ratio value of the top 90% or more temporal frequency components. In the case of such an extraction method, a part of the time frequency component other than the continuous rar is naturally extracted, but since it can be excluded by the subsequent time continuity verification, no particular problem occurs. .
（第４実施形態）
本発明の呼吸音分析装置１００に係る第４実施形態を説明する。第４実施形態における呼吸音分析装置１００の構成は、第１実施形態の構成と同一であり、第１実施形態とは、図２に示す境界抽出部１２３の処理が異なる。なお、本実施形態は、第２、第３実施形態へも適用が可能である。
(Fourth embodiment)
A fourth embodiment according to the
第１実施形態では境界抽出部１２３において、包絡線算出部１２２で算出した入力信号の振幅の包絡線から自己相関値を算出し、その極大値に基づいて呼吸周期の境界を求めている。入力信号において呼気吸気の境界が明確に聴取可能である場合は当該方法で精度よく検出が可能である。しかしながら、聴診位置や被験者の呼吸状態等によって、入力信号の呼気吸気の境界が曖昧である場合もあり、特に呼気が小さい入力信号に対しては、当該方法では、吸気から呼気へ変化する境界が検出できないケースが存在する。本実施形態では、このような入力信号であっても、精度よく呼気吸気の境界を検出可能な方法について説明する。
In the first embodiment, the
図２６および図２７の実線は、包絡線算出部１２２において算出した、入力信号の振幅の包絡線の一例であり、図２６および図２７共に同一である。また、図２６および図２７の下部に記載された「呼気」および「吸気」の区間は、当該包絡線の対応する区間（時間）が、呼気部分または吸気部分のいずれかであるかを示すものである。
The solid line in FIGS. 26 and 27 is an example of the envelope of the amplitude of the input signal calculated by the
図２６および図２７の実線で表される吸気（１）〜（３）の開始時は、いずれも振幅の変化が大きいため、呼気から吸気へと切り替わる境界は種々の方法で識別が可能である。一方、呼気部分については、呼気（１）のように、小さいながらも振幅の変化がピークとして得られる場合と、呼気（２）のように殆ど平坦であると言えるような場合などがあり、このようなデータにおいて包絡線から直接に境界を求めるのは困難である場合がある。 Since the change in amplitude is large at the start of inspiration (1) to (3) represented by the solid line in FIG. 26 and FIG. 27, the boundary at which switching from exhalation to inspiration can be identified by various methods. . On the other hand, there are a case where the change in amplitude is obtained as a peak although it is small as in the case of exhalation (1), and a case where it can be said that it is almost flat as in the case of exhalation (2). In such data, it may be difficult to obtain the boundary directly from the envelope.
図２６の破線は、実線（振幅の包絡線）の平滑化微分値である。この値においては、１秒程度の長さに対応した長いタップ数を用いて平滑化を実施しながら微分値を算出しており、振幅の局所的な変化にとらわれず、呼吸の変化の概形が捉えられていることがわかる。 The broken line in FIG. 26 is a smoothed differential value of a solid line (amplitude envelope). In this value, the differential value is calculated while performing smoothing using a long tap number corresponding to a length of about 1 second, and it is not limited to the local change in amplitude, but the outline of the change in respiration Can be seen.
図２７の破線は、実線（振幅の包絡線）の平均化微分値である図２６破線に対して、さらに平滑化微分値を算出し、符号反転した値である。すなわち実線（振幅の包絡線）の二階微分値の符号反転した値である。図２６の微分値算出の場合と同等程度の平滑化をさらに実施しながら微分値を算出することで、呼吸の変化に追従しながら振幅の包絡線を近似した曲線となっていることがわかる。これは、三角関数（正弦、余弦）の二階微分は符号反転した元の三角関数となる（正確には係数がつくが）ところ、入力信号は三角関数（正弦、余弦）の合成であると言えることから、その二階微分値を符号反転した値の集合は、原波形の形状を追従すると考えられるためである。 The broken line in FIG. 27 is a value obtained by further calculating a smoothed differential value and inverting the sign with respect to the broken line in FIG. 26, which is an averaged differential value of the solid line (amplitude envelope). In other words, it is a value obtained by inverting the sign of the second derivative of the solid line (amplitude envelope). It can be seen that by calculating the differential value while further smoothing to the same extent as in the case of calculating the differential value in FIG. 26, the curve approximates the amplitude envelope while following the change in respiration. This means that the second derivative of the trigonometric function (sine, cosine) is the original trigonometric function with the sign inverted (although it has a coefficient exactly), but the input signal is a composite of trigonometric functions (sine, cosine). This is because a set of values obtained by inverting the sign of the second-order differential value is considered to follow the shape of the original waveform.
また、図２７において、呼気と吸気との境界に注目すると、いずれも破線の極小値と極大値との概ね中間に位置していることがわかる。当該位置は、微分値の極大値、すなわち呼吸に変化が生じている箇所に対応していると言える。これは、呼気から吸気へ変化する境界では大きな振幅の変化に対応した急峻な極大値であり、一方、吸気から呼気へ変化する境界では小さな振幅の変化に対応した緩やかな極大値（又は、振幅変化が非常に小さい場合は平坦な一定に近い値）となっていることに由来する。 In FIG. 27, when attention is paid to the boundary between exhalation and inspiration, it can be seen that both are located approximately in the middle between the minimum value and the maximum value shown by the broken line. It can be said that the position corresponds to a maximum value of the differential value, that is, a portion where a change occurs in respiration. This is a steep maximal value corresponding to a large amplitude change at the boundary from exhalation to inspiration, while a gradual maximum value (or amplitude corresponding to a small amplitude change at the boundary from inspiration to exhalation). When the change is very small, it is derived from the fact that the value is almost flat and constant.
以上のように、振幅包絡線の大局的な変化に注目し、平滑化微分を用いた曲線近似することで、単に振幅包絡線の概形を捉えた近似曲線を求めるよりも、呼気と吸気との境界が特別に強調された図２７の破線のような近似曲線が得られことがわかる。この曲線に基づいた検出によって、データの特徴に依存することなく、呼気吸気の境界を精度よく求めることが可能である。 As described above, paying attention to the global change of the amplitude envelope, by approximating the curve using smoothing differentiation, rather than simply obtaining an approximate curve that captures the outline of the amplitude envelope, exhalation and inspiration It can be seen that an approximate curve such as the broken line in FIG. By detecting based on this curve, it is possible to accurately determine the boundary of exhalation inspiration without depending on the data characteristics.
１００・・・呼吸音分析装置、１１０・・・信号入力部、１２０・・・呼吸境界分析部、１２１・・・フィルタ処理部、１２２・・・包絡線算出部、１２３・・・境界抽出部、１２４・・・呼吸数算出部、１３０・・・連続性ラ音検出部、１４０・・・フィルタ処理部、１５０・・・連続性ラ音分析部、１５１・・・周波数分析部、１５２・・・頻度算出部、１５２A・・・ソート機能部、１５２Ｂ・・・頻度算出部、１５３・・・連続度分析部、１５４・・・特徴分類部、１６０・・・表示情報生成部、２００・・・表示部。
DESCRIPTION OF
Claims (9)
前記信号入力部から入力された前記呼吸音信号における呼吸境界を分析する呼吸境界分析部と、
前記信号入力部から入力された前記呼吸音信号に対して、人間が知覚する音の大きさに関する聴覚特性に一致したA特性に表される周波数帯域および連続性ラ音の特徴に基づく所定の周波数帯域のみの信号を分析対象信号として抽出する第1フィルタ処理部と、
前記呼吸境界分析部において分析された呼吸境界に基づいて、前記第１フィルタ処理部において抽出された分析対象信号に対して、連続性ラ音に関する特徴の分析を行う連続性ラ音分析部と、を備える
ことを特徴とする呼吸音分析装置。 A signal input unit for inputting a respiratory sound signal;
A respiratory boundary analysis unit for analyzing a respiratory boundary in the respiratory sound signal input from the signal input unit;
A predetermined frequency based on the frequency band represented by the A characteristic that matches the auditory characteristic related to the volume of sound perceived by humans and the characteristics of continuous rarity with respect to the respiratory sound signal input from the signal input unit A first filter processing unit that extracts a signal of only a band as an analysis target signal;
Based on the breathing boundary analyzed by the breathing boundary analysis unit, a continuous rar analysis unit that analyzes features related to the continuous rar sound for the analysis target signal extracted by the first filter processing unit; A respiratory sound analysis device comprising:
所定の周波数帯域のみの信号を分析対象信号として抽出する第２フィルタ処理部と、
前記第２フィルタ処理部により抽出された信号に対し、振幅の包絡線を算出する包絡線算出部と、
前記包絡線算出部より出力された包絡線に基づいて境界を求める境界抽出部と、を備える
ことを特徴とする、請求項１に記載の呼吸音分析装置。 The respiratory boundary analysis unit
A second filter processing unit that extracts a signal only in a predetermined frequency band as an analysis target signal;
An envelope calculation unit that calculates an envelope of amplitude for the signal extracted by the second filter processing unit;
The respiratory sound analyzer according to claim 1, further comprising: a boundary extraction unit that obtains a boundary based on the envelope output from the envelope calculation unit.
所定時間フレーム毎にスペクトル分析を行い、所定のレベル以上の周波数のみ抽出する周波数分析部と、
前記周波数分析部にて抽出された周波数の出現頻度を算出する頻度算出部と、
前記周波数分析部での抽出結果および前記頻度算出部での算出結果に基づいて、信号のレベル順、周波数の大きさ順および出現頻度順の少なくともいずれか一つに基づいてデータをソートするソート機能部と、
前記周波数分析部での抽出結果、前記頻度算出部での算出結果および前記ソート機能部でのソート結果の少なくともいずれか一つに基づいて、前記周波数の出現が連続的であるか否かを分析する連続度分析部と、を備える
ことを特徴とする、請求項１または請求項２に記載の呼吸音分析装置。 The continuous sound analysis unit
A frequency analysis unit that performs spectrum analysis for each predetermined time frame and extracts only frequencies above a predetermined level;
A frequency calculation unit for calculating the frequency of appearance of the frequency extracted by the frequency analysis unit;
Sort function for sorting data based on at least one of signal level order, frequency magnitude order, and appearance frequency order based on the extraction result in the frequency analysis unit and the calculation result in the frequency calculation unit And
Based on at least one of the extraction result in the frequency analysis unit, the calculation result in the frequency calculation unit, and the sorting result in the sort function unit, it is analyzed whether the appearance of the frequency is continuous. It characterized in that it comprises a continuous size analysis unit for the respiratory sound analysis apparatus according to claim 1 or claim 2.
ことを特徴とする、請求項３に記載の呼吸音分析装置。 The frequency analysis unit performs a spectrum analysis every predetermined time frame, calculates a smoothed spectrum, and only a time frequency component in which a ratio between the spectrum by the spectrum analysis and the smoothed spectrum is a predetermined value or more. The respiratory sound analyzer according to claim 3 , wherein the respiratory sound analyzer is extracted.
前記連続度分析部での分析結果の組み合わせに応じて連続性ラ音を分類する特徴分類部を備える
ことを特徴とする、請求項３または請求項４に記載の呼吸音分析装置。 The continuous rar analysis unit further includes:
The respiratory sound analysis device according to claim 3 or 4 , further comprising a feature classification unit that classifies the continuous rales according to a combination of analysis results in the continuity analysis unit.
ことを特徴とする、請求項１から請求項５のいずれか１項に記載の呼吸音分析装置。 A display information generation unit that generates display information that causes at least one of the frequency level, time position, and continuity characteristics that determine the characteristics of continuous rarity to be expressed by a color change on the display screen. The respiratory sound analyzer according to any one of claims 1 to 5 , further comprising:
前記連続性ラ音検出部は、
ピーク周波数を予備的に抽出するピーク抽出部と、
前記ピーク抽出部にて抽出したピーク周波数を連続性ラ音の特徴に基づいて訂正する誤検出訂正部と、
前記誤検出訂正部にて単位時間当たりのピーク周波数の個数が所定数以上である場合に連続音と判定する連続音判定部と、を備える
ことを特徴とする、請求項１から請求項６のいずれか１項に記載の呼吸音分析装置。 Further comprising a continuous rale detection unit capable of detecting whether or not the continuous rar is included in the breathing sound based on the characteristics of the continuous rar;
The continuous rale detector is
A peak extractor for preliminarily extracting the peak frequency;
A false detection correction unit that corrects the peak frequency extracted by the peak extraction unit based on features of continuous rarity;
Characterized in that it comprises a and determining a continuous sound determination unit and the continuous sound when the number of peak frequencies per unit time by the erroneous detection correction unit is equal to or more than a predetermined number, of claims 1 to 6 The respiratory sound analyzer according to any one of the preceding claims.
入力された呼吸音信号における呼吸境界を分析し、
入力された前記呼吸音信号に対して、人間が知覚する音の大きさに関する聴覚特性に一致したA特性に表される周波数帯域および連続性ラ音の特徴に基づく所定の周波数帯域のみの信号を分析対象信号として抽出し、
呼吸境界に基づいて、前記分析対象信号に対して、連続性ラ音に関する特徴の分析を行う
ことを特徴とする呼吸音分析方法。 A respiratory sound analysis method executed by the respiratory sound analyzer,
Analyze the breathing boundary in the input breathing sound signal,
With respect to the input breathing sound signal, a signal of only a predetermined frequency band based on the characteristics of the frequency band and the continuous rarity represented by the A characteristic that matches the auditory characteristic related to the volume of sound perceived by human beings. Extract it as a signal to be analyzed,
A respiratory sound analysis method, comprising: analyzing a feature relating to continuous rarity for the analysis target signal based on a respiratory boundary.
入力された呼吸音信号に対して呼吸境界を分析する呼吸境界分析部と、
入力された前記呼吸音信号に対して、人間が知覚する音の大きさに関する聴覚特性に一致したA特性に表される周波数帯域および連続性ラ音の特徴に基づく所定の周波数帯域のみの信号を分析対象信号として抽出する第1フィルタ処理部と、
前記呼吸境界分析部において分析された呼吸境界に基づいて、前記第１フィルタ処理部において抽出された分析対象信号に対して、連続性ラ音に関する特徴の分析を行う連続性ラ音分析部と、して機能させる
ことを特徴とする呼吸音分析プログラム。 Computer
A respiratory boundary analysis unit for analyzing the respiratory boundary with respect to the input respiratory sound signal;
With respect to the input breathing sound signal, a signal of only a predetermined frequency band based on the characteristics of the frequency band and the continuous rarity represented by the A characteristic that matches the auditory characteristic related to the volume of sound perceived by human beings. A first filter processing unit that extracts the signal to be analyzed;
Based on the breathing boundary analyzed by the breathing boundary analysis unit, a continuous rar analysis unit that analyzes features related to the continuous rar sound for the analysis target signal extracted by the first filter processing unit; Respiratory sound analysis program characterized by functioning.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013050275A JP6136394B2 (en) | 2012-08-09 | 2013-03-13 | Respiratory sound analyzer, respiratory sound analysis method and respiratory sound analysis program |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012177426 | 2012-08-09 | ||
| JP2012177426 | 2012-08-09 | ||
| JP2013050275A JP6136394B2 (en) | 2012-08-09 | 2013-03-13 | Respiratory sound analyzer, respiratory sound analysis method and respiratory sound analysis program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2014050672A JP2014050672A (en) | 2014-03-20 |
| JP6136394B2 true JP6136394B2 (en) | 2017-05-31 |
Family
ID=50609732
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2013050275A Active JP6136394B2 (en) | 2012-08-09 | 2013-03-13 | Respiratory sound analyzer, respiratory sound analysis method and respiratory sound analysis program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6136394B2 (en) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015188642A (en) * | 2014-03-28 | 2015-11-02 | パイオニア株式会社 | Respiratory sound analysis apparatus, respiratory sound analysis method, computer program, and recording medium |
| JP6298340B2 (en) * | 2014-03-28 | 2018-03-20 | パイオニア株式会社 | Respiratory sound analysis device, respiratory sound analysis method, computer program, and recording medium |
| JP2015188601A (en) * | 2014-03-28 | 2015-11-02 | パイオニア株式会社 | Respiratory sound analysis apparatus, respiratory sound analysis method, computer program, and recording medium |
| JP6298339B2 (en) * | 2014-03-28 | 2018-03-20 | パイオニア株式会社 | Respiratory sound analysis device, respiratory sound analysis method, computer program, and recording medium |
| JP6608229B2 (en) * | 2015-09-28 | 2019-11-20 | 株式会社アニモ | Information processing method and apparatus |
| WO2017130417A1 (en) * | 2016-01-29 | 2017-08-03 | パイオニア株式会社 | Biological sound analysis device, biological sound analysis method, computer program, and recording medium |
| JP6908243B2 (en) * | 2016-02-01 | 2021-07-21 | 国立大学法人徳島大学 | Bioacoustic extractor, bioacoustic analyzer, bioacoustic extraction program, computer-readable recording medium and recording equipment |
| US11439320B2 (en) * | 2016-12-20 | 2022-09-13 | Air Water Biodesign Inc. | Biological-sound analysis device, biological-sound analysis method, program, and storage medium |
| CN113975563A (en) * | 2021-11-02 | 2022-01-28 | 成都泰盟软件有限公司 | Breathing machine control method based on snore sound recognition and breathing machine |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7130429B1 (en) * | 1998-04-08 | 2006-10-31 | Bang & Olufsen Technology A/S | Method and an apparatus for processing auscultation signals |
| FR2791248B1 (en) * | 1999-03-24 | 2001-08-24 | Georges Kehyayan | DEVICE FOR ANALYZING AUSCULTATORY NOISE, IN PARTICULAR RESPIRATORY NOISE |
| FR2823660A1 (en) * | 2001-04-18 | 2002-10-25 | Pneumopartners | Analysis system for respiratory sounds includes sampling and processing module producing sound parameters for comparison with database |
| JP2005066045A (en) * | 2003-08-25 | 2005-03-17 | Konica Minolta Medical & Graphic Inc | Sound data processor and program |
| CA2464029A1 (en) * | 2004-04-08 | 2005-10-08 | Valery Telfort | Non-invasive ventilation monitor |
-
2013
- 2013-03-13 JP JP2013050275A patent/JP6136394B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2014050672A (en) | 2014-03-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6136394B2 (en) | Respiratory sound analyzer, respiratory sound analysis method and respiratory sound analysis program | |
| Jin et al. | Adventitious sounds identification and extraction using temporal–spectral dominance-based features | |
| US11315687B2 (en) | Method and apparatus for training and evaluating artificial neural networks used to determine lung pathology | |
| US10278639B2 (en) | Method and system for sleep detection | |
| JP6049889B2 (en) | Swallowing estimation device | |
| CN104739412B (en) | A kind of method and apparatus being monitored to sleep apnea | |
| Taplidou et al. | Analysis of wheezes using wavelet higher order spectral features | |
| US11304624B2 (en) | Method and apparatus for performing dynamic respiratory classification and analysis for detecting wheeze particles and sources | |
| US20160081651A1 (en) | Apparatus and method for estimating breathing rate using microphone | |
| WO2013089073A1 (en) | Information analysis device, electronic stethoscope, information analysis method, measurement system, control program, and recording medium | |
| JP2013123494A (en) | Information analyzer, information analysis method, control program, and recording medium | |
| JP2013123495A (en) | Respiratory sound analysis device, respiratory sound analysis method, respiratory sound analysis program, and recording medium | |
| US11529072B2 (en) | Method and apparatus for performing dynamic respiratory classification and tracking of wheeze and crackle | |
| Datta et al. | Automated lung sound analysis for detecting pulmonary abnormalities | |
| US20140276165A1 (en) | Systems and methods for identifying patient talking during measurement of a physiological parameter | |
| JP6908243B2 (en) | Bioacoustic extractor, bioacoustic analyzer, bioacoustic extraction program, computer-readable recording medium and recording equipment | |
| Ellington et al. | Developing a reference of normal lung sounds in healthy Peruvian children | |
| JP6036174B2 (en) | Heart sound information processing apparatus, heart sound information processing method, and heart sound information processing program | |
| JP2013034670A (en) | Cardiac sound information processor, cardiac sound information processing method, and cardiac sound information processing program | |
| Doheny et al. | Estimation of respiratory rate and exhale duration using audio signals recorded by smartphone microphones | |
| Aichinger et al. | Comparison of an audio-based and a video-based approach for detecting diplophonia | |
| JP2020513908A (en) | How to characterize sleep-disordered breathing | |
| Milicevic et al. | Classification accuracy comparison of asthmatic wheezing sounds recorded under ideal and real-world conditions | |
| Pessoa et al. | Automated respiratory sound analysis | |
| KR20200042076A (en) | Digital Breathing Stethoscope Method Using Skin Image |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20151029 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160909 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20161004 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161202 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170404 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170417 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6136394 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |