基于呼吸音的呼吸監(jiān)測方法初探

【作者】于 璐，劉 陽，黃德生

1 中國醫(yī)科大學(xué)基礎(chǔ)醫(yī)學(xué)院生物醫(yī)學(xué)工程系，沈陽市，110001

2 中國醫(yī)科大學(xué)附屬第四醫(yī)院口腔科，沈陽市，110032

3 中國醫(yī)科大學(xué)基礎(chǔ)醫(yī)學(xué)院數(shù)學(xué)教研室，沈陽市，110001

基于呼吸音的呼吸監(jiān)測方法初探

【作者】于 璐1，劉 陽2，黃德生3

1 中國醫(yī)科大學(xué)基礎(chǔ)醫(yī)學(xué)院生物醫(yī)學(xué)工程系，沈陽市，110001

2 中國醫(yī)科大學(xué)附屬第四醫(yī)院口腔科，沈陽市，110032

3 中國醫(yī)科大學(xué)基礎(chǔ)醫(yī)學(xué)院數(shù)學(xué)教研室，沈陽市，110001

由于呼吸音與呼吸氣流速度之間存在著非線性關(guān)系，因此呼吸音有可能成為新的呼吸監(jiān)測方法。該文首先提取了呼吸音的振幅包絡(luò)信號，并證明了包絡(luò)信號對數(shù)與呼吸氣流速度之間良好的線性相關(guān)性，之后通過回歸分析獲取不同受試者的線性模型參數(shù)，并利用模型參數(shù)實現(xiàn)了基于包絡(luò)信號對數(shù)的呼吸氣流速度模擬，誤差可控制在14.9%以下。因此，使用呼吸音對呼吸氣流速度進行模擬并實現(xiàn)基于呼吸音的呼吸監(jiān)測是可行的。

呼吸音；包絡(luò)；呼吸氣流模擬

0 引言

呼吸是生命的基礎(chǔ)和象征，任何形式的呼吸功能障礙如不能在短時間內(nèi)發(fā)現(xiàn)并糾正，往往會造成代謝性酸中毒、缺氧性腦病、心動過緩甚至心臟停搏[1-2]。在臨床醫(yī)療中，呼吸功能的監(jiān)測無論在術(shù)前、術(shù)中及術(shù)后監(jiān)護中都有著重要的意義和作用[3-4]。目前臨床呼吸監(jiān)測中常用的脈搏血氧飽和度測量法和呼氣末二氧化碳測量法在實時性與準(zhǔn)確性方面仍有缺陷[5-6]，使得病人的生命安全受到潛在威脅。呼吸氣流速度雖然可作為反映人體呼吸狀況的金標(biāo)準(zhǔn)[7]，但其測量時需要使用密閉的口鼻面罩，不但舒適性及易用性較差并且可能影響到病人的自主呼吸[8]，因此在臨床呼吸監(jiān)測中很少使用。

呼吸音是人體在呼吸時氣流進出氣道引起氣道管壁及周圍軟組織振蕩而發(fā)出的聲響，有相關(guān)研究證明[9]，人體呼吸時氣道內(nèi)產(chǎn)生的呼吸音的幅度與呼吸氣流速度之間存在著某種非線性關(guān)系。如果我們能夠明確呼吸音與呼吸氣流速度之間的關(guān)系，并使用呼吸音對呼吸氣流速度進行較為準(zhǔn)確的模擬，就可以實現(xiàn)基于呼吸音的呼吸監(jiān)測。因此，本研究首先對呼吸音與呼吸氣流速度之間的關(guān)系進行研究與驗證，之后著重探討使用呼吸音對呼吸氣流進行模擬的可能性，最后對呼吸氣流模擬的誤差進行量化與評估，為基于呼吸音的呼吸監(jiān)測方法的應(yīng)用提供相關(guān)的理論及實踐依據(jù)。

2 方法

2.1 數(shù)據(jù)的獲取

9名成年健康志愿者（男性4名，女性5名）參與了本研究的數(shù)據(jù)采集工作。我們將內(nèi)置微型麥克風(fēng)的聽診器拾音端放置于受試者頸部，對頸部氣管處的呼吸音進行采集，采樣率為22 050 Hz；使用呼吸速度描記器對呼吸氣流速度進行采集，采樣率為100 Hz，采集時借助口鼻密閉面罩對氣流進行采樣，以進一步保證呼吸氣流速度測量的準(zhǔn)確性。我們在無明顯噪聲的環(huán)境中，按照前述數(shù)據(jù)采集方法，對每位受試者同時采集并存儲其5 min內(nèi)連續(xù)的呼吸音與呼吸氣流速度數(shù)據(jù)供后續(xù)分析。

2.2 呼吸音的預(yù)處理與特征提取

本研究中涉及的數(shù)據(jù)處理與分析工作全部在Labview 8.6和Matlab 2008b平臺上完成，并使用了Labview和Matlab混合編程方法[10]。

為了最大限度抑制呼吸音采集過程中的心音、工頻干擾和高頻噪聲，我們首先使用5階巴特沃茲帶通濾波器（通帶截止頻率為150～800 Hz）對呼吸音進行濾波降噪預(yù)處理。圖1為某受試者10 s內(nèi)的呼吸音，從圖中可以看出，經(jīng)帶通濾波后的呼吸音噪聲及毛刺明顯減少，且波形明顯，可較好地用于后續(xù)的特征提取。

圖1 帶通濾波前后的呼吸音Fig.1 Raw and bandpass filtered breath sounds

聲音最基本的特性之一是響度，其大小由振幅決定，振幅越大響度越大。因此，本研究提取了呼吸音的振幅包絡(luò)信號作為特征參數(shù)，呼吸音的形狀及幅度特征均可通過包絡(luò)信號來表示。為獲取呼吸音的包絡(luò)信號，我們首先對帶通濾波后的呼吸音降采樣率，之后求取呼吸音信號的絕對值，最后使用低通濾波器獲取可反映呼吸音形狀及幅度特征的包絡(luò)信號。為了后續(xù)分析，我們又將得到的呼吸音包絡(luò)信號采樣率降至100 Hz，以匹配呼吸氣流速度的采樣率。圖2為某受試者50 s內(nèi)的呼吸音信號、呼吸音包絡(luò)信號（降采樣率后）及其對應(yīng)呼吸氣流速度信號。從圖中可以看到，包絡(luò)信號很好地反映了呼吸音信號的形狀與幅度，而且與呼吸氣流速度信號的對應(yīng)關(guān)系也很明顯。

圖2 預(yù)處理后的呼吸音及其對應(yīng)的包絡(luò)信號與呼吸氣流速度Fig.2 Filtered breath sounds, envelope of breath sounds and associated respiratory flow rate

2.3 呼吸氣流速度的模擬與誤差的量化

由于呼、吸階段呼吸音對應(yīng)的包絡(luò)信號全部為正值（如圖2(b)所示），因此本研究中僅探討包絡(luò)信號與呼吸氣流速度絕對值之間的關(guān)系。

為了明確呼吸音包絡(luò)信號與呼吸氣流速度信號之間的關(guān)系，我們將每位受試者前30 s內(nèi)的呼吸音包絡(luò)信號及包絡(luò)信號對數(shù)分別與對應(yīng)的呼吸氣流速度進行相關(guān)性分析，從包絡(luò)信號及包絡(luò)信號對數(shù)中選擇相關(guān)系數(shù)較高者，進行呼吸氣流速度的模擬。表1中的結(jié)果表明，包絡(luò)信號的對數(shù)與呼吸氣流速度有著更好的線性相關(guān)性。因此，我們使用了下面的公式對每位受試者5 min內(nèi)的呼吸氣流速度進行模擬：Fsimu=C1log(E)+C2，其中Fsimu為模擬的呼吸氣流速度，E為包絡(luò)信號，C1與C2為受試者對應(yīng)的模型常數(shù)（通過對每位受試者前30 s內(nèi)呼吸音包絡(luò)信號的對數(shù)與呼吸氣流速度進行一元線性回歸分析，即可得到對應(yīng)的模型常數(shù)C1、C2）。

為了評價上述方法模擬呼吸氣流速度的效果，我們對呼吸氣流速度的模擬誤差進行了定義：Error(模擬誤差)=，其中Fest與 Factual分別為每個呼、吸周期內(nèi)模擬的呼吸氣流速度和實際測量的呼吸氣流速度，max()為取最大值的函數(shù)。因此，在受試者的每個呼、吸的周期內(nèi)，都將對應(yīng)一個模擬誤差值。我們將受試者內(nèi)部與受試者之間的所有模擬誤差Error平均后得到的結(jié)果作為評估模擬方法優(yōu)劣的依據(jù)。

3 結(jié)果

3.1 受試者人口學(xué)特征

全部9名受試者參與并完成了本研究的數(shù)據(jù)采集工作，其中男性4名，女性5名，年齡在18～37（26±5）歲之間，身高在163～180（171±6）cm之間，體重在50～90（66±12）kg之間，身體質(zhì)量指數(shù)在18～27（23±3）kg/m2之間。

3.2 相關(guān)性分析

相關(guān)性分析結(jié)果表明，所有受試者前30 s內(nèi)的呼吸音包絡(luò)信號及包絡(luò)信號對數(shù)與呼吸氣流速度都有著良好的線性相關(guān)性，如表1所示。其中，包絡(luò)信號對數(shù)與呼吸氣流速度之間相關(guān)系數(shù)的均值0.88(95%置信區(qū)間：0.83～0.92)優(yōu)于包絡(luò)信號與呼吸氣流速度之間相關(guān)系數(shù)的均值0.82(95%置信區(qū)間：0.77～0.88)，這也進一步證明了呼吸音幅度與呼吸氣流速度之間更為傾向于指數(shù)形式的非線性關(guān)系。

3.3 呼吸氣流速度模擬

由于包絡(luò)信號的對數(shù)與呼吸氣流速度有著更好的線性相關(guān)性，因此我們使用了包絡(luò)信號對數(shù)對呼吸氣流速度進行模擬。使用受試者前30 s內(nèi)包絡(luò)信號對數(shù)與呼吸氣流速度進行一元線性回歸分析得到的模型參數(shù)C1與C2以及呼吸氣流速度模擬公式，我們對每位受試者5 min內(nèi)的呼吸氣流速度都進行了模擬。某受試者20 s內(nèi)呼吸氣流速度的模擬結(jié)果如圖3所示，其中實線為實際測量的呼吸氣流速度絕對值，虛線為模擬的呼吸氣流速度。從直觀上可以看出，模擬效果較為理想。

圖3 呼吸氣流速度的模擬結(jié)果Fig.3 Simulation results of respiratory flow rate

受試者內(nèi)部與受試者之間的模擬誤差(%)如表2所示。表2中受試者內(nèi)部模擬誤差來自于每位受試者5 min內(nèi)所有呼、吸周期對應(yīng)的模擬誤差值的均值；而總體模擬誤差則來自于全部受試者內(nèi)部模擬誤差的均值。呼吸氣流速度的總體模擬誤差(14.9±3.8%)處于可接受的范圍內(nèi)，表明基于呼吸音包絡(luò)信號的呼吸氣流速度模擬是可行的。

4 討論

本研究首先提取了呼吸音的振幅包絡(luò)信號，并證明了包絡(luò)信號對數(shù)與呼吸氣流速度之間良好的線性相關(guān)性；之后通過回歸分析獲取不同受試者的線性模型參數(shù)，并利用模型參數(shù)實現(xiàn)了基于包絡(luò)信號對數(shù)的呼吸氣流速度模擬，誤差可控制在14.9%以下。

呼吸音的振幅包絡(luò)信號能夠詳細地描述出呼吸音的幅值大小，同時可看出呼吸音波形的分布及其起伏變化趨勢，有相關(guān)文獻報道，聲音的包絡(luò)特征還可用于語音識別系統(tǒng)的研究[11]。因此，本研究使用了聲音要素之一的包絡(luò)信號來反映呼吸音在時域內(nèi)的相關(guān)特征。在提取呼吸音包絡(luò)信號時，首先對經(jīng)帶通濾波的呼吸音降采樣率以降低運算量并減少運算時間；由于呼吸音正負信號的幅度基本一致，因此取其絕對值即可用于表達特征；最后的低通濾波處理可去除呼吸音信號中的高頻成分，只留下反映呼吸音形狀及幅度特征的低頻包絡(luò)信號。

表1 受試者前30 s內(nèi)呼吸音包絡(luò)信號及包絡(luò)信號對數(shù)與呼吸氣流速度的相關(guān)系數(shù)Tab.1 Correlation coefficients of breath sounds and respiratory flow rate derived from the subjects in 30 seconds

表2 受試者呼吸氣流速度模擬誤差(%)Tab.2 Subjects’ respiratory flow rate estimation error (%)

通過比較，包絡(luò)信號對數(shù)與呼吸氣流速度之間更好的線性相關(guān)性進一步證明了呼吸音幅度與呼吸氣流速度之間更為傾向于指數(shù)形式的非線性關(guān)系。在對每位受試者進行呼吸氣流速度模擬時，這一模型參數(shù)獲取方法很好地保證了呼吸氣流速度模擬的準(zhǔn)確性。從圖3中我們可以看出，模擬得到的呼吸氣流與實際的呼吸氣流非常接近。我們提出了模擬誤差的計算公式。從臨床監(jiān)測及呼吸功能相關(guān)研究的角度看，呼、吸周期內(nèi)呼吸氣流速度的極值點通常被看做是反映呼吸強度或呼吸狀態(tài)的主要特征點，而其他時段的呼吸氣流速度值則相對次要，這也是由呼吸氣流速度本身的近似于周期信號的信號特點決定的；而且對此類極值點幅度模擬的準(zhǔn)確程度將直接影響整體呼吸氣流速度模擬的準(zhǔn)確程度，因此本研究最終選擇了從最大值差異的角度對模擬誤差進行量化。從最終的總體模擬誤差結(jié)果（14.9±3.8%）來看，基于呼吸音包絡(luò)信號的呼吸氣流速度模擬的總體模擬誤差處于可接受的范圍內(nèi)，雖然精度略顯不足，但從圖4中可以看出，模擬得到的呼吸氣流速度的變化趨勢與實際呼吸氣流速度完全匹配，符合常規(guī)呼吸監(jiān)測的要求。

呼吸音是直接對應(yīng)著呼吸通氣時產(chǎn)生的聲音，有著直接、快速的特點，呼吸音的測量不但易于實施且不會對人體產(chǎn)生創(chuàng)傷或不利影響，是一種非常適合臨床應(yīng)用的呼吸監(jiān)測方法。但從目前的研究進展看，將其實用化還有一些問題需要解決：首先，從呼吸音產(chǎn)生原理的角度上講，C1、C2對應(yīng)著不同受試者的氣道組織結(jié)構(gòu)，因此不同受試者之間的C1、C2必將在一定范圍內(nèi)存在差異，可是由于受試者樣本數(shù)量較少，暫時還無法找到這種差異的規(guī)律，這就使得我們無法完全擺脫前30 s內(nèi)對呼吸氣流速度的獲取，從而在一定程度上限制了呼吸音監(jiān)測方法的臨床應(yīng)用；此外，由于我們目前無法實現(xiàn)基于呼吸音的呼、吸周期的識別，因此只能對呼吸氣流速度的絕對值進行模擬，從而降低了某些異常呼吸模式下呼吸監(jiān)測的可靠性。因此，我們只要在后續(xù)的研究中解決上述問題，就可以將呼吸音監(jiān)測應(yīng)用于臨床，實現(xiàn)舒適便捷、安全有效的呼吸監(jiān)測。

[1] Lim S. Metabolic acidosis[J]. Acta Med Indones, 2007, 39(3): 145-150.

[2] Miller RD, Eriksson LI, Fleisher LA, et al. Miller's anesthesia[M]. Philadelphia: Churchill Livingstone, 2009: 2971-2997.

[3] Cretikos MA, Bellomo R, Hillman K, et al. Respiratory rate: the neglected vital sign[J]. Med J Aust, 2008, 188(11): 657-659.

[4] 王鐳, 劉春生, 張芮愷, 等. 呼吸功能檢測方法研究[J]. 中國醫(yī)療器械雜志, 2012, 36(5): 338-341.

[5] Ahmed IS, Aziz E, Newton N. Connection of capnography sampling tube to an intravenous cannula[J]. Anaesthesia, 2005, 60(8): 824-825.

[6] Keidan I, Gravenstein D, Berkenstadt H, et al. Supplemental oxygen compromises the use of pulse oximetry for detection of apnea and hypoventilation during sedation in simulated pediatric patients[J]. Pediatrics, 2008, 122(2): 293-298.

[7] Gottfridsson C, Daum D, Kennergren C, et al. Acute evaluation of transthoracic impedance vectors using ICD leads[J]. Pacing Clin Electrophysiol, 2009, 32(6): 762-771.

[8] Folke M, Cernerud L, Ekstrom M, et al. Critical review of noninvasive respiratory monitoring in medical care[J]. Med Biol Eng Comput, 2003, 41(4): 377-383.

[9] Gavriely N, Cugell DW. Airflow effects on amplitude and spectral content of normal breath sounds[J]. J Appl Physiol (1985), 1996, 80(1): 5-13.

[10] 于璐, 張勇德, 沙憲政. Labview和Matlab混合編程方法在生物醫(yī)學(xué)信號分析中的應(yīng)用[J]. 中國醫(yī)療器械雜志, 2011,35(1): 15-18.

[11] 陳成. 基于語音包絡(luò)特征的語音識別系統(tǒng)[D].西安理工大學(xué), 2010: 17-18.

Primary Study of Respiratory Monitoring Based on Breath Sounds

【W(wǎng)riters】YU Lu1, LIU Yang2, HUANG Desheng3

1 Department of Biomedical Engineering, College of Basic Medical Science, China Medical University, Shenyang, 110001
2 Department of Stomatology, Fourth Affiliated Hospital, China Medical University, Shenyang, 110001
3 Department of Mathematics, College of Basic Medical Science, China Medical University, Shenyang, 110001

It is nonlinear relationship between breath sounds and respiratory flow rate, thus breath sounds might be a new solution for respiratory monitoring. The envelope of the breath sounds was created firstly. And the linear relationship between the logarithm of envelope and the respiratory flow rate was proved. Then model parameters were derived from every subject using regression analysis. Finally, using these parameters estimated respiratory flow rate was achieved by the logarithm of envelope with 14.9% error. Therefore, respiratory flow rate estimation and respiration monitoring based on breath sounds are feasible.

breath sounds, envelope, respiratory flow rate estimation

R612

A

1671-7104(2015)01-0021-04

10.3969/j.issn.1671-7104.2015.01.006

2014-05-20

于璐，副教授，E-mail: Lu.Yu.cmu@hotmail.com