СРАВНИТЕЛЬНАЯ ЭФФЕКТИВНОСТЬ КОМПЬЮТЕРНОГО АНАЛИЗА ЭНЕРГеТИЧЕСКОЙ ХАРАКТЕРИСТИКИ СПЕКТРА РЕСПИРАТОРНЫХ ШУМОВ В ТРЕХ ТОЧКАХ ДЛЯ ДИАГНОСТИКИ БРОНХООБСТРУКТИВНОГО СИНДРОМА ПРИ БРОНХИАЛЬНОЙ АСТМЕ У ДЕТЕЙ


Цитировать

Полный текст

Аннотация

Цель. Развитие метода компьютерной диагностики бронхиальной астмы у детей, основанной на анализе дыхательных шумов. Материалы и методы. С помощью компьютеризированной системы для записи дыхательных шумов были получены звуковые сигналы с трех точек, расположенных во рту, над трахеей и над правым легким (по передней поверхности груди), у 51 школьника (возраст - 11,2 ± 3,2 г.), страдающего бронхиальной астмой, и 22 здоровых добровольцев (возраст - 11,6 ± 2,5 г.). Запись респираторных шумов пациента производилась с помощью электронного устройства с последующим численным исследованием специфических спектральных характеристик этого звука. В работе предлагается метод компьютерной диагностики, позволяющий усовершенствовать возможности обработки дыхательных шумов с помощью быстрого преобразования Фурье (БПФ). Предложенная методика может быть использована для диагностики бронхообструктивного синдрома (БОС) при бронхиальной астме у детей. Результаты. Были предложены эмпирические критерии для параметров выравнивания спектра БПФ, которые позволяют разработать программное обеспечение для автоматической диагностики бронхиальной астмы у детей. Также было показано, что компьютерный анализ энергии спектра респираторных шумов имеет большое диагностическое значение (AUV варьирует от 0,783 до 0,895). Предлагаемый подход может быть использован для диагностики бронхиальной астмы (БА) (главным образом, в точках в полости рта и над трахеей) и для дифференциальной диагностики БА с другими легочными заболеваниями в точке над правой верхней долей. Выводы. Предложенный подход к анализу дыхательных шумов может стать одним из дополнительных методов диагностики БОС при бронхиальной астме. Его можно использовать для удаленного мониторинга пациентов с астмой в режиме реального времени, а также для контроля эффективности лечения. Приложение с программой можно установить на смартфоне либо в малозатратной встроенной системе для бесконтактного анализа дыхательных шумов, что важно для дистанционной диагностики.

Об авторах

Евгений Григорьевич Фурман

Пермский государственный медицинский университет им. академика Е.А. Вагнера

Email: furman1@yandex.ru
доктор медицинских наук, профессор, заведующий кафедрой факультетской педиатрии

Елена Викторовна Рочева

Пермский государственный медицинский университет им. академика Е.А. Вагнера

аспирант кафедры факультетской педиатрии

Сергей Владимирович Малинин

Пермский государственный медицинский университет им. академика Е.А. Вагнера

преподаватель кафедры медицинской информатики и управления в медицинских системах

Григорий Борисович Фурман

Университет имени Бен-Гуриона (физический факультет)

профессор кафедры физики

Владимир Львович Соколовский

Университет имени Бен-Гуриона (физический факультет)

профессор кафедры физики

Список литературы

  1. Фурман Е. Г., Яковлева Е. В., Малинин С. В., Фурман Г., Соколовский В. Компьютерный анализ дыхательных шумов при бронхиальной астме у детей. Современные технологии в медицине 2014; 6 (1): 83-88.
  2. Bahoura M., Lu X. Separation of crackles from vesicular sounds using wavelet packet transform. Acoustics, Speech and Signal Processing ICASSP 2006; 2: 1076-1079.
  3. Brand P. L. P., Baraldi E., Bisgaard H., Boner A.L., Castro-Rodriguez J. A., Custovic A. et al. Definition, assessment and treatment of wheezing disorders in preschool children: an evidence-based approach, ERS Task Force Report. Eur. Respir. J. 2008; 32: 1096-1110.
  4. Charbonneau G., Ademovic E., Cheetham B. M. G., Malmberg L. P., Vanderschoot J., Sovijarvi A. R. A. Basic techniques for respiratory sound recordings. Eur. Respir. Rev. 2000; 77 (10): 625-635.
  5. Earis J. E., Cheetham B. M. G. Current methods used for computerized respiratory sound analysis. Eur. Respir. Rev. 2000; 77 (10): 586-590.
  6. Fenton T. R., Pasterkamp H., Tal A., Chernick V. Automated spectral characterization of wheezing in asthmatic children. IEEE Trans. on Biomedical Engineering 1985; 32: 50-55.
  7. Furman E., Yakovleva E., Malinin S., Furman G., Sokolovsky V., Meerovich V. A new modality using breath sound analysis in pediatric asthma. Clinical and Translational Allergy 2014; 105.
  8. Gavriely N. Breath sounds methodology. Boca Raton: CRC Press 1995.
  9. Global initiative for asthma (GINA) 2012, available at: www.ginasthma.org.
  10. Global strategy for the diagnosis and management of asthma in children 5 years and younger (GINA), 2009, available at: www.ginasthma.org.
  11. Gurung A., Scrafford C. G., Tielsch J. M., Levine O. S., Checkley W. Computerized lung sound analysis as diagnostic aid for the detection of abnormal lung sounds: a systematic review and meta-analysis. Respir. Med. 2011; 105: 1396-1403.
  12. Habukawa C., Murakami K., Horii N., Yamada M., Nagasaka Y. A new modality using breath sound analysis to evaluate the control level of asthma. Allergol. Int. 2013; 62: 29-35.
  13. Habukawa C., Nagasaka Y., Murakami K., Takemura T. High-pitched breath sounds indicate airflow limitation in asymptomatic asthmatic children. Respirology 2009; 14: 399-403.
  14. Hadjileontiadis L., Panoulas K., Penzel T., Gross V., Panas S. On applying continuous wavelet transform in wheeze analysis. Engineering in Medicine and Biology Society IEEE. 2004; 2: 3832-3835.
  15. Hadjileontiadis L. J., Tolias Y. A., Panas S. M. Intelligent system modelling of bioacoustic signals using advanced signal processing techniques. Intelligent Systems: Technology and Applications. Vol. III. Signal, image, and speech processing. Ed. C. T. Leondes. Boca Raton: CRC Press Inc., FL 2002; 103-156.
  16. Kosasih K., Abeyratne U. R., Swarnkar V. High frequency analysis of cough sounds in pediatric patients with respiratory diseases. Conf. Proc. IEEE Eng. Med. Biol. Soc. 2012; 5654-5657.
  17. Mazic J., Sovilj S., Magjarevic R. Analysis of respiratory sounds in asthmatic infants. Polytechnic of Dubrovnik. Measurement Science Review 2003; 3: 11.
  18. Reichert S., Gass R., Hajjam A., Brandt C., Nguyen E., Baldassari K., Andres E. The ASAP project: A first step to an auscultation’s school creation. Respiratory Medicine CME 2 2009; 7-14.
  19. Reichert S., Gass R., Brandt C., Andres E. Analysis of respiratory sounds: state of the art. Clinical Medicine: Circulatory, Respiratory and Pulmonary Medicine 2008; 45-58.
  20. Saeed S., Body R. Towards evidence based emergency medicine: best BETs from the Manchester Royal Infirmary. Auscultating to diagnose pneumonia. Emerg. Med. J. 2007; 24: 294-296.
  21. Sovijärvi A. R. A., Vanderschoot J., Earis J. E. Standardization of computerized respiratory sound analysis. Eur. Respir. Rev. 2000; 10: 585-595.
  22. Sovijarvi A. R. A., Dalmasso F., Vanderschoot J., Malmberg L. P., Righini G., Stoneman S. A. T. Definition of terms for applications of respiratory sounds. Eur. Respir. Rev. 2000; 10: 597-610.
  23. Sovijarvi A. R. A., Malmberg L. P., Charbonneau G., Vanderschoot J., Dalmasso F., Sacco C., Rossi M., Earis J. R. Characteristics of breath sounds and adventitious respiratory sounds. Eur. Respir. Rev. 2000; 10: 591-596.
  24. Swarnkar V., Abeyratne U. R., Chang A. B., Amrulloh Y. A., Setyati A., Triasih R. Automatic identification of wet and dry cough in pediatric patients with respiratory diseases. Ann. Biomed. Eng. 2013; 41 (5): 1016-1028.
  25. Tolias Y. A., Hadjileontiadis L. J. Wheeze detection based on time-frequency analysis of breath sounds. Computers in Biology and Medicine 2007; 37: 1073-1083.
  26. Yi G. A. A software toolkit for respiratory analysis. MIT Computer Sound and Artificial Intelligence Laboratory 2004; 1: 215-216.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Фурман Е.Г., Рочева Е.В., Малинин С.В., Фурман Г.Б., Соколовский В.Л., 2015

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-ShareAlike 4.0 International License.
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».