Wyniki wyszukiwania - BazTech

1

Automated differential diagnostics of respiratory diseases using an electronic stethoscope

Arhypenko Diana, Panaskin Denis, Babko Dmytro

Polish Journal of Medical Physics and Engineering

|

2023

|

Vol. 29, Iss. 4

208--219

EN

Introduction: The outbreak of the coronavirus infection, which has escalated into a pandemic, has worsened the already unfavourable situation with respiratory system diseases in Ukraine. The burden on doctors has significantly increased, necessitating the exploration of simplified and expedited methods for conducting routine respiratory examinations. The research aims to describe a model for creating an automated differential diagnosis of respiratory noise using an electronic stethoscope, combining medical and clinical information about the types of respiratory noise characterizing the normal or pathological state of the respiratory system with a means of its information and technical processing. Material and methods: The research methods were analysis of theoretical information about the types of respiratory noise, analysis of technical information for choosing an information technology tool for processing biological signals; synthesis of the results; modelling. Results: The research resulted in a model of automated differential diagnosis based on the principle of auscultation, which includes the process of extracting the sound of air movement inside and outside the lungs and the classification of the extracted sounds. Automation of this process concerned only the classification of the extracted sounds since the principle of extraction itself was the same for both mechanical and automatic implementations. Conclusions: The automatic classification process was intended to reduce the time of the procedure and reduce the influence of the human factor, eliminating the possibility of medical error. To implement the process, a deep machine learning method was used, the array of information for which was to be a created phonotheque of acoustic signals of the respiratory system, which would include all types of respiratory noise concerning normal or pathological processes in the body.

2

Klasyfikacja szmerów oddechowych : badania pilotażowe

Stasiakiewicz Paweł, Dobrowolski Andrzej P., Olszewski Robert, Gałązka-Świderek Natalia, Targowski Tomasz, Skoczylas Agnieszka, Majka Katarzyna, Lejkowski Wojciech

Elektronika : konstrukcje, technologie, zastosowania

|

2019

|

Vol. 60, nr 2

4--12

PL

Układ oddechowy pacjenta jest początkowo diagnozowany przy zastosowaniu stetoskopu. Osłuchowa interpretacja zjawisk fizycznych jest skomplikowana i wymaga od lekarza doświadczenia oraz predyspozycji. W niniejszym artykule zaprezentowano system pomiarowy i oprogramowanie badawcze, a także proces generacji cech dystynktywnych szmerów oddechowych różnicujących przypadki chorobowe od zdrowych. Wybrane reprezentacje stanowią obiecującą podstawę do opracowania systemu klasyfikującego wspierającego proces diagnostyczny.

EN

Patients respiratory system is firstly diagnosed using stethoscope. Auscultatory interpretation of physical phenomena is complicated and requires from doctor experience and predisposition. This article presents measurement system and experimental software as well as distinctive feature generation process diversifying normal and pathological cases. Chosen representations of signal form a promising basis for classificatory system elaborating for supporting diagnostic process.

3

Detekcja faz oddechu w rejestracjach stetoskopowych

Mały Dominik, Dobrowolski Andrzej

Elektronika : konstrukcje, technologie, zastosowania

|

2019

|

Vol. 60, nr 6

4--7

PL

W artykule przedstawiono projekt aplikacji opracowanej w środowisku Matlab, umożliwiającej analizę czasową i widmową szmerów oddechowych wraz z detekcją i wizualną oraz akustyczną prezentacją wykrytych faz oddechu. Opracowany kod podzielony został na 4 zasadnicze moduły: moduł obróbki sygnału dźwiękowego w dziedzinie czasu, moduł analizy widmowej, moduł filtracji oraz moduł detekcji faz oddechu.

EN

This article shows application project developed in Matlab, allowing lung sounds time and spectral analysis with detection and visual and acoustic representation of identified stages. Designed Matlab script was divided into 4 fundamental modules: time domain sound processing module, spectra analysis module, filtration module and lung sounds stages detection module.

4

Analiza i modelowanie sygnałów osłuchu płuc

Wiśniewski M., Zieliński T.

Pomiary Automatyka Kontrola

|

2012

|

R. 58, nr 4

383-386

PL

Artykuł dotyczy problematyki modelowania sygnałów pozyskanych podczas osłuchu płuc. Oprócz modelu normalnego oddechu zdrowego pacjenta, przedstawiono opracowany model świstów astmatycznych, jednego z najpopularniejszych objawów zaburzenia oddychania. Biorąc pod uwagę fakt, że świsty osadzone są na tle normalnego oddechu, w artykule przedstawiono metodykę wyliczania poprawnego stosunku sygnałów tonalnych świstu do sygnału normalnego oddechu. Przeprowadzono również analizę przedziałów częstotliwości tonów występujących w świstach rzeczywistych.

EN

The paper addresses a problem of modelling lung sounds. Apart from typical human breath of a healthy person, the model of asthma wheeze, one of the most often breathing disorders, is presented. Since wheezes are embedded in normal human breath, the methodology of signal-to noise (wheeze-to-breath) ratio calculation is discussed in the paper. The frequency range of wheezes present in real recordings is investigated in this work, too. Section 2 specifies signals that are obtained during the chest auscultation. In Section 3 feature identification and signal modelling of normal lung sounds are made. In this section the distribution of signal samples and the mean signal spectrum are shown in the figures. Section 4 describes identification of real signal features and modelling of wheezes. This section presents histograms of SNR (Signal to Noise Ratio or Wheeze-to-Breath Ratio), number of tones in wheezes and tone frequencies for real signals and generated tonalities. The model verification results obtained with use of tonality detection algorithms are given in Section 6. The short conclusions and a list of references are at the end of the paper.

5

Wheezes recognition method with tonal index descriptor

Wiśniewski M., Zieliński T.

Elektronika : konstrukcje, technologie, zastosowania

|

2012

|

Vol. 53, nr 5

17-21

EN

In the paper a new wheezes detection method in lung auscultation is presented. The lungs auscultation is a non invasive test in asthma diagnose. On the basis of such tests, the medical doctors can evaluate preciselythe stage of the disease. The proposed method uses Tonal Index (TI), the descriptor taken from the MPEG-4 standard, adapted to the wheezes recognition problem. The SVM (Support Vector Machine) classifier was used. In the article TI is compared with the other features taken from literature: Kurtosis, Frequency Ratio, Spectral Peaks Entropy, Spectral Flatness and the modified Frequency Ratio called Energy Ratio (ER). The results of multi dimensional recognition using sets of a few features is presented also. The recognition process was carried out on artificial and real data.

PL

W artykule przedstawiono metodę do automatycznej detekcji świstów podczas osłuchu płuc. Osłuch klatki piersiowej to jedno z najstarszych, a zarazem bezinwazyjnych badań stosowanych w wielu chorobach płuc, m.in. w astmie. Na bazie tego badania lekarz może dokładnie ocenić postęp choroby pacjenta. Metoda jest oparta na Indeksie Tonalności, deskryptorze zaczerpniętym ze standardu MPEG-4, przystosowanym przez autorów do detekcji świstów. Do rozpoznawania użyto klasyfikatora SVM (Support Vector Machine). W artykule, Indeks Tonalności jest porównany z dotychczas stosowanymi deskryptorami, zaczerpniętymi z literatury: kurtozą, współczynnikiem częstotliwościowym, płaskością widmową oraz entropią maksimów częstotliwościowych. Dodatkowo przetestowano zmodyfikowany deskryptor współczynnika częstotliwościowego nazwanego współczynnikiem energii. Artykuł przedstawia również porównanie skuteczności wykrywania świstów przy użyciu zestawów kilku cech. Proces rozpoznawania wykonano na sygnałach rzeczywistych oraz zamodelowanych.