Бронхиальное дыхание выслушивается: Аускультация легких – современная номенклатура дыхательных шумов

Патологические виды везикулярного дыхания, диагностическая роль. Бронхиальное дыхание, диагностическая роль.

Патологические виды везикулярного дыхания, диагностическая роль. Бронхиальное дыхание, диагностическая роль.

Везикулярное дыхание выслушивается при дыхании больного через нос. Оно представляет собой мягкий, тихий, дующий звук.

Усиление или ослабление его в нормальных условиях могут зависеть от толщины грудной стенки, физической работы. Патологическое усиление везикулярного дыхания в фазу выдоха свидетельствует о бронхоспазме, а в обе фазы дыхания – о наличии жесткого дыхания.

Саккадированное дыхание – усиленное дыхание, при котором вследствие сокращения дыхательных мышц (например, при дрожи) вдох становится прерывистым. Иногда выслушивается патологическое ослабление везикулярного дыхания. Поскольку механизм возникновения везикулярного дыхания связан с колебанием стенок легочных альвеол (звуковой эффект возникает, когда в альвеолы проникает воздух), то ослабление его обусловлено нарушением колебания стенок альвеол или нарушением проведения звуковых эффектов на переднюю грудную стенку. Первая ситуация может быть связана с пропитыванием стенок воспалительным экссудатом или ригидностью стенок альвеол. Вторая возникает при наличии в плевральной полости жидкости – она гасит колебания звука (при гидротораксе, гемотораксе или эмпиеме плевры) или воздуха (при пневмотораксе).

Ослабление везикулярного дыхания может быть связано с механическими причинами: нарушением прохождения воздуха по дыхательным путям (частичной обтурацией) или ограничением дыхательных движений, например при межреберной невралгии, когда акт вдоха сопровождается резкой болезненностью.

Нормальное бронхиальное дыхание выслушивается над проекцией гортани, трахеи и ее бифуркации. Патологическое бронхиальное дыхание выслушивается в определенных случаях над поверхностью легких, там, где в норме определяется бронхиальное дыхание.

Причиной его появления является отсутствие везикулярного дыхания над областью, где легкое уплотнено. В этой области колебания альвеолярных стенок являются незначительными. Это возникает в результате определенных причин (например, при поджатии (ателектазе) легкого).

Патологическими разновидностями бронхиального дыхания являются стенотическое или амфорическое дыхание.( звук, плучаемый, когда дуют над горлышком пустой бутылки). Последнее возникает при каверне или крупном опорожненном абсцессе, сообщающемся с крупным бронхом.

http://www.4medic.ru/page-id-562.html

22.Бронхофония: физическое обоснование. Методика проведения. Диагностическое

Дата добавления: 2015-07-10; просмотров: 228 | Нарушение авторских прав

Читайте в этой же книге: Расспрос больного. Жалобы. Анамнез заболевания. Анамнез жизни. | Аускультация. Физическое обоснование. Общие правила аускультации. | Форма грудной клетки в норме и патологии. Симметричность и несимметричность грудной клетки, искривление позвоночника в грудном отделе. Диагностическое значение. | Синдром скопления воздуха в плевральной полости (пневмоторакс). Виды пневмоторакса. Клиника, диагностика. | Синдром плевральных шварт. Синдром полости в легком. | Диагностика. | Характер мокроты (состав) | ОПРЕДЕЛЕНИЕ ФИЗИКО-ХИМИЧЕСКИХ СВОЙСТВ | МИКРОБИОЛОГИЧЕСКОЕ ИССЛЕДОВАНИЕ | Описание процедуры торакотомии |

mybiblioteka.su — 2015-2021 год. (0.006 сек.)

Бронхиальное дыхание

Бронхиальное дыхание выслушивается над ограниченными участками лёгких и дыхательных путей.

Этот тип дыхания воспринимается в виде громкого придыха­тельного звука, прослушиваемого в обеих дыхательных фазах.

Механизм образования этого типа дыхания связан с прохож­дением воздуха во время вдоха и выдоха через естественное су­жение — голосовую щель. Во время вдоха воздушная струя, про­ходя через голосовую щель, поступает в сравнительно широкую полость — гортань и трахею. В результате турбулентного (вихреобразного) движения воздуха за местом внезапного суже­ния возникает шум на фазе вдоха.

Во время выдоха суженный ещё более просвет голосовой щели даёт начало особому, более продолжительному шуму вдоха.

Эти своеобразные стенотические шумы в фазе вдоха и выдо­ха, зависящие от колебания струи вдыхаемого и выдыхаемого воздуха при прохождении через суженную голосовую щель и усиленные за счёт интерференции (взаимодействия) звуков, а также резонирования стенок дыхательных путей, носят название «ларинго-трахеального дыхания». Соотношение продолжитель­ности шума на вдохе и выдохе можно выразить коэффициентом 4:5. Более продолжительный и громкий шум выдоха по сравне­нию с шумом на вдохе объясняется тем, что выдох совершается пассивно, голосовая щель более сужена, а также за счёт сумми­рования воздушных течений из различных дыхательных раз­ветвлений в одну общую струю.

Лучше всего удаётся воспроизвести звуковой аналог ларинго-трахеального дыхания, если при несколько вытянутых губах сильно вдыхать и выдыхать воздух, произнося при этом бук­ву «х».

Ларинготрахеальное дыхание яснее и типичнее всего про­слушивается на месте своего возникновения, т. е. над гортанью (ларингеальное дыхание) и над трахеей (трахеальное дыхание) в югулярной ямке, у боковой части трахеи и на рукоятке грудины, за которой скрыта трахея. Сзади ларинго-трахеальное дыхание выслушивается на уровне VII шейного позвонка.

Отчётливо определяемое в этих местах ларинго-трахеальное дыхание проводится далее в крупные бронхи, где выслушивается в виде так называемого нормального бронхиального дыхания, несколько отличающегося от ларинго-трахеального тем, что оно прослушивается слегка глуховатым и более низким по тону. Это видоизменение зависит от следующих причин:

1. Ларинго-трахеальное дыхание, как продолженное на круп­ные бронхи, слабеет в своей интенсивности.

2. В окружности крупных бронхов залегают массивные участки лёгочной ткани, которые с одной стороны отлича­ются плохой звукопроводимостью, а с другой стороны являют­ся источником собственных лёгочных шумов, которые примешиваются к ларинго-трахеальному дыханию и несколько при­глушают его.

Таким образом,вблизи крупных бронхов, составляющих непосредственное продолжение трахеи, ларинго-трахеальное дыхание доносится с такой силой, что подавляет эти ещё слабые, собственно-лёгочные шумы и сохраняет свои характерные, но несколько видоизменённые свойства. С практической целью можно рассматривать ларинго-трахеальное и бронхиальное ды­хание под общим названием — нормальное или физиологическое бронхиальное дыхание в отличие от патологического бронхиаль­ного дыхания, которое выслушивается вне мест своего физиоло­гического проведения, встречающегося при той или иной патоло­гии бронхо-лёгочного аппарата (полость абсцесса, воспа­лительная инфильтрация лёгочной ткани, наличие крупных брон-хоэктазов и др.).

Нормальное бронхиальноедыхание хорошо выслуши­вается, помимо трахеи и гортани, такжев местах проекции бифуркации бронхов:

— верхняя часть межлопаточного пространства на высоте III—IV грудного позвонка, причём справа сильнее, чем слева, вследствие большей ширины правого бронха и более близкого его прилегания к позвоночнику. Спереди оно выслушивается на рукоятке и верхней половине тела грудины, а у астеников и ху­дых субъектов и у края грудины, особенно в 1-ом межреберье.

Узнать еще:

типы и формы патологического дыхания

Бронхиальное дыхание — это шум, производимый во время вдоха-выдоха, который у человека, не страдающего никакими заболеваниями легочной системы, прослушивается в области трахеи, гортани и бронхов. Это физиологическое дыхание. Но оно может носить и патологический характер. В этом случае дыхание прослушивается за пределами этих областей. Иногда болезненный процесс может быть диагностирован даже при внешнем осмотре. При патологии шум вызывается уплотнениями или наличием полостей в легких, которые соединятся с бронхами. Такие процессы требуют незамедлительного купирования. От течения болезни зависит, как долго будет продолжаться терапия и через какой период времени исчезнут шумы.

Виды патологического дыхания

Если дыхательный процесс распространяется на грудную клетку, можно говорить о том, что он носит патологический характер. Такое явление вызывают такие заболевания, как пневмония, раковое поражение легких и другие. Часто патология проявляется при заболеваниях органов дыхания, которые носят хронический характер.

Патологическое бронхиальное дыхание может сопровождаться спазмами бронхов и другими нарушениями. Каждое заболевание требует индивидуально подобранной терапии. Применяются антибиотики, бронхолитики и другие лекарственные средства.

Бронхиальное дыхание может отличаться по силе звука, что зависит от размера и степени области уплотнения. Дыхание может отличаться громкостью или тихостью.

В крупном очаге поражения возникает громкое дыхание. Если очаг обладает небольшими размерами и располагается в глубине, то в таком случае дыхание будет прослушиваться тихо.

Бронхиальное дыхание может быть:

• амфорическим;
• металлическим;
• стенотическим;
• смешанным;
• везикулярным.

Амфорический вид

Такой тип дыхания проявляется в случае возникновения области поражения легких с гладкими стенками. Очаг содержит в себе воздух. Он сообщается с бронхом. Такое состояние может быть вызвано абсцессом легких после вскрытия, а также туберкулезной каверной.

Дыханию в этом случае присуща жесткость. Оно похоже на гулкий звук, который имитирует прохождение воздуха через пустую емкость. Шум прослушивается как на вдохе, так и на выдохе. Амфорическое дыхание можно услышать при условии, что диаметр пораженной полости составляет от 5 мм и выше. Длительность такого дыхания достаточно продолжительная.

Металлический вид

Такой тип дыхания выявляется при пневмотораксе открытой формы. Звук при нем издается очень громкий. Ему присущ высокий тембр. Нечто подобное можно услышать при ударе о предмет из металла. Такое бронхиальное дыхание выслушивается при возникновении в легких полостей, обладающих крупными размерами и гладкими стенками. Отмечается поверхностное расположение очагов.

Стенотический вид

Подобный тип дыхания вызван сужением трахеи или гортани, что может отмечаться при наличии опухоли, оттека или же нахождении инородного тела.

Во время внешнего обследования применяется стетоскоп. Зачастую дыханию присуща жесткость, и оно слышится и без этого приспособления даже на определенном расстоянии от больного человека. Такое дыхание очень похоже на стон, который отличается резким длинным вдохом. Через легкие проходит небольшой объем воздуха. Явление может отмечаться на протяжении нескольких дней. В этом случае все зависит от степени тяжести заболевания и его развития.

Смешанный тип

Везикуло-бронхиальный, или смешанный тип дыхания присущ инфильтративному туберкулезу или же очаговому воспалению легких. Встречается такое бронхиальное дыхание при бронхите. Зачастую такое явление служит симптомом хронического пневмосклероза. В этом случае очаги располагаются очень глубоко в ткани легких. Они расположены на большом расстоянии друг от друга. При вдохе просушивается везикулярное дыхание, а при выдохе — смешанное.

Продолжительность такого состояния может составлять от нескольких дней до нескольких недель в зависимости от продолжительности заболевания. Для облегчения состояния врачом прописываются бронхолитические или же другие средства.

Везикулярное дыхание

Патологическое усиленное везикулярное дыхание может прослушиваться с обеих сторон, с одной стороны или же в определенной области грудной клетки.

Двусторонне дыхание всегда отмечается при одышке любого генеза. К примеру, оно встречается при заболеваниях легких, сердца, патологии высшей нервной деятельности, нарушении обмена веществ, заболеваниях крови, тромбоэмболии легочной артерии и др.

Особая форма везикулярного дыхания

Существует отдельная форма везикулярного дыхания, которая в медицине получила название «жесткое». Чаще всего оно прослушивается на обеих сторонах грудной клетки, но может носить и ограниченный характер. Основой его возникновения является патологический процесс, проявляющийся в локальном воспалительном набухании слизистой бронхов, их деформации при хроническом течении заболевания, скоплении в них секрета и гноя.

Прослушивается везикулярное дыхание при приступе бронхиальной астмы. Она относится к хроническим заболеваниям воспалительного характера. Недуг вызывает повышенная активность бронхов и их чувствительность к определенным аллергенам, что провоцирует спазмы.

В этом случае движение воздушной струи претерпевает определенные изменения. Из-за того, что просвет в бронхах становится неодинаковым, образуются вихревые воздушные потоки. Везикулярному дыханию присуща грубость, неравномерность и шероховатость. При этом отмечается удлинение вдоха и выдоха. По продолжительности они равны.

Имитации такого явления можно добиться путем осуществления дыхания через плотно сжатые губы с небольшим прерыванием.

Жесткое дыхание всегда свидетельствует о наличии острого или хронического бронхита. Оно практически всегда сопровождает очаговую пневмонию, так как эта болезнь также поражает бронхи. Прослушивание подобного дыхания в районе верхушек легких может дать основание для постановки такого диагноза, как туберкулез или локальный фиброз.

Вариантом жесткого везикулярного дыхания является и удлиненный выдох. Его диагностирование очень важно. Оно возникает в том случае, когда опорожнение альвеол затруднено из-за сужения мелких бронхов.

Такой процесс можно наблюдать при таких заболеваниях, как бронхиолит или эмфизема легких в сочетании с бронхитом.

Дыхание при бронхиальной астме у детей также отличается жесткостью. У детей отмечаются хрипы, кашель в утренние или ночные часы, а также обструктивный синдром.

Дополнительные виды шумов

Когда в организме протекают патологические процессы, то над легкими могут прослушиваться побочные шумы, которые присоединяются к основным. Они относятся к категории внешних шумов. В данном случае можно отметить влажный и сухой хрип, крепитацию и шум трения плевры.

Возникновения хрипов

Хрипы очень часто диагностируются при заболеваниях бронхов хронического характера. В этом случае отмечается жесткое дыхание, на фоне которого улавливается характерный внешний звук. Хрипы может отличать сухость или влажность.

Влажный вид отличается протяжностью и музыкальностью. Его появление вызвано неодинаковой степенью сужения бронхиального просвета, что спровоцировано скоплением слизи. В процессе дыхания хрипы вспенивают жидкость средней вязкости, после чего на ее поверхности образуются пузырьки, которые тотчас лопаются. Влажным хрипам присущ непостоянный характер. Они исчезают после откашливания больного.

Сухие хрипы прослушиваются при вдохе и выдохе. Они всегда сопровождаются жестким дыханием. Хрипы наблюдаются и у астматиков.

Дыхание при бронхиальной астме определяется повышенной выработкой слизи, отечностью и утолщением стенок бронхов. Сужение их просветов вызывает затрудненную вентиляцию воздуха. Это влечет появление удушья, свистящих хрипов, одышки, жесткого бронхиального дыхания.

Крепитация

Крепитация сопровождает жесткое патологическое дыхание. Это побочный шум, который вызван одновременным разлипанием большого количества альвеол. Такой звук выслушивается на пике вдоха. Он отличается стабильностью, поскольку неизменен после кашля.

Крепитация присуща людям, пораженным крупозным воспалением легких. Она может сменяться влажными хрипами после заполнения альвеол вязкой слизью. Длительность такого процесса может составлять от нескольких дней до нескольких недель. Чтобы избавиться от крепитации, следует лечить основное заболевание.

Шум трения плевры

Такой звук часто сопровождает сухой плеврит и является самым ярким симптомом этого заболевания. Шум плевры отмечается на вдохе и выдохе. Он похож на шелест листов бумаги. Это дыхание будет отмечаться у больного на протяжении всего заболевания до излечения. Такое явление возникает при заболеваниях дыхательных органов хронического характера.

Заключение

Бронхиальное дыхание является симптомом многих патологических процессов в органах дыхания. По своему звучанию оно может быть разным. Все зависит от степени поражения бронхов и легких.

Как правило, бронхиальное дыхание проходит после лечения основного заболевания. Его стойкость объясняется переходом болезни в хроническую форму. Поэтому при первых симптомах поражения бронхов или легких следует незамедлительно обращаться к специалисту. Врач назначит нужные обследования и назначит соответствующее лечение.

Rhonchi или Rales? Легкие звуки стали проще (со звуком)

От общей практики до отделения интенсивной терапии, прослушивание звуков легких может многое рассказать о пациенте и его относительном здоровье. Однако знание разницы между хрипом , хрипом и хрипом иногда все еще сбивает с толку многих специалистов в области здравоохранения, особенно новичков.

Частично это связано с тем, что некоторые из языков взаимозаменяемы (например, потрескивает и хрипит).

Знание того, как правильно определять сопутствующих звуков дыхания. может многое рассказать вам и другим членам медицинской бригады о состоянии пациента.

Хрипы и хрипы

1. Звонкие хрипы (хрипы)

То, что когда-то называлось « хрипов », теперь чаще всего называют звонкими хрипами (хотя эти термины до сих пор используются как синонимы). Звонкие хрипы названы так, потому что они имеют характер храпа, бульканья или похожи на низкий стон, более отчетливый на выдохе.

Звонкие хрипы вызваны закупоркой дыхательных путей слизистыми выделениями, повреждениями или инородными телами. Пневмония, хронический бронхит и муковисцидоз — это группы пациентов, которые обычно проявляют хрипы.

Кашель иногда может временно устранить этот звук дыхания и изменить его качество.

2. Свистящие хрипы (хрипы)

Ранее называлось просто « хрипов », свистящих хрипов очень тесно связаны со звучным хрипом.Свистящие хрипы отличаются от звучных хрипов, поскольку они представляют собой пронзительный непрерывный свистящий звук высокого тона, возникающий при закупорке и сужении дыхательных путей. Это типичные хрипы, которые слышны при прослушивании астматического пациента.

Свистящие хрипы возникают при астме, хроническом бронхите и обструктивной болезни легких (ХОБЛ).

Трещины (хрипы)

Хрипы также известны как альвеолярные хрипы и представляют собой звуки, которые слышны в области легких, где жидкость находится в легких дыхательных путях.Звуковые потрескивания представляют собой тонкие, короткие, высокие, периодически потрескивающие звуки.

Причиной хрипов может быть воздух, проходящий через жидкость, гной или слизь. Обычно это слышно в основании долей легких во время вдоха.

Трещины можно разделить на грубые и мелкие:

1. Мелкие трещины

Качество звука мелких потрескиваний похоже на звук волос, потерянных между пальцами возле уха, и может быть слышен при застойной сердечной недостаточности и легочном фиброзе.

2. Грубый треск

Грубое потрескивание более низкое и звучит влажно, как будто льется вода из бутылки или разрывается застежка-липучка. Этот звук легких часто является признаком респираторного дистресс-синдрома (ОРДС) взрослых, ранней застойной сердечной недостаточности, астмы и отека легких.

Стридор

Стридор — это непрерывный пронзительный кукарекающий звук, который слышен преимущественно при вдохе над верхними дыхательными путями. Стридор может быть признаком опасного для жизни состояния, и его следует рассматривать как экстренную ситуацию.

Обычно указывает на частичную обструкцию более крупных дыхательных путей, таких как трахея или главный бронх, и требует немедленного внимания. Это также наиболее распространенный тип звука дыхания, который слышен у детей с крупом, хотя важно различать круп и обструкцию дыхательных путей инородным телом.

Обычно он наиболее громкий над передней частью шеи, так как воздух турбулентно движется по частично закупоренным верхним дыхательным путям.

Трение плевры

руб.

A Трение плевры вызвано воспалением висцеральной и париетальной плевры.Эти мембраны обычно покрыты защитной жидкостью, но при воспалении они слипаются и издают звук, похожий на резкий скрежет или скрип. Трение трения плевры часто вызывает сильную боль, и пациент накладывает шину на грудь и начинает сопротивляться глубокому дыханию, чтобы компенсировать это.

Шум трения перикарда и шума трения плевры часто звучит одинаково, и лучший способ отличить их — заставить пациента задержать дыхание. Если вы все еще слышите звук трения, значит, у пациента шум трения перикарда, и ему требуется другое лечение.

Возможные причины включают плевральный выпот и пневмоторакс. Лучше всего его слышно в нижних отделах легких и боковой части грудной клетки как на вдохе, так и на выдохе.

Список литературы

• Estes, MEZ, Calleja, P, Theobald, K & Harvey, T. 2013, Оценка состояния здоровья и физикальное обследование: издание для Австралии и Новой Зеландии. Cengage Learning Australia Южный Мельбурн, Виктория.

Автоматический анализ случайных респираторных звуков: систематический обзор

В этом разделе представлены результаты выполненного систематического обзора.Раздел организован следующим образом: сначала дается сводка нормальных и ненормальных звуков дыхания. Далее следует описание ограничений обычной аускультации, чтобы подчеркнуть необходимость автоматического обнаружения или классификации дополнительных звуков. В этом разделе также обсуждаются коммерческие устройства, связанные с анализом дыхательных звуков. Далее представлены результаты систематического обзора. Сюда входят объяснения типа анализа, инструментов и методов.

Проверка нормальных и аномальных звуков дыхания

Дыхательные шумы — это звуки, издаваемые дыхательной системой. Обычно их можно услышать при аускультации. Аускультация обычно проводится для проверки физического здоровья и включает в себя прослушивание как сердечных, так и дыхательных звуков. Дыхательные шумы, слышимые при аускультации, могут быть нормальными или ненормальными. Обнаружение аномальных звуков дыхания и их дифференциация от нормальных звуков важно, поскольку аномальные звуки характерны для нескольких серьезных заболеваний, таких как астма, ХОБЛ и пневмония.

Шумы дыхания нормальные.

Нормальные дыхательные шумы можно разделить на категории в зависимости от места, где они слышны или генерируются. В зависимости от места аускультации разные типы дыхательных звуков имеют разные характеристики, такие как продолжительность, высота и качество звука. Ниже кратко описаны нормальные дыхательные шумы и их характеристики. Резюме также представлено в таблице 1.

• Везикулярные звуки
  Нормальные везикулярные звуки мягкие, немузыкальные, их можно услышать при аускультации, проводимой в большинстве полей легких.Везикулярные звуки дыхания слышны на протяжении всей фазы вдоха. Однако из-за пассивного характера, а также происхождения звуков их можно услышать только в фазе раннего выдоха [8]. Следовательно, везикулярные звуки на вдохе длиннее, чем на выдохе. Высота звука, а также интенсивность на вдохе выше, чем на выдохе. И хотя обычно в одном цикле нет паузы между звуками вдоха и выдоха, разные циклы дыхания разделяются паузой [8].
  Везикулярные звуки имеют низкую высоту и очень ограниченный частотный диапазон, обычно с падением энергии примерно после 100–200 Гц [9]. Это связано с тем, что грудная стенка действует как фильтр нижних частот для генерируемых звуков. Интенсивность везикулярных звуков также варьируется в зависимости от части грудной клетки, на которой проводится аускультация [8].
• Бронхиальные звуки
  Нормальные бронхиальные звуки слышны над большими дыхательными путями на груди, особенно возле второго и третьего межреберных промежутков.Бронхиальные звуки более глухие и высокие по сравнению с везикулярными звуками [8]. Бронхиальные шумы слышны как на вдохе, так и на выдохе [10]. В отличие от везикулярных звуков, из-за того, что звуки исходят из более крупных дыхательных путей, звуки фазы выдоха обычно слышны дольше, чем звуки фазы вдоха. Интенсивность звуков фазы выдоха также выше по сравнению с интенсивностью фазы вдоха. В отличие от везикулярных звуков, между каждым циклом дыхания есть небольшая пауза.
  Бронхиальные звуки содержат больше энергии в более широкой полосе частот, чем везикулярные звуки [8]. Слышимые звуки обычно высокие, громкие и трубчатые.
• Бронхо-везикулярные звуки
  Бронхо-везикулярные звуки обычно слышны в задней части грудной клетки между лопатками, а также в центральной части передней части грудной клетки. Качество звука находится между бронхиальными и везикулярными звуками. Они мягче, чем бронхиальные звуки, но все же имитируют трубчатые звуки. Можно услышать, что фазы вдоха и выдоха имеют одинаковую продолжительность [11].
• Трахейные звуки
  Трахейные звуки резкие, громкие и обычно имеют высокий тон [8]. Звуки обычно слышны при аускультации над трахеей, особенно над надгрудинной вырезкой. Слышимые звуки обычно полые и трубчатые, так как они генерируются турбулентным потоком воздуха, проходящим через глотку и голосовую щель [10]. Разрыв между фазами вдоха и выдоха в трахеальных звуках отчетлив, причем обе фазы имеют одинаковую продолжительность.
  Распределение энергии по частоте более разбросано по сравнению с другими нормальными звуками, с большей энергией в высокочастотных компонентах.Частотный диапазон нормальных звуков трахеи может достигать 5000 Гц с падением энергии, обычно происходящим от 800 Гц [12]. Звуки, слышимые через трахею, имеют высокую интенсивность и могут дать больше информации, поскольку они не фильтруются стенкой грудной клетки.
• Звуки изо рта
  Звуки дыхания изо рта производятся центральными дыхательными путями и вызваны турбулентным потоком воздуха под голосовой щелью. Звуки дыхания изо рта имеют широкий частотный диапазон от 200 до 2000 Гц [13]. Распределение энергии аналогично белому шуму.У здорового человека звуки дыхания изо рта должны быть беззвучными.
  Сравнение и обобщение типов и характеристик нормальных дыхательных звуков можно увидеть в таблице 1.

Различные места для аускультации обеспечивают разные звуковые характеристики даже для звуков нормального дыхания. Это может усложнить автоматический анализ звуков легких, если сигналы поступают из нескольких мест.

Ненормальные дыхательные шумы.

К аномальным звукам дыхания относятся отсутствие или снижение интенсивности звуков при дыхании, нормальные звуки дыхания, слышимые в ненормальных областях, а также побочные звуки.Дополнительные звуки — это звуки, накладываемые на нормальные звуки дыхания. Их можно охарактеризовать на основе основных состояний, и, следовательно, они могут быть очень полезны при диагностике. Дополнительные звуки можно разделить на две категории: непрерывные и прерывистые, в зависимости от их продолжительности.

• Непрерывные сопутствующие звуки
  Непрерывные сопутствующие звуки (CAS) — это ненормальные звуки, накладываемые на нормальные звуки дыхания длительностью более 250 мс [14]. В зависимости от высоты звука CAS можно дополнительно разделить на высокие (хрипы, стридор и вздох) или низкие (хрипы и писк).В зависимости от связанного состояния и причины появления дополнительных звуков можно также разделить различные типы CAS.
  • Хрипы и хрипы
    Хрипы и хрипы — это непрерывные сопутствующие звуки, которые можно услышать во время вдоха, в основном на выдохе, или во время обеих фаз [10]. Хрип — это высокий CAS, а хрипы — низкий. Хрипы вызваны сужением дыхательных путей, что затем вызывает ограничение воздушного потока [15], в то время как хрипы связаны с сгущением слизи в более крупных дыхательных путях [16].Согласно [17], хотя хрипы и хрипы относятся к CAS, они не обязательно имеют продолжительность более 250 мс. Некоторые сообщают, что хрипы и хрипы могут иметь минимальную продолжительность от 80 до 100 мс.
    Хрипы и хрипы представляют собой синусоидальные сигналы с частотным диапазоном от 100 до 1000 Гц. Хрип определяется как непрерывный высокий звук с доминирующей частотой минимум 400 Гц, в то время как хрипы — это непрерывный низкий звук с доминирующей частотой максимум 200 Гц [14].И хрип, и хрипы — это музыкальные звуки, обычно содержащие до трех гармонических частот [18].
    Заболевания, связанные с хрипом, — это астма и ХОБЛ. Если хрип локализован, это может быть вызвано инородным телом, блокирующим дыхательные пути, например опухолью [10]. Хрипы связаны с ХОБЛ и бронхитом из-за секрета бронхиального дерева [10].
  • Stridor
    Stridor — это тип CAS с шипящим и музыкальным качеством, похожим на хрип. Стридор в основном можно услышать на фазе вдоха, хотя в некоторых случаях его можно услышать на выдохе или даже на обеих фазах [10].В отличие от хрипа, стридорный звук создается турбулентным потоком воздуха в гортани или бронхиальном дереве и связан с обструкцией верхних дыхательных путей. Вот почему стридор более отчетливо слышен на трахее, а хрипы также отчетливо слышны при аускультации грудной клетки [19]. Звуки стридора характеризуются высоким тоном более 500 Гц [10]. Кроме того, они обычно более резкие и громкие, чем хрипы. Как тип CAS, стридорные звуки имеют продолжительность более 250 мс.
    Дифференциальный диагноз стридора: эпиглоттит, круп и отек гортани.Все эти состояния связаны с обструкцией верхних дыхательных путей. Звуки стридора также можно услышать при наличии инородного тела, такого как опухоль, в верхних дыхательных путях.
  • Gasp
    Вдохновение можно услышать обычно после приступа кашля, когда пациент наконец пытается вдохнуть. Хрип при вдохе вызван быстрым движением воздуха через дыхательные пути. Клювящие звуки обычно имеют высокий тон и большую продолжительность, что делает вдохи на вдохе принадлежащими CAS.Коклюш является патогномоничным симптомом коклюша (коклюша) [20]. Это единственное заболевание, связанное с хрипом на вдохе.
  • Писк
    Писк — это случайные звуки, которые можно услышать во время фазы вдоха. Звук представляет собой смесь как музыкального, так и немюзикла. Крик также называют коротким хрипом, поскольку характеристики звука подобны хрипу низкого тона, но с меньшей продолжительностью [8]. Высота звукового сигнала обычно составляет 200–300 Гц [10].Звуки генерируются колебаниями в периферических дыхательных путях [21]. Крик обычно можно услышать у пациентов с гиперчувствительной пневмонией, хотя о них сообщалось несколько раз у пациентов с обычной пневмонией [22].
• прерывистые сопутствующие звуки
  прерывистые сопутствующие звуки (DAS) — это ненормальные звуки, накладываемые на нормальные звуки дыхания с короткой продолжительностью менее 25 мс [14]. DAS можно дополнительно классифицировать в зависимости от источника, из которого генерируются звуки.
  • Fine Crackle
    Тонкий треск возникает из-за взрывных отверстий в дыхательных путях. Звук высокотональный (около 650 Гц) и имеет короткую продолжительность (около 5 мс) [23]. Звуки треска бывают взрывными и немузыкальными [8, 24]. Мелкие потрескивания слышны только на поздних стадиях фаз вдоха. Мелкие потрескивающие звуки обычно связаны с пневмонией, застойной сердечной недостаточностью и фиброзом легких.
  • Грубый треск
    Грубый треск издается пузырьками воздуха в крупных бронхах.Эти звуки можно услышать в основном на ранних стадиях вдоха, но они также слышны на стадии выдоха. Грубые потрескивания имеют низкий тон, около 350 Гц, с длительностью звука около 15 мс [23]. Грубые потрескивающие звуки можно услышать у пациентов с хроническим бронхитом, бронхоэктазами, а также с ХОБЛ.
  • Шум от плевры
    Шум из плевры — это немузыкальные ритмические звуки, которые относятся к категории DAS, поскольку длительность каждого шума составляет около 15 мс [10]. Шум трения плевры возникает из-за трения плевральных оболочек при дыхании.Звук, создаваемый трением, можно услышать на обеих фазах (двухфазных), вдохе и выдохе. Звуки трения плевры имеют низкую высоту, обычно ниже 350 Гц [10]. Обычно они вызваны воспалением плевральной оболочки [8]. Их может вызывать и опухоль плевры [10].

Таблица 2 содержит сводку и сравнение различных дополнительных звуков. Из таблицы 2 видно, насколько сложно разработать инструмент классификации случайных звуков, поскольку характеристики разных звуков в значительной степени пересекаются.Кроме того, типичные характеристики могут не быть общими и репрезентативными для разных пациентов.

Аускультация.

Аускультация — это медицинский термин, обозначающий использование стетоскопа или других инструментов для прослушивания звуков, исходящих изнутри тела. Он используется для диагностики большого количества заболеваний. Обычно аускультация проводится для прослушивания звуков легких, сердца, брюшной полости и кровеносных сосудов. Чаще всего аускультация проводится на переднем и заднем отделах грудной клетки [25].

Стетоскоп, используемый для аускультации, обычно состоит из двух частей: диафрагмы и раструба. Диафрагма используется для прослушивания высоких звуков, а колокол — для низких. Аускультацию рекомендуется проводить в спокойной обстановке, чтобы эксперт мог отчетливо слышать звуки [8].

Недостатки и ограничения традиционной аускультации.

Первое ограничение традиционной аускультации заключается в том, что ее нельзя проводить часто, и, следовательно, нельзя обеспечить непрерывный мониторинг.Аускультация должна выполняться специалистом, особенно при попытке обнаружить и определить аномальные звуки. Это очень ограничивает, например, в случае астмы, потому что такие симптомы, как хрипы, чаще всего возникают в ночное время. Требования к проведению аускультации в спокойной обстановке и, в идеале, когда пациент находится в неподвижном положении, также очень строгие.

Количество людей, способных проводить аускультацию, также ограничено. Эксперт по аускультации должен иметь большой опыт, чтобы определять типы слышимых звуков и решать, как эта информация может помочь в диагностике или мониторинге.Симптомы могут быть упущены, а их тяжесть недооценена как пациентами, так и врачами [26], в результате чего не будет оказана надлежащая помощь.

Ограничения слуховой системы человека также являются недостатком традиционной аускультации. В исследовании [27] утверждается, что обычную аускультацию не следует использовать в качестве справочной информации в исследованиях автоматического анализа звука легких. Интенсивность дыхательных звуков может маскировать сопутствующие звуки, в результате чего слышны только нормальные звуки. Различная амплитуда дополнительных звуков может также привести к тому, что человеческое ухо пропустит некоторые случаи, когда интенсивность слишком мала, чтобы ее можно было обнаружить.

Эти ограничения и недостатки снижают эффективность традиционной аускультации как средства мониторинга и контроля симптомов. Автоматический анализ звука легких, в частности автоматическое обнаружение и классификация случайных звуков, потенциально может преодолеть эти ограничения.

Доступные автоматизированные устройства для анализа звука в легких.

Автоматический анализ звука в легких, направленный на преодоление упомянутых выше ограничений, был в последнее время в центре внимания значительного количества исследований, и некоторые коммерческие системы для очень специфических приложений уже представлены на рынке [25].К ним относятся Wheezometer [28], Wholter [29], VRI [30], LSA-2000 [31], LEOSound [32], многоканальный STG [33], STG для ПК [34] и портативный STG [35]).

Wheezometer и WHolter были разработаны Karmelsonix (ныне Respiri). Хрипометр используется для измерения процента хрипов и использует один датчик, расположенный над трахеей. WHolter имеет датчик и алгоритм, аналогичные Pulmotrack [36], но предназначен для домашнего мониторинга. Данные, записанные WHolter, загружаются в компьютер для анализа.Визуализация вибрационного отклика (VRI), разработанная Deep Breeze, использует 34 или 40 датчиков, размещенных на задней части грудной клетки. Устройство способно определять энергию вибрации легких и визуализировать ее в оттенках серого. LSA-2000 от Kenzmedico использует до 4 датчиков, прикрепленных к груди, для выявления интерстициальной пневмонии. LEOSound, разработанный Heinen и Lowerstein, использует 3 датчика, способные сохранять данные для обнаружения хрипов и кашля. Многоканальный STG использует 14 датчиков, размещенных в нескольких местах на задней части грудной клетки, трахее и датчике над сердцем.Устройство умеет считать потрескивания, хрипы и хрипы. В меньших версиях STG используется электронный стетоскоп, соединенный либо с ПК (STG для ПК), либо с портативным устройством (Handheld STG).

Автоматизированные устройства для анализа звука в легких должны быть простыми в использовании, портативными и требовать как можно меньшее количество датчиков [25]. Использование нескольких датчиков и громоздких устройств не подходит и не рентабельно для целей домашнего мониторинга. Все перечисленные выше устройства, как правило, большие и сложные, за исключением Wheezometer, но он может обеспечивать только выборочные проверки, а не непрерывный мониторинг.WHolter имеет портативность, но работает как регистратор данных с отдельным устройством анализа. В то время как STG для ПК и портативный STG используют электронный стетоскоп, который также не подходит для постоянного наблюдения. Таким образом, портативные или носимые неинтрузивные устройства, которые можно использовать для отслеживания звуков в легких без помощи экспертов, по-прежнему необходимы.

Помимо устройств, упомянутых выше, разработка алгоритмов для обнаружения или классификации звуков легких была в центре внимания многих исследовательских работ. В этих работах были разработаны методы обнаружения или классификации путем извлечения определенных характеристик из звуков.Используемые методы обнаружения и классификации варьируются от эмпирически определенных до использования машинного обучения. Систематический обзор автоматического обнаружения или классификации случайных звуков представлен в следующем подразделе.

Обзор алгоритмов автоматического анализа побочных звуков дыхания

В этом разделе содержится обзор опубликованных исследований по обнаружению или классификации дополнительных дыхательных шумов. Обзор организован следующим образом. Сначала будут обсуждаться типы исследуемых звуков.Затем следует обсуждение уровня, на котором выполняется анализ. Далее рассматриваются типы, количество и размещение датчиков. Представлены доступные онлайн-базы данных с записями случайных звуков. Последней рассматривается методология анализа, включая использование данных, валидацию, особенности и используемые методы классификации или обнаружения.

Выбор исследования.

В этот систематический обзор было включено 77 полных статей. Поиск в базе данных по SCOPUS и IEEExplore, а также отслеживание цитирования выявили в общей сложности 1519 записей.Удаление дубликатов и недоступных полнотекстовых статей осталось 1446 статей. Из них 1297 статей были исключены на основе проверки заголовков и аннотаций. В результате отбора 149 полнотекстовых статей были затем оценены на соответствие критериям отбора, и 72 исследования были исключены. В результате этого отбора исследований было получено 77 подходящих полных статей, которые все были включены в обзор. Блок-схему для этого выбора исследования можно увидеть на рис. 1.

Характеристики исследований, включенных в этот систематический обзор, приведены в таблицах 3 и 4.Характеристики, обобщенные для каждой работы, включают: тип обоснованного анализа, подход и уровень анализа, инструменты или база данных, используемые для получения данных, и количество данных, используемых в анализе.

Типы анализируемых звуков.

Хотя все подходящие статьи, включенные в этот обзор, были нацелены на случайные звуки, разные работы преследовали разные конкретные цели. Следовательно, в некоторых работах исследовался один тип случайных звуков и сравнивался его с обычными звуками дыхания — это может быть выполнено как схема обнаружения или классификации.Другие сообщили о классификации нескольких типов дополнительных звуков. Также были работы, в которых проводилась классификация причин генерации случайных звуков.

Примеры анализа, выполненного в опубликованных статьях, включали: обнаружение хрипов, классификацию хрипов по сравнению с нормальными звуками дыхания, классификацию монофонических и полифонических хрипов, обнаружение потрескивания в записи и классификацию хрипов и нормальных звуков дыхания. Помимо анализа хрипов и потрескивания, в разных работах анализ случайных звуков проводился в комбинации.Как правило, анализ проводился по задачам классификации, таким как классификация хрипов и хрипов, классификация хрипов и хрипов, классификация хрипов и стридоров и другие комбинации. Другой пример — классификация звуков, вызванных обструкцией дыхательных путей и паренхиматозом. 55 (71,43%) исследований были посвящены хрипу, 40 (51,95%) хрипу, 9 (11,69%) стридору, 9 (11,69%) хрипам и 18 (23,38%) другим звукам, таким как шум трения плевры, крик, а также патология. Сводку типов звуков, проанализированных в каждой статье, можно увидеть в таблице 3.

Уровень анализа.

Существует три различных уровня анализа случайных звуков. В нескольких исследованиях выполнялось обнаружение и классификация дополнительных звуков на уровне сегментов. Для обнаружения на уровне сегмента характеристики обычно выделяются в сегментах, созданных с помощью окна сигнала. Классификация также может выполняться на уровне сегмента. Случайные сегменты как из случайных, так и из нормальных звуков получаются и используются для выполнения этой классификации.В отличие от классификации на уровне сегментов, классификация на уровне событий обычно выполняется после получения вручную изолированных событий из дополнительных звуков и нормальных звуков дыхания. На уровне записи обычно выполняется обнаружение событий.

Различные уровни анализа приводят к разным показателям эффективности. На уровне сегмента одним из возможных показателей эффективности является рассмотрение каждого сегмента как истинно положительного, истинно отрицательного, ложноположительного или ложноотрицательного.Другой подход состоит в том, чтобы объединить обнаруженные сегменты, например, приняв несколько последовательных обнаруженных сегментов как положительное событие или взяв средние значения извлеченных признаков. Для отчетных работ с использованием уровня события (обычно задача классификации) производительность измеряется по индивидуально изолированным событиям. Задачи обнаружения, выполняемые на уровне записи, измеряют производительность на уровне событий. Что касается классификаций, выполняемых на уровне записи, анализируемая запись будет либо классифицирована как содержащая ненормальные звуки, либо как обычная запись.Более подробно о том, как каждая работа в литературе выполняла анализ и измеряла производительность, можно увидеть в Таблице 3.

Датчик и его размещение.

В большинстве исследовательских работ по анализу случайных звуков использовались данные, полученные от пациентов в больнице. Чаще всего для сбора данных использовались микрофоны. Были упомянуты типы микрофонов: SP0410HR5H-PB [114], KEC-2738 [115], TSD108 [116], Panasonic WM-61 [117], SONY ECM-44 BPT и SONY ECM-77B [118].В нескольких статьях также использовались микрофоны, но без конкретного упоминания типа. Электронные стетоскопы также использовали несколько исследователей. К ним относятся цифровой стетоскоп ThinkLab Rhythm: ds32a [119], электронный стетоскоп WelchAllyn Meditron [120] и электронный стетоскоп Littmann 3M модели 4000 [121] и 3200 [122]. В одной статье в качестве датчика использовался акселерометр БУ-3173 [123]. Помимо датчиков, указанных выше, в нескольких исследованиях указывалось на использование микрофона или стетоскопа без конкретного упоминания типа.Всего было проведено 31 исследование с использованием микрофонов и 21 исследование с использованием электронного стетоскопа.

Обычная аускультация обычно выполняется на передней и задней части грудной клетки для получения везикулярных звуков дыхания. Для разработки алгоритмов обнаружения или классификации дополнительных звуков в нескольких исследованиях использовалась трахея, в частности надгрудинная выемка, в качестве местоположения датчика. В одной из работ для обнаружения хрипов также использовались звуки ротового дыхания.

Количество датчиков, используемых для выполнения анализа, варьируется от одного датчика до набора из 14. В некоторых документах, хотя использовался только один датчик, датчик не удерживается в фиксированном положении, а используется для обнаружения звуков от в нескольких местах, как при обычной аускультации. Обычно это было так, когда анализ проводился с использованием цифрового стетоскопа для сбора данных. Сводку датчиков, используемых в каждой работе, можно увидеть в Таблице 4.

Базы данных.

В нескольких работах использовались доступные базы данных в качестве источника для анализа вместо сбора собственных данных. Используемые базы данных взяты из онлайн-репозиториев и из сопутствующих книг на аудио компакт-дисках. Доступные онлайн-репозитории были из R.A.L.E [124], репозитория Государственного университета Восточного Теннесси [125], репозитория Littmann [126] и SoundCloud [127]. В качестве сопутствующих аудио-компакт-дисков использовались такие книги, как «Понимание звуков легких 2 ^и , издание [128],« Понимание звуков легких 3 » ^{, издание} [129],« Навыки аускультации: дыхание и звуки сердца »[130],« Основы » звуков легких и сердца [131], «Понимание звуков и шумов сердца» [132], Справочная библиотека по звукам сердца и легких [133], Семинары по секретам звуков сердца и легких [134], Звуки легких: введение в интерпретацию результатов, полученных при аускультации [135] и Сундук: его признаки и звуки [136].

Звуки дыхания из онлайновых или книжных баз данных были взяты из разных мест, таких как грудь, шея и рот. Датчик, используемый для сбора данных, был разнообразным и включал электретный микрофон и акселерометр в [124], а также цифровой стетоскоп Литтмана в репозитории Литтмана [126].

Метод анализа и выполнения.

Алгоритмы, разработанные для обнаружения или классификации случайных звуков, обычно включают два этапа. Первым шагом является извлечение соответствующих характеристик, которые будут использоваться в качестве переменных обнаружения или классификации.Второй шаг — использовать методы обнаружения или классификации данных на основе извлеченных признаков. При разработке алгоритма обнаружения или классификации, особенно если используются методы машинного обучения, важно учитывать, как данные используются для обучения, тестирования и проверки алгоритма. В этом разделе будет обсуждаться опубликованная литература. Были рассмотрены следующие аспекты: извлеченные признаки; используемый классификатор или методы обнаружения; как проводилось обучение, тестирование и валидация; а также достигнутые характеристики.Раздел организован на основе используемого классификатора или методов обнаружения. Это основанные на эмпирических правилах (например, с пороговым значением или выбором пиков), машина опорных векторов (SVM), вариант искусственной нейронной сети (ANN) и другие методы, такие как кластеризация и статистические модели. Таблица 5 предназначена для обобщения обзора.

Эмпирические методы, основанные на правилах.

В исследовании [62] была проведена классификация кракле. Использованные данные включали 50 случаев потрескивания и 50 звуков нормального дыхания.Звуки записывались с помощью электронного стетоскопа Littmann 3M 4000 в нескольких местах на груди. Проведенная классификация была основана на математической морфологии события потрескивания на спектрограмме. Классификация достигла чувствительности 86% при специфичности 92%.

Классификация хрипов проведена в [95]. Данные, использованные для исследования, были взяты из [129]. Всего было использовано 17 записей, из которых 7 нормальных и 10 содержащих хрипы. Выполненная классификация заключалась в том, чтобы определить, была ли запись нормальной или содержала хрипы.Используемая функция была извлечена на основе энтропии каждого кадра сегментированной записи. Набор функций заключался в соотношении и разнице максимальной и минимальной энтропии сегментов записи. Классификация была проведена на основе эмпирического порога. Чувствительность исследования составила 84,4%, а специфичность — 80%.

Эмпирический порог также использовался в качестве классификатора [50] для выполнения классификации по нескольким классам между хрипом, стридором, потрескиванием и нормальными явлениями. Это исследование было продолжением [95] выше.Данные, использованные для этого исследования, были получены как из больницы, так и из онлайн-хранилища Soundcloud с поисковым термином «звуки легких». Всего было использовано 45 записей, каждая из которых содержала несколько циклов дыхания. Подобно алгоритму в [95], энтропия извлекалась из сегментированной записи. Для мультиклассовой классификации были извлечены две характеристики на основе энтропии вместо одной, как в предыдущем исследовании. Основанные на энтропии характеристики — это разница и соотношение максимальной и минимальной энтропии сегмента в записи.Как и в [95], производительность измерялась путем классификации всей записи с использованием извлеченных признаков. Сообщенная производительность составила 99% для стридора, 70% для хрипа, 87% для треска и 99% для нормальных звуков.

В исследовании [63] утверждается, что координата задержки может использоваться как признак для выполнения классификации между хрипом и нормальным дыханием, достигая общей точности 98,39%. Основная причина заключалась в том, что звуковой сигнал хрипа является синусоидой, в то время как нормальный звук дыхания похож на шум.Может быть найден порог для выполнения классификации на основе постоянной гомологии вложений задержки. Другое исследование той же группы [73] ранее было сосредоточено на обнаружении хрипов в записи. Используемые данные содержали 6 событий хрипов в записи, которые все можно было обнаружить с помощью классификатора энергетического порога на определенных частотных диапазонах и декомпозиции вейвлет-пакетов.

Обнаружение хрипов также изучалось в [77] с сигналами, полученными с помощью стетоскопа, который был построен с использованием микрофона внутри камеры.Звуки записывались с шеи. Для анализа было использовано 59 записей, 25 записей с хрипами и 34 нормальных, от 8 детей младшего возраста. Используемым признаком был коэффициент корреляции, а классификатором был эмпирически определенный порог. Характеристики были извлечены из каждого сегмента записи. Несколько последовательных высоких коэффициентов корреляции были расценены как свистящее дыхание. Наконец, каждая запись была классифицирована как содержащая свистящее дыхание или являющаяся нормальной с использованием порога, рассчитанного как соотношение между продолжительностью свистящего дыхания и нормальной продолжительностью дыхания.Достигнутая производительность составила 88% чувствительности при 94% специфичности.

Исследование [74] также сосредоточено на обнаружении хрипов. Хрипы записывались с помощью одного цифрового стетоскопа с разных позиций. Всего для исследования было использовано 40 записей. Характеристики были получены на основе частотно-временного анализа с принятием решений на основе правил, таких как поиск и выбор пиков на основе энергетического порога, полученного на основе алгоритма, разработанного [101]. В исследовании достигнута специфичность 72,5% при чувствительности 99.2%.

Классификация CAS и DAS против нормальных звуков дыхания была проведена [80]. Было использовано 47 записей из онлайн-хранилища [124]. Они содержали 10 обычных, 20 CAS и 17 DAS записей. В этом исследовании были проанализированы две особенности. Первой особенностью была мера сходства сегментов в записи с использованием взаимной информации. Вторая особенность — это взвешенная кепстральная особенность. В исследовании заявлено о высокой точности классификации с использованием порогового классификатора с использованием первого признака, в то время как индекс разделимости, равный 1, был найден с использованием второго набора признаков как для классификации CAS, так и для классификации DAS.

Сегментная классификация хрипов была проведена в [81], также с использованием классификатора на основе пороговых значений. Всего было проанализировано 180 сегментов. Они содержали 82 сегмента хрипов и 98 нормальных сегментов. Особенностью, использованной в этом исследовании, было дробное преобразование Гильберта. Достигнутая общая точность составила 90,5%. Та же исследовательская группа выполнила обнаружение потрескивания, также используя дробное преобразование Гильберта в качестве функции в [82]. Коэффициент корреляции использовался как дополнительный признак для обнаружения потрескивания.Достигнутая производительность составила чувствительность 94,28% и положительное прогнозируемое значение (PPV) 97,05% на уровне события на 10 коротких записях с 33 событиями потрескивания.

Обнаружение трещин также было выполнено в [56] с использованием порога фрактальной размерности и критерия треска CORSA [143]. Для анализа было использовано 24 записи, полученные с помощью стетоскопа. Сообщенная производительность была средней чувствительностью 89 ± 10% и PPV 95 ± 11% на уровне события для различных записей.

В исследовании [84] также было выполнено обнаружение потрескивания с использованием классификатора на основе пороговых значений. Особенностью, использованной в этом исследовании, был уровень отклонения от нормы. В анализе было использовано 433 сегмента без каких-либо дополнительных подробностей. Сообщенная производительность составила 84,5% точности.

Обнаружение хрипов было выполнено в [83] с использованием коэффициента ошибок прогнозирования линейного кодирования (LPC) в качестве функции. Для анализа было использовано 26 записей, 13 из которых содержали хрипы.При использовании порогового классификатора ошибки прогнозирования была достигнута чувствительность 70,9% и специфичность 98,6% на уровне события.

В работе [97] для обнаружения хрипов использовался выбор пика на основе продолжительности времени. Всего из нескольких баз данных было получено 40 событий. Единственная доступная в настоящее время база данных — [125]. Из 40 случаев 19 из них были хрипами и 21 были нормальными дыхательными звуками. Сообщенная производительность составила 84% чувствительности и 86% специфичности.

Классификация хрипов и нормальных респираторных явлений была проведена в [98].Сигналы от 14 добровольцев были записаны с помощью одного микрофона SONY ECM-77B. Было получено дополнительно 100 нормальных и 86 случаев хрипов из [129, 132]. Классификация проводилась с использованием искажения гистограмм энтропии выборки в качестве признака. Сообщалось о производительности 97,9% для фазы выдоха и 85,3% для фазы вдоха на уровне события.

Порог фрактальной размерности использовался для обнаружения сегментов кракле в [100]. Всего было проанализировано 18 записей с 182 случаями потрескивания.Достигнута чувствительность 92,9% и PPV 94,4% на уровне события, обнаружение потрескивания.

В работе [106] было выполнено обнаружение хрипов по сигналам, полученным от 16 больных астмой и 15 здоровых добровольцев. Данные регистрировались с помощью одного пьезоэлектрического микрофона, размещенного на шее. Использовалась пороговая энергия, обеспечивающая 100% чувствительность и специфичность для высокого воздушного потока на уровне события. Обнаружение хрипов также было предметом исследования [101]. Сигналы от 13 добровольцев, содержащие 422 случая хрипов, были записаны с помощью пяти микрофонов SONY ECM-77B, размещенных на шее, передней и задней части груди.Данные 10 из 13 добровольцев были использованы в качестве тестового набора, содержащего 337 случаев хрипов. Обнаружение производилось путем выбора пиков на основе набора правил. Достигнута чувствительность 95,5 ± 4,8% и специфичность 93,7 ± 9,3% на уровне событий на тестовой выборке.

В исследовании [108] изучались как обнаружение, так и классификация сегментов треска с использованием сигналов, полученных с обучающей ленты ACCP. Для обнаружения использовалась корреляция между сигналом потрескивания во временной области и вейвлет-разложением.Обнаружение сегмента потрескивания достигло точности 99,8%. Классификация мелкого и грубого кракле проводилась по обнаруженным сегментам кракле. В статье утверждается, что достигнутая точность составила «почти» 100%.

До этого [112] также выполнял обнаружение и классификацию потрескивания. Порог энергетической огибающей использовался для обнаружения и выделения сегментов кракле. Обнаруженные потрескивания были далее классифицированы на мелкие и грубые с использованием типичных характеристик потрескивания, таких как пиковая частота и продолжительность.Алгоритм был применен к сигналам от 9 пациентов, полученным с помощью микрофона. В исследовании утверждается, что достигается 100% точность классификации трещин на мелкие и грубые.

Машинные методы опорных векторов.

В работе [37] для обнаружения хрипов использовался классификатор SVM. Используемые сигналы были получены с помощью одного микрофона (SP0410HR5H-PB), который использовался для записи звуков дыхания ртом. Всего было собрано 95 записей, 27 из которых содержат хрипы. 70 записей с хрипом в 20 из них были использованы для обучения классификатора SVM, а остальные были использованы для тестирования классификатора.Отдельный набор из 39 записей с 10 хрипами использовался в качестве дополнительного набора тестов. Для классификатора использовались спектральные характеристики. Записи были разделены на сегменты, и особенности были извлечены из каждого кадра сегментированных записей. При использовании этого метода чувствительность 71,4% и специфичность 88,9% были достигнуты при проверке, установленной на уровне записи. Также использовался классификатор модели логистической регрессии (LRM), но результат с использованием SVM показал лучшую общую производительность.

В исследовании [41] использовалось пять микрофонов TSD108 для получения записей от 30 добровольцев, которые использовались для классификации CAS.Всего было зарегистрировано 870 инспираторных циклов, из которых 485 проб, содержащих КАС. Четыре датчика были размещены на спине, а один датчик — на шее. Из 870 циклов было получено 1494 сегмента, 633 из которых содержали CAS. Был извлечен набор функций, основанный на мгновенной частоте, и был использован классификатор SVM. Для получения оптимальных параметров SVM использовалась 10-кратная перекрестная проверка (CV) с использованием 559 циклов из 870 записанных. Затем модель SVM была разработана с использованием 100 итераций с 65% -35% случайных данных, разделенных из 1494 сегментов.Если хотя бы один сегмент цикла был классифицирован как CAS, весь цикл был бы классифицирован как CAS. Наилучшая полученная эффективность имела чувствительность 94,2% и специфичность 96,1% на уровне цикла.

В исследовании [38] SVM использовалась для классификации записей с использованием шумоподавляющего автокодера в качестве набора функций. Данные для исследования были записаны с помощью стетоскопа на шее, передней и задней части грудной клетки. Всего было получено 227 записей, 171 нормальных, 33 с хрипом, 19 с треском и 4 с хрипом и треском.Достигнутая производительность составила 90% чувствительности с 64% специфичностью для хрипов и 90% чувствительностью с 44% специфичностью для хрипов на уровне записи.

Та же исследовательская группа в [47] построила специальный стетоскоп и алгоритм для обнаружения хрипов. Используемая схема обнаружения состояла из обработки спектрограммы звукозаписей для выбора потенциальных хрипов с использованием энергетического порога и выполнения классификации выбранных потенциальных хрипов для получения окончательного результата классификации для классификации записи.Достигнутая производительность составила 86% точности на уровне записи с учетом ожидаемого количества ложных срабатываний.

Классификация нормальных событий, хрипов и потрескивания была проведена в [46] с использованием k-ближайшего соседа (k-NN) и SVM. Всего с помощью четырнадцати микрофонов SONY ECM-44 BPT было получено 600 событий, из которых 200 нормальных, 200 хрипов и 200 хрипов. Использовалась перекрестная проверка без исключения (LOOCV) с энергетическими и вейвлет-коэффициентами в качестве функций. Наилучшая производительность была достигнута при использовании SVM.Средняя точность на уровне события составила 95,17%.

Различение монофонических и полифонических хрипов было выполнено [59]. Запись хрипов производилась с использованием четырнадцати микрофонов (SONY ECM-44 BPT), расположенных в нескольких местах на груди. Для анализа было использовано 7 записей, содержащих 121 монофонический и 110 полифонических хрипов. SVM использовался в качестве классификатора с отношением частот квартилей и средней неравномерностью пересечения в качестве признаков. Сообщенная производительность SVM составила 69.Точность 29%. Также использовались классификаторы k-NN и Naive Bayes (NB). Наилучшая общая точность, о которой сообщалось, составила 75,78%, что было достигнуто при использовании k-NN.

Обнаружение хрипов с использованием частотных кепстральных коэффициентов Mel (MFCC), эксцесса и энтропии в качестве функций было разработано в [53]. С помощью акселерометра (BU-3173) было получено 45 записей для анализа. Два параллельных SVM использовались в качестве классификаторов, и окончательное решение принималось с использованием результатов обоих. 21 запись была использована для обучения, а остальные были использованы для тестирования модели.Для проверки использовалось разделение данных на 20% -80% (повторено 20 раз). Производительность была представлена ​​как мера надежности, которая была определена как истинно положительный показатель, умноженный на истинный отрицательный показатель. Сообщенная надежность составила 97,68%.

Другой классификатор хрипов и нормальных звуков был разработан в [61]. Обнаружение производилось на уровне сегментов с использованием данных, полученных из онлайн-репозиториев [125, 126] и их собственных записей. Использованные данные содержали 130 сегментов хрипов и 130 нормальных сегментов.SVM также использовался в качестве классификатора с вариацией звуковой спектральной огибающей и индексом тональности в качестве функций. Было выполнено 10-кратное CV с точностью 93%.

SVM, взвешенный по C, использовался в [58] для обнаружения хрипов. Данные для исследования были взяты из [124], включающей 26 записей. Всего было аннотировано 1188 сегментов; 290 из них были сегментами хрипов. Перекрестная проверка с двумя выходами (LTOCV) использовалась таким образом, что по одному из каждого нормального сегмента и сегмента хрипов использовались в качестве набора тестов.Использовались и сравнивались функции MFCC, преобразования вейвлет-пакетов и преобразования Фурье. Достигнутые характеристики составили 81,5 ± 10% чувствительности и 82,6 ± 7% специфичности для функций MFCC для обнаружения сегментов хрипов.

Классификация хрипов и хрипов представлена ​​в [64]. Для анализа использовалось 60 записей, полученных с помощью электронного стетоскопа WelchAllyn в нескольких положениях на спине. Для выделения признаков использовались отношение частот, среднее значение и время обмена мгновенной частоты, а также собственные значения.Набор функций был извлечен из каждого кадра сегментированных записей. Пятикратное CV использовалось с SVM в качестве классификатора. Производительность была получена с использованием каждой из функций, с классификаторами SVM один против одного и один против всех. Точность была выше 80% для всех случаев.

В работе [65] были разработаны новые возможности для выполнения классификации CAS. Анализируемыми CAS были хрипы, стридоры и хрипы. Данные для исследования были получены как от добровольцев, так и из баз данных. Сигналы добровольцев регистрировались с помощью микрофона SONY ECM-77B, расположенного на трахее, а использованные базы данных были взяты из [129, 131, 132].В результате сбора данных было получено 339 событий. Данные из базы содержат 239 событий. Набор функций размера 5 был получен после выполнения выбора функций. Признаки были извлечены на основе мгновенного эксцесса, дискриминирующих функций и энтропии выборки. LOOCV использовался с классификатором SVM, достигнув точности 97,7% для цикла вдоха и 98,8% для цикла выдоха.

В отличие от других работ здесь, в исследовании [75] проводится классификация причин возникновения дополнительных звуков.Двумя классами для классификации были обструкция дыхательных путей и патология паренхимы. Данные, использованные для исследования, были взяты из [124], который содержал 68 записей. Записи состояли из 17 нормальных, 26 — с обструкцией дыхательных путей и 25 — с патологией паренхимы. Классификация была выполнена с набором 60-40% проверок, повторенных 25 раз. MFCC использовались как функции с классификатором SVM, достигая точности 94,11% для классификации нормальных записей, 92,31% для патологии обструкции дыхательных путей и 88% для патологии паренхимы.

Классификатор SVM также использовался в [76] для классификации треска и нормальных звуков. Сигналы были получены с помощью четырнадцати микрофонов SONY ECM-44 BPT, расположенных на груди. Всего из 26 различных записей было извлечено 6000 сегментов, из которых 3000 — треск. Данные были разделены поровну для обучения, тестирования и проверки модели SVM. Для классификации также использовались методы многослойного персептрона (MLP) и k-NN. О производительности сообщали отдельно для каждого классификатора.Исследование показало, что SVM превосходит k-NN и MLP с общей точностью 97,5% и чувствительностью 97,3%.

Другая работа, в которой SVM использовалась в качестве классификатора, была [78]. Основное внимание в этом исследовании уделялось классификации нормальных и аномальных звуков дыхания. Цифровой стетоскоп ThinkLab был использован для получения 28 записей для анализа. Из 28 записей 10 были нормальными, 10 содержали хрипы и 8 имели хрипы. Кортикальная модель записей была извлечена как особенность, и было выполнено 10-кратное CV.Достигнутая эффективность составила 89,44% по чувствительности и 80,5% по специфичности.

Вариантные методы искусственной нейронной сети.

MLP использовался в [102] для классификации респираторных звуков от 20 здоровых добровольцев, 18 пациентов с обструктивным расстройством и 19 пациентов с рестриктивным расстройством. Набор тестовых поездов 50% -50% использовался с параметрами авторегрессии (AR) и кепстральными коэффициентами в качестве функций. Достигнутая производительность составила 10-20% средней ошибки неправильной классификации на тестовом наборе на уровне событий для набора функций кепстрального коэффициента.Дальнейшая постобработка была проведена для повышения точности классификации на уровне записи.

Классификатор MLP также использовался в [94] для классификации хрипов и нормальных явлений. Данные для классификации были получены из онлайн-хранилища [124], Ausculta pulmonar и обзора легочных звуков IMD 420-C. В общей сложности 28 записей с 40 случаями хрипов и 72 нормальными событиями были использованы для тестирования классификатора MLP. Для тренировки MLP использовалось 40 отдельных упражнений, 20 из которых были упражнениями с хрипом.Был извлечен набор признаков размером 20. Характеристики были получены из амплитуды и частоты 10 самых больших краев предварительно обработанной спектрограммы. Спектрограмма каждого события была предварительно обработана с использованием маски Лапласа. Результатом классификатора хрипов MLP была чувствительность 86,1% и специфичность 82,5%.

В работе [69] также использовалась MLP для классификации хрипов, потрескивания и нормального дыхания. Данные были получены из онлайн-хранилища [124].13 упражнений, 4 из которых содержали хрипы, 4 — хрипы, и 5 — нормальные, были использованы с техникой LOOCV. Использовались 13 MFCC. Записи сначала обрабатывались окнами, и каждый сегмент классифицировался с использованием MLP. Классификация событий производилась на основе сегментной классификации. Событие было отнесено к определенному классу, если большая часть его сегмента была отнесена к этому классу. Классификация событий достигла индивидуальной точности 100% для хрипов, 75% для тресков и 80% для обычных звуков.

MLP также использовался в качестве классификатора в [45]. Использовались 20 MFCC. Данные, использованные для исследования, были получены из онлайн-хранилища [124] и из Института пульмонологии и исследований IIT Kharagpur, Калькутта. Было получено 30 записей, содержащих 72 события, из них 24 нормальных, 24 с хрипом и 24 с треском. Использовалась методика LOOCV, общая точность классификации составила 97,83%. Также обсуждались другие функции на основе кепстра, такие как: кепстральный коэффициент линейного прогнозирования (LPCC), перцепционный кепстральный коэффициент линейного прогнозирования (PLPCC), кепстральный коэффициент линейной частоты (LFCC) и инвертированный MFCC.Эти кепстральные характеристики сравнивались с функциями, основанными на вейвлетах. В исследовании сделан вывод, что функции на основе кепстрала достигают большей точности, чем функции на основе вейвлетов.

В исследовании [55] использовалась нечеткая нейронная сеть (FNN) для классификации аномальных и нормальных звуков дыхания. Нормальные звуки дыхания в исследовании состояли из бронховезикулярной, нормальной бронхиальной, нормальной бронхофонии и нормальной эгофонии. Аномальные звуки включали потрескивание, хрипы, аномальные бронхиальные, стридоры, бронхофонию за счет консолидации и эгофонию.Звуки были получены из [129, 130] сопутствующей аудиокниги, содержащей 28 записей. Данные были разделены на набор для проверки 70% -15% -15%. Характеристики были извлечены из спектральной плотности мощности каждого события. Спектр мощности был усреднен по 32 частотным диапазонам, так что вектор признаков имел размер 32. Производительность на испытательном наборе составила 97,8% чувствительности со 100% специфичностью для классификации аномальных звуков.

Нейронная сеть обратного распространения (BPNN) использовалась в [107] для классификации аномальных и нормальных дыхательных звуков.Данные регистрировались с помощью двух микрофонов LS-60, размещенных на передней части грудной клетки. Были также получены дополнительные данные из [129, 131]. Наилучшие результаты достигаются при чувствительности 59% и 81% специфичности для записанных звуков и чувствительности 87% и 95% специфичности для дополнительных данных CD на уровне события для классификации аномальных респираторных звуков. В качестве функции использовался усредненный спектр мощности.

В исследовании [104] BPNN использовалась для выполнения сегментной классификации треска и отсутствия треска.Данные были записаны с помощью 25 микрофонов, размещенных на задней части грудной клетки 10 здоровых добровольцев и 19 пациентов. 912 сегментов, из которых 456 нормальных и 456 аномальных, использовались для тренировки BPNN. 114 сегментов были использованы для проверки, а еще 114 сегментов были использованы в качестве тестового набора. В качестве функции использовалась многовариантная модель AR, обеспечивающая чувствительность 80,7% и специфичность 84,21% на уровне сегмента в проверочном наборе.

BPNN также использовался [49] для выполнения классификации записей.В исследовании использовалось 58 записей, 32 из которых содержали хрипы, полученные с помощью микрофона ECM. 13 хрипов и 10 нормальных записей использовались для обучения, а остальные использовались для тестирования нейронной сети. Перед использованием BPNN потенциальные эпизоды хрипов сначала выбирались из записей с помощью метода упорядоченного усечения (OTA) для сохранения пиков. Пики были дополнительно обработаны с использованием порога для получения потенциальных хрипов. Эти потенциальные хрипы были затем классифицированы с использованием BPNN.Использовались следующие характеристики: продолжительность, частотный диапазон, граница, нормализованные спектры мощности и крутизна потенциального хрипа. Показатели, заявленные в исследовании, были высокими, с чувствительностью 94,6% со 100% специфичностью для классификации записи хрипов.

Extreme Learning Machine (ELM) использовалась для классификации аномальных и нормальных звуков в [68]. Анализируемые аномальные звуки включали хрипы, потрескивания и пронзительные звуки. Данные были получены с помощью микрофона, помещенного на трахею.Всего было получено 30 записей, из которых было аннотировано 120 циклов. Для классификатора использовалась методика 5-кратного CV. Вектор признаков для классификации состоял из лакунарности, энтропии выборки, эксцесса и асимметрии спектра мощности события. Классификатор SVM также обсуждался в этом исследовании. Эффективность классификатора ELM составила 86,30% по чувствительности и 86,90% по специфичности при использовании всего набора функций. При использовании классификатора SVM чувствительность 86,30% и 85%.Достигнуто 80% специфичности, также со всеми использованными функциями.

В работе [72] проведен анализ хрипов и хрипов с использованием сигналов от больных туберкулезом. Записи для анализа производились с помощью 7 микрофонов, расположенных на шее, груди и спине. Были получены сигналы от 60 добровольцев. Искусственная нейронная сеть (ИНС) использовалась с 75% данных для обучения и 25% для тестирования модели. Классификация была проведена для проверки того, была ли запись от пациента с туберкулезом или от нормального.Присутствие хрипов было обнаружено путем оценки спектрограммы, в то время как хрипы были идентифицированы с использованием функций на основе вейвлетов для ИНС. Полученная характеристика была чувствительностью 80% со специфичностью 67% при обнаружении туберкулеза.

ИНС использовалась в [71] для выполнения классификации событий дыхательных звуков, содержащих хрипы и потрескивания. Данные взяты из [129]. Всего было получено 92 события из 27 нормальных, 31 хрипов и 34 хрипов. 60 событий были использованы для обучения, 14 событий были использованы для проверки и 18 событий были использованы для набора тестов.В качестве набора функций использовалось преобразование вейвлет-пакета, что позволило достичь наилучшей средней точности 98,89% для базы вейвлетов Symlet-10 на тестовом наборе.

Множественные варианты ИНС использовались и сравнивались в [91]. Выполненная задача классификации заключалась в том, чтобы дифференцировать хрип, потрескивание, стридор, крик, шум трения плевры и другие типы звуков с использованием MLP, сети Grow and Learn (GAL) и добавочной контролируемой нейронной сети (ISNN). Всего было получено 360 событий из 36 записей. В качестве функции использовался усредненный спектр мощности, обеспечивающий максимальную точность 98% для классификатора ISNN на тестовой выборке из 180 событий.

В исследовании [110] использовалось квантование обучающих векторов (LVQ) для обнаружения сегментов хрипов и потрескивания. Используемая функция была разложением вейвлет-пакета. Для анализа использовались сигналы, записанные из грудной клетки четырех здоровых добровольцев и девяти пациентов. Было использовано 50% -50% данных по тесту поездов. Это исследование показало эффективность 59% для чувствительности и 24% для PPV для обнаружения хрипов. Для обнаружения мелкого потрескивания было достигнуто только 19% для чувствительности и 6% для PPV, в то время как 58% для чувствительности и 18% для PPV были заявленными характеристиками для обнаружения грубого потрескивания.

Сегментная классификация хрипов с использованием нескольких вариантов ИНС проведена в [111]. В качестве вариантов ИНС использовались BPNN, радиальная базовая функция (RBF), самоорганизующаяся карта (SOM) и LVQ. Для классификации использовалось 710 сегментов, из которых 375 содержали хрипы. Данные были разделены на три набора: один обучающий и два тестовых. Обучающая выборка состояла из 242 сегментов, 128 из которых содержали хрипы. Первый набор тестов состоял из 233 сегментов со 107 сегментами хрипов, в то время как второй набор тестов состоял из 235 сегментов со 140 сегментами хрипов.Признак, используемый для нейронных сетей, был извлечен из спектра мощности сегментов. Наивысшая общая точность 93% на первом и 96% на втором наборах тестов была достигнута с использованием LVQ.

Методы на основе модели гауссовой смеси.

MFCC в сочетании с моделью гауссовой смеси (GMM) использовался в [99] для классификации хрипов и нормальных звуков. Данные для исследования были взяты у 30 добровольцев. Инструментами для записи дыхательных звуков служили микрофон ECM и 3M Littmann Classic S.E. стетоскоп на шее. Исследование показало, что точность обнаружения на уровне сегмента составила 94,9%. Такой подход использования MFCC с GMM также был использован в [40] для обнаружения хрипов другой группой. Данные для анализа были получены от 18 добровольцев, девять из которых страдали астмой. Чувствительность 88,1% и специфичность 99,5% были представлены как производительность.

GMM также использовался в [90] для определения сегмента хрипов. Всего было получено 24 записи, из которых 12 хрипов и 12 нормальных записей были получены из [124] и компакт-диска с базой данных ASTRA.Записи были сегментированы. Было получено 985 хрипов и 1822 нормальных сегмента. Для классификации было извлечено несколько наборов характеристик. Извлеченные наборы функций были основаны на преобразовании Фурье, LPC, вейвлет-преобразовании и MFCC. Также обсуждалось использование ИНС и векторного квантования (VQ) в качестве методов обнаружения. Был использован метод LOOCV, достигший чувствительности 94,6% и специфичности 91,9%, когда MFCC использовался как функция с кластеризацией GMM.

Другая реализация, использующая GMM с функциями MFCC, была представлена ​​в [87].Группирование было выполнено для разделения тресков, хрипов и стридоров. Звукозаписи взяты из онлайн-хранилища [124]. LOOCV использовался с 13 функциями MFCC. Производительность сообщалась индивидуально как мера точности результата CV. Полученная точность составила 46,1% для нормальных данных, 98% для хрипов, 50% для астмы и 26,9% для хрипов.

GMM также использовался в [51] для разделения треска и нормальной записи. Для классификации использовалась 41 запись, 14 из которых содержали треск.Для кластеризации использовались спектральные особенности. Заявленная производительность составила 92,85% чувствительности со 100% специфичностью.

В исследовании [57] сравнивалась производительность GMM и SVM для классификации нормальных и аномальных записей. Модель AR использовалась как набор функций с использованием LOOCV. Использованные данные представляли собой 40 записей, полученных с четырнадцати микрофонов SONY ECM-44 BPT, размещенных на задней части грудной клетки. Наилучшая общая точность 90% была достигнута при использовании GMM.

Классификатор на основе кластеризации, аналогичный GMM, использовался в [113] для выполнения классификации событий на основе лежащей в основе патологии.Всего из [136] получено 147 звуковых событий. Наблюдаемые типы звука включали нормальные звуки из различных положений и звуки пациента, страдающего астмой. LPC использовался как вектор признаков для классификации. 42 события были использованы для поиска параметров классификатора на основе кластеризации на основе метрики минимального расстояния; При этом 105 событий использовались для проверки полученной модели. Общая точность 95,24% была достигнута, поскольку только 5 событий были классифицированы неправильно.

Методы на основе случайных лесов.

Случайный лес (RF) был использован в [54] для обнаружения хрипов. Используемый набор данных был получен с помощью электронного стетоскопа Littmann 3M 4000 в нескольких положениях на груди и спине пациента. Сигналы были получены от 12 добровольцев и состояли из 24 записей. В записях было аннотировано 113 случаев хрипов. Функции, используемые для обнаружения, включали музыкальные особенности и сигнатуру хрипов на спектрограмме, которая включала выбор пика. Потенциальные хрипы были классифицированы с использованием RF с техникой 10-кратного CV.Достигнутая производительность составила 90,9% ± 2% чувствительности и 99,4% ± 1% специфичности для RF детектора хрипов. LRM также использовался в исследовании с использованием того же набора функций. Эффективность, достигнутая для модели LRM, составила 82,7% ± 2% чувствительности и 98,1% ± 1% специфичности.

Методы на основе k-ближайшего соседа.

В работе [96] использовался метод k-NN и достигнута чувствительность 92% и специфичность 100% на тестовом наборе на уровне записи. Классификация проводилась, чтобы различать патологические и нормальные записи.Использовались звуки 65 добровольцев, записанные с помощью микрофона SONY ECM-44, расположенного в задней части грудной клетки. Затем данные 40 добровольцев были использованы в качестве обучающей выборки с техникой LOOCV, а остальные были использованы для тестовой выборки. Коэффициенты AR использовались как набор функций.

В исследовании [44] использовалась статистика более высокого порядка для классификации везикулярных, тонких и грубых тресков, а также монофонических и полифонических хрипов. Используемый классификатор представлял собой комбинацию k-NN и NB. Классификатор k-NN использовался для разделения нормального звука, треска и хрипа, в то время как два отдельных классификатора NB использовались для дальнейшего разделения тонкого и грубого треска, а также между монофоническим и полифоническим хрипом.Всего для тренировки было использовано 219 упражнений, из которых 71 нормальный, 39 каждый для мелкого и грубого хрипа и 35 каждый для монофонического и полифонического хрипов. Тест проводился с использованием 99 отдельных упражнений, содержащих 31 нормальный, по 18 для мелких и грубых хрипов и по 16 для монофонических и полифонических хрипов. 2 ^nd , 3 ^rd и 4 ^th кумулянтов заказов были извлечены для каждого сегмента и использованы в качестве признаков для классификации.Для каждого было извлечено в общей сложности 800 признаков. Отбор признаков производился с использованием генетического алгоритма (GA), который, как было установлено, работает лучше, чем дискриминантный коэффициент Фишера (FDR). Полученная точность классификации составила 94,4 ± 1,5% для везикулярных звуков, 91,9 ± 2,8% для мелких хрипов, 90,8 ± 3,2% для грубых хрипов, 91,9 ± 2,3% для монофонических хрипов и 90,3 ± 3,3% для полифонических хрипов.

Классификация случайных звуков была проведена с использованием классификатора k-NN в [86]. В общей сложности для классификации использовалось 585 событий, из которых 264 нормальных, 132 полифонических хрипа, 93 монофонических хрипов и 96 стридорных событий.Записи были получены с использованием одного микрофона SONY ECM-77B. Базы данных [129, 131, 132] также использовались для звуков. LOOCV использовался с функциями, извлеченными на основе спектрограммы временного спектрального доминирования. Достигнутая производительность составила 92,4 ± 2,9% общей точности.

Та же исследовательская группа, что и выше, использовала новый подход к классификации, который был похож на метод k-NN, названный эмпирической классификацией в [85]. Классификатор работал аналогично k-NN, но вместо простой проверки локального сходства путем измерения расстояния было проверено глобальное сходство на основе разницы в дисперсии.Для исследования использовалась многомасштабная PCA. Классификация проводилась на основе данных, полученных с помощью одного микрофона SONY ECM-77B, размещенного на шее. Дополнительные данные были также включены из нескольких аудио компакт-дисков, сопутствующих книгам [129, 131, 132]. Всего было получено 689 событий, включая 130 нормальных, 413 CAS и 146 DAS событий. Достигнутая эффективность составила 97,3 ± 2,7% для точности классификации между нормой и CAS и 98,34% между нормой и комбинацией CAS и DAS.

Классификация записей на основе основной патологии была проведена в [109].Сигналы записывались с помощью двух микрофонов в разных положениях на груди 69 добровольцев. 28 добровольцев были пациентами с обструктивным заболеванием дыхательных путей, а 23 из них имели рестриктивное заболевание дыхательных путей. На уровне сегмента был выполнен LOOCV с использованием классификатора k-NN с моделью AR в качестве функции. Полиномиальный классификатор использовался для результатов каждого сегмента, чтобы определить патологию соответствующих респираторных событий. Окончательная классификация записей была получена по результатам голосования по каждому событию.В исследовании была достигнута общая точность 71,07% при классификации записей на основе заболевания.

Методы, основанные на скрытых марковских моделях.

Скрытые марковские модели (HMM) в основном использовались в исследованиях той же исследовательской группы, что и в [43, 52, 60, 79, 93]. В работе [93] HMM использовалась для классификации аномальных и нормальных звуков дыхания. Использованные данные были получены от 162 добровольцев, из них 109 пациентов с легочной эмфиземой. Данные были разделены на 1544 события, из которых 554 соответствовали аномальным звукам.Данные записывались с помощью конденсатора или пьезоэлектрического микрофона. Был проведен LOOCV, и достигнутая эффективность составила 93,2% для чувствительности при специфичности 64,8%.

Классификация аномальных дыхательных звуков также была в центре внимания в [79], но была добавлена ​​новая функция для повышения производительности. Распределение продолжительности шума и аномальных дыхательных звуков использовалось для уменьшения количества ложных тревог, вызванных шумом. Эффективность, достигнутая при использовании LOOCV, составила 88,7% чувствительности и 91.Специфичность 5% для классификации аномальных и нормальных явлений. Также была проведена классификация записей как нормальных или аномальных, что позволило достичь чувствительности 87% и специфичности при распознавании аномальных записей 81%.

MFCC использовались в качестве функций в [43, 52, 60]. Для получения данных для анализа использовался электронный стетоскоп. Оценка корреляции с другими точками и сегментами аускультации использовалась как дополнительная характеристика для повышения производительности HMM в [52]; в то время как [60] использовали HMM, который мог автоматически адаптироваться к различным пациентам, включая высоконадежные ранее классифицированные сегменты для повторного обучения модели.Наилучшая чувствительность 91,10% и специфичность 93,43% при использовании 8 точек аускультации на уровне события были достигнуты в [52]; в то время как чувствительность 89,4% и специфичность 80,9% на уровне событий были достигнуты в [60]. Исследование [43] объединило время появления и совместную вероятность различных сегментов в качестве дополнительных характеристик, достигнув наилучшей точности 82,82% на уровне сегментов.

Методы, основанные на моделях логистической регрессии.

LRM использовался в [67] для обнаружения треска.В исследовании использовались две записи, полученные из [124]. LOOCV использовался в качестве метода проверки. Производительность, указанная как коэффициент корреляции Мэтьюза (MCC), составила 80%. Обнаружение было выполнено с использованием вейвлета, энтропии, разложения по эмпирическим модам, энергии Тигера и фрактальной размерности в качестве признаков. Затем та же группа снова использовала LRM для обнаружения потрескивания, но с использованием других наборов функций [42]. 10-кратное CV было выполнено на 40 записях, полученных с помощью стетоскопа Littmann 3M 3200 от 20 добровольцев.Данные содержали 400 событий потрескивания. Добавление музыкальных функций к набору функций привело к чувствительности 76 ± 23% и 77 ± 22% PPV на уровне сегмента.

Методы, основанные на дискриминантном анализе.

Дискриминантная функция использовалась в качестве метода классификации событий потрескивания в [105]. Классификация проводилась для разделения крупных и мелких трещин. В анализе использовались записи от 2 добровольцев с 238 грубыми и 153 мелкими потрескиваниями. Характеристики были извлечены с помощью вейвлет-сети.Модель классификации была протестирована на 158 грубых и 73 мелких трещинах и достигла точности 70% и 84% соответственно.

Дискриминантный анализ Фишера (FDA) был использован в качестве классификатора хрипов и нормального звука в [89]. Данные, полученные от 7 добровольцев, были записаны с помощью четырнадцати микрофонов SONY ECM-44 BPT, расположенных на груди. Данные, использованные для классификации, были извлечены из записей в виде 246 хрипов и 246 нормальных сегментов. Набор характеристик был извлечен как эксцесс, энтропия Реньи, отношение мощности частоты и средняя неравномерность пересечения.Результаты исследования показали точность 93,5%.

В исследовании [92] была проведена классификация криков и потрескивания с использованием дискриминационного анализа. Лакунарность использовалась как особенность для обнаружения данных крика и потрескивания, полученных от сопутствующих аудио компакт-дисков [129, 132, 134, 135]. Использованы данные 25 записей со 136 мелкими потрескиваниями, 93 грубыми потрескиваниями и 133 случаями крика. Данные были разделены на набор тестовых поездов 75% -25%, и процесс повторился 200 раз. Максимальная средняя точность, достигнутая на уровне сегмента, составила 99.75%.

Обнаружение краев методами на основе изображения спектрограммы.

Обработка изображений на спектрограмме звукозаписей использовалась в качестве метода обнаружения хрипов в [103]. Обнаружение хрипов проводилось на записях, сделанных у 16 ​​добровольцев с помощью одного микрофона KEC-2738, размещенного на шее. Обнаружение краев применялось для получения горизонтальных краев, которые затем обрабатывались для выявления хрипов. В исследовании утверждается, что чувствительность и специфичность достигаются выше 89%.

При заболевании легких хрипы и хрипы могут быть больше, чем просто признаком болезни.

ANN ARBOR — Доктора знают, что это звуки проблем с легкими, но оказывается, что они могут быть чем-то большим, чем симптомы — потрескивание и хрипы могут быть звуки прогрессирующей болезни, обнаружил исследователь из Мичиганского университета.

Джеймс Гротберг.

Джеймс Гротберг, профессор биомедицинской инженерии в Инженерном колледже и профессор хирургии в Медицинской школе, недавно опубликовал исследование, в котором описывается, как механизмы, производящие эти шумы при каждом вдохе, могут быть причиной травм и воспалений. Его вывод основан на данных экспериментов с микрожидкостными чипами и на животных моделях. Изучение этого на людях — цель исследования.

Результаты могут в конечном итоге изменить подход к лечению заболеваний легких, говорит он.И они представляют собой смену парадигмы того, как врачи понимают то, что они слышат через стетоскоп. Он ответил на несколько вопросов об исследовании.

Когда врачи достают стетоскоп, что они прислушиваются?

Grotberg: Два важных контролируемых органа — это сердце и легкие. Что касается легких, обычно пациента просят сделать глубокий вдох и выдох. Есть нормальные звуки движения воздуха, но также могут быть необычные звуки, такие как хрипы во время выдоха (выдох) и потрескивание во время вдоха (вдох).Оба являются хорошо известными признаками болезни.

Эти хрипы и хрипы — признаки каких заболеваний?

Grotberg: Обычно хрипы встречаются при астме и эмфиземе. Пациенты, которые хрипят, могут быть настолько громкими, что вы можете услышать это, стоя рядом с ними. С другой стороны, хрипы слышны только стетоскопом и являются признаком слишком большого количества жидкости в легких. Отек легких — частый пример, часто побочный продукт сердечной недостаточности.

Вы обнаружили, что звуки могут обозначать нечто большее, чем просто наличие болезни.Вы можете объяснить?

Grotberg: Что ж, для создания звука должно произойти механическое событие, например, хлопок в ладоши. Если хлопать достаточно сильно, руки будут болеть. Ой!

В качестве крайнего примера, самый громкий звук, который издает легкое, — это сильный кашель, который в редких случаях может вызвать пневмоторакс (разрыв легкого), то есть отказ тканей.

Физические механизмы, вызывающие хрипы и хрипы, хотя и обладают меньшей силой, чем кашель, аналогичны.Они издают звук, и это механическое событие также воздействует на легочную ткань. Клеткам легких это не нравится. Ой снова!

Клетки отвечают воспалением, которое само по себе является болезнью. Так что хрипы и потрескивания на самом деле «вызывают» болезнь. Мы видели доказательства этого в наших экспериментах.

Это поворот мышления на 180 градусов по сравнению с интерпретацией их как «признака» болезни.

Расскажите об этом подробнее. Что именно происходит, когда больной хрипит на выдохе?

Grotberg: Свистящее дыхание очень похоже на звук сдувающегося воздушного шара, когда вы заставляете его визжать, растягивая выходное отверстие.Дыхательные пути легких при астме похожи, потому что они сужены до небольшого узкого прохода. Высота звука, которую вы слышите, — это частота колебаний материала баллона, который для легкого представляет собой дыхательную трубку, состоящую из клеток.

А как то повреждение?

Grotberg: Вибрация клеток легких вызывает воспаление, которое повреждает легкие. Астма уже связана с воспалением дыхательных путей в легких, поэтому свистящее дыхание, вероятно, только усугубляет ситуацию.

А что происходит, когда пациенты вдыхают и издают потрескивающий звук?

Grotberg: Трещины — это разрывы жидких пробок в меньших дыхательных трубках, которые открываются во время вдоха. Звуковой механизм очень похож на питье через соломинку, когда вы дойдете до последних глотков на дне чашки. Бульканье представляет собой смесь жидкости и воздуха с лопающимися пузырьками, как в легком, перегруженном жидкостью.

Последовательность очень разрушительна для клеток, и они снова отвечают воспалением и повреждением.

Каким вы видите это новое понимание, влияющее на диагноз или лечение?

Grotberg: Что ж, это совершенно новая территория. Поскольку никто никогда не рассматривал звуки легких как причину болезни, они не исследовали ее. Это смена парадигмы для области, которая имеет 200-летнюю историю использования стетоскопов.

Экспериментальные модели должны быть спроектированы так, чтобы включать измерение повреждений, от клеточного до уровня целого органа, наряду с измерением звука.Наша исследовательская группа в сотрудничестве с Шуичи Такаяма, бывшим профессором биомедицинской инженерии в Университете штата Мэриленд, ныне работающим в Технологическом институте Джорджии, сделала это для устранения трещин на микрожидкостных платформах, но это только начало.

Если при застойной сердечной недостаточности обнаруживается трещина в легких, терапия, вероятно, изменится на лечение обоих одновременно, возможно, с добавлением противовоспалительного средства. Свистящее дыхание часто уже лечится противовоспалительными средствами, но не всегда.

В любом случае цель остановки звуков более агрессивным лечением может развиться.

Исследование Гротберга опубликовано в Интернете в Annals of the American Thoracic Society. Он будет напечатан в следующем номере.

Дополнительная информация:

Учебное пособие по звукам сундуков

Звуки легких нормальные

Хрип

Рисунок 3: Монофонический хрип (430 Гц) в
пациент с тяжелой астмой.

WebCounter был активирован
8 февраля 2000 г.,

Викторина по звукам легких

Эта викторина проверит вас на звуках легких . В этой викторине вы должны быть готовы идентифицировать звуковые сегменты определенных звуков дыхания, а также уметь отвечать на определенные вопросы, касающиеся характеристик / местоположения респираторной аускультации.

ПРИМЕЧАНИЕ. Вопросы 15–23 попросят вас определить конкретные звуки дыхания.Для этого: используйте видео ниже, чтобы послушать звуковые сигналы.

Тест по звукам легких

Эта викторина проверит ваши знания о звуках легких. Вам будут проверены ваши знания о конкретных звуках легких, и вам нужно будет идентифицировать их, когда вы их услышите.
ПРИМЕЧАНИЕ. Чтобы ответить на вопросы 15–23, послушайте аудио в видео YouTube выше.

• 1.Где можно выслушать бронхиальные дыхательные шумы? *
• 2. Эти типы дыхательных звуков обнаруживаются в области бронхов и расположены спереди в 1-м и 2-м межреберных промежутках и сзади между лопатками? *
• 3. Эти звуки звуки дыхания обнаруживаются спереди и сзади в периферических полях легких? *
• 4. Оценивая звуки легких пациента, вы отмечаете звуки дыхания бронхов в периферических полях легких. Что может означать этот вывод? *
• 5.Выберите все следующие, которые считаются прерывистыми звуками дыхания: *
• 6. Верно или неверно: Низкие хрипы — это полифонические звуки, которые можно убрать при кашле. *
• 7. Этот звук легких непрерывный, высокий с звук музыкального инструмента, который является полифоническим и возникает в основном во время выдоха, но может присутствовать и при вдохе? *
• 8. При аускультации пациента с респираторным дистресс-синдромом вы слышите резкий, высокий монофонический звук, который только присутствует. во время вдохновения.Это называется: *
• 9. Вы выслушиваете звуки легких пациента. Во время обследования вы замечаете, что слышен резкий скрипящий звук низкого тона, похожий на шум трения плевры. Однако вы не уверены, что это шум трения плевры или трения перикарда. Что вы делаете дальше, чтобы определить разницу? *
• 10. Верно или неверно: Левое легкое имеет 3 доли: левую верхнюю долю, левую среднюю долю и левую нижнюю долю. *
• 11. Верно или неверно: во время аускультации. , передняя часть грудной клетки в основном обеспечивает оценку верхних долей правого и левого легких, а задняя часть грудной клетки обеспечивает в основном оценку нижних долей правого и левого легких.*
• 12. При аускультации передней части грудной клетки, особенно верхушки легких, лучше всего выслушивать где с помощью стетоскопа? *
• 13. Правую среднюю долю выслушивают с помощью стетоскопа где? *
• 14. При аускультации задней части грудной клетки обнаруживаются верхние доли? *
• 15. ПРИМЕЧАНИЕ: Чтобы ответить на вопросы 15–23, послушайте аудио в видео на YouTube выше.

  Какой тип дыхания является Звуком 1? *

• 16. Какой тип дыхания является Звуком 2? *
• 17.Какой тип дыхания является Звуком 3? *
• 18. Какой тип дыхания является Звуком 4? *
• 19. Какой тип дыхания является Звуком 5? *
• 20. Какой тип дыхания является Звуком 6 ? *
• 21. Какой тип дыхания является Звуком 7? *
• 22. Какой тип дыхания является Звуком 8? *
• 23. Какой тип дыхания является Звуком 9? *

(ПРИМЕЧАНИЕ. Когда вы нажмете «Отправить», эта же страница обновится.Прокрутите вниз, чтобы увидеть свои результаты.)

Больше викторин NCLEX

Не забудьте рассказать об этой викторине своим друзьям, поделившись ею в Facebook, Twitter и других социальных сетях. Вы также можете пройти более увлекательные медсестринские викторины.

* Заявление об ограничении ответственности: хотя мы делаем все возможное, чтобы предоставить учащимся точные и углубленные учебные викторины, эта викторина / тест предназначена только для образовательных и развлекательных целей. Пожалуйста, обратитесь к последним обзорным книгам NCLEX для получения последних обновлений по сестринскому делу.Авторские права на эту викторину принадлежат RegisteredNurseRn.com. Пожалуйста, не копируйте этот тест напрямую; однако, пожалуйста, поделитесь ссылкой на эту страницу со студентами, друзьями и другими людьми.

Звуки, которые издают ваши легкие, и их значение

Когда вы вдыхаете и выдыхаете воздух, проходя через легкие, он обычно издает тихий, едва различимый звук. Однако бывают случаи, когда этот воздух издает заметные звуки легких, привлекая ваше внимание, потому что они громче или звучат иначе.

Хрип, потрескивание и стридор — это слова, описывающие звуки, которые издают ваши легкие при дыхании, и каждый из них может указывать на потенциальную проблему в легких. Узнайте о звуках, которые издают ваши легкие, и о том, что они означают, в том числе о звуках легких при пневмонии.

Звуки легких делятся на три категории.

Во время медицинского осмотра ваш врач прослушивает звуки ваших легких с помощью стетоскопа. Эти звуки делятся на три основные категории: нормальные, приглушенные или отсутствующие звуки дыхания и ненормальные звуки дыхания.Существует несколько причин снижения или отсутствия звуков в легких, в том числе: уменьшение потока воздуха в легких, увеличение толщины грудной стенки, наличие воздуха или жидкости в легких или вокруг них, а также чрезмерное раздувание легких. Это может потребовать дополнительной оценки вашего врача.

Существует четыре распространенных типа необычных звуков.

Хотя существует несколько типов аномальных звуков в легких, четыре типа встречаются чаще, чем другие: хрипы, хрипы, стридор и хрипы.

• Также называемые потрескиваниями, хрипы представляют собой небольшие дребезжащие, щелкающие или пузырящиеся звуки, возникающие при вдохе.

• Свистящее дыхание возникает из-за воздушного потока, проходящего через суженные дыхательные пути. — это высокий звук.

• Stridor По звуку похож на хрип, и обычно он вызван закупоркой воздушного потока в дыхательном горле или задней стенке горла.

• Похоже на храп, хрипы возникают при закупорке или ограничении крупных дыхательных путей.

Причины аномальных звуков в легких варьируются от кратковременных инфекций до хронических состояний.

Неудивительно, что звуки в легких изменяются, когда вы заболеете. Например, если у вас бронхит или пневмония, у вас, скорее всего, появятся аномальные звуки в легких. После лечения инфекции эти легочные звуки обычно исчезают и возвращаются к норме.

Однако, если у вас хроническое заболевание, поражающее легкие, аномальные звуки легких могут быть преобладающим симптомом.Примеры включают хронический бронхит, эмфизему легких, отек легких, застойную сердечную недостаточность и астму. Лечение этих хронических состояний может уменьшить, но не устранить аномальные звуки в легких.

Шумы в легких при пневмонии — это больше, чем просто хрипы.

Поскольку пневмония — это инфекция воздушных мешков в легких, нередко можно услышать хрипы при движении жидкости в этих мешочках. Однако ваш врач может услышать другие легочные звуки при пневмонии во время вашего обследования.Например, врач может услышать хриплые звуки в легких, известные как шум трения плевры, из-за воспаления в тканях вокруг легких. Возможно даже, что ваш врач может не слышать легочные звуки в определенных областях легких из-за закупорки дыхательных путей. Эти легкие звуки должны исчезнуть при лечении пневмонии.

Обратитесь к врачу, если звуки в легких сохраняются или ухудшаются.

Любые аномальные звуки в легких, сопровождающиеся синеватым оттенком кожи, расширением носа или серьезным затрудненным дыханием, требуют немедленного медицинского осмотра и лечения ( звоните 911 ).

В экстренных случаях, если аномальные звуки в легких не исчезают в течение короткого периода времени, особенно если вы лечитесь от пневмонии, бронхита или других инфекций легких, обратитесь к врачу для дальнейшего обследования. Кроме того, если звуки в легких становятся громче или изменяются, вам следует обратиться за медицинской помощью и обратиться за помощью.