Способ диагностики астматического бронхита в процессе аускультации легких взрослых людей

Изобретение относится к медицине, в частности к пульмонологии и функциональной диагностике, и предназначено для диагностики астматического бронхита при аускультации легких во время осмотра пациента с использованием электронного стетоскопа. Способ диагностики астматического бронхита в процессе аускультации легких взрослых людей включает регистрацию дыхательного шума в точке над областью гортани с помощью электронного стетоскопа в течение 30 секунд с последующей дискретизацией сигнала в компьютере с частотой дискретизации 4 кГц. Далее вычисляют значение индикаторной переменной Id как среднее значение квадратов элементов главной диагонали матрицы RR, которая представляет собой произведение эталонной матрицы Re, соответствующей сигналу человека, не имеющего заболевания органов дыхания, на матрицу биспектра

,

где - выборочный момент третьего порядка (элемент матрицы биспектра), x(i) – i-я дискрета зарегистрированного сигнала дыхательного шума x(t), I – количество отсчетов дискретного сигнала x(t), k и l – значения индексов отсчетов временных сдвигов из множества {0, 50, 80, 100, 140, 190}. Затем соотносят состояние пациента с группами: «пациент здоров», если Id ⸦ [0; 4], «высоковероятно наличие астматического бронхита», если Id ⸦ [32; 50], «требуется дополнительное обследование», если значение Id не входит в указанные интервалы. Достигается повышение помехоустойчивости регистрации дыхательного шума при аускультации легких при помощи электронного стетоскопа и эффективности автоматизированной диагностики астматического бронхита путем вычисления определенной индикаторной переменной для обследуемого пациента и сравнения ее значения с пороговым, определенным ранее на репрезентативной выборке здоровых людей. 2 пр.

 

Изобретение относится к медицине, в частности к пульмуналогии и функциональной диагностике, и предназначено для диагностики астматического бронхита при аускультации легких во время осмотра пациента с использованием электронного стетоскопа.

Астматический бронхит имеет инфекционно-аллергическую природу и провоцируется как инфекционно (вирусы, бактерии, грибки), так и аллергенами. Своевременное диагностирование заболевание позволяет купировать и лечить его в более короткие сроки и с большей эффективностью. Во время профилактических и первичных осмотров применяется аускультация легких. При аускультации врач идентифицирует, как правило, жесткое дыхание, сопровождающее свистящими или влажными хрипами. Первичный диагноз в этом случае имеет небольшую чувствительность (порядка 0,7-0,75 и менее у не специализированного в области пульмонологии врача) и, как правило, требует дальнейшего обследования пациента инструментальными методами в клинических условиях. В связи с этим, диагностика астматического бронхита с помощью неэлектронного стетоскопа является не самым эффективным методом.

Применение электронных стетоскопов позволяет автоматизировать процесс диагностики с помощью компьютерных программ, реализующих различные преобразования сигнала, существенно повышая диагностические чувствительность, специфичность и эффективность. Существенное повышение диагностических возможностей происходит при применении электронных стетоскопов с последующей обработкой регистрируемой информации (Зайцева Е.Г., Чернецкий М.В., Шевель Н.А. О возможности дистанционной диагностики дыхательной системы человека методом аускультации. Приборы и методы измерений. 2020;11(2):148-154. https://doi.org/10.21122/2220-9506-2020-11-2-148-154).

Известен способ диагностики бронхообструктивного синдрома (RU 2 731 389, Малинина С.В. и Фурманова Е.Г., 2019 г.) заключающийся в регистрации сигнала дыхательного шума в определенных точках в течение 25 секунд, с применением в дальнейшем быстрого преобразования Фурье для получения псевдоспектра, вычисления далее определенных, характеризующих псевдоспектр, «коэффициентов хрипов» и сравнения полученных значений с пороговыми для диагностики. Недостатком применения способа изобретения для диагностики астматического бронхита является необходимость аускультации в нескольких точках с идентификацией значений коэффициентов хрипов на обучающей выборке и наличием систематических смещений значений указанных коэффициентов при применении быстрого преобразования Фурье. Для исключения этого и других недостатков предлагается применять биспектр. Использование его в качестве индикаторной переменной впервые было описано в работе Алексенко В.В. (Алесенко В.В. Вибрации в технике: справочник: в 6 т. - М.: Машиностроение, 1981, Т. 5: Измерения и испытания. - 496 с).

Распознавание астматического бронхита предлагается осуществлять по минимуму евклидова расстояния от эталонного биспектра. Используются следующие достоинства биспектра: функция позволяет восстанавливать информацию о фазовых сдвигах анализируемого сигнала, биспектр гауссового шума равен нулю (улучшается помехоустойчивость), биспектр инвариантен к смещению исходного сигнала, вычисление дискретной спектральной функции требует меньше вычислительных ресурсов (чем вычисление ин6тегральных показателей).

Применение биспектра в диагностических целях для решения медицинских задач описывается, например, в работах Хабарова М.Ю. (Хабарова М. Ю., Индюхин А. Ф. Возможности полиспектрального анализа электроэнцефалограмм в исследовании когнитивных процессов //Известия Южного федерального университета. Технические науки. - 2008. - Т. 83. - №. 6.), Zhang Ji-Wu, Zheng Chong and Xie Au. Bispectrum analysis of focal is chemic cerebral EEG signal using third-order recursion method //IEE Trans.Biomedical Engtnttring.-March 2000. -Vol 47, №3. -P.118-127 (анализируются возможности применения биспектра в качестве классификатора при анализе биологического сигнала ЭЭГс целью выявления различных ишемических нарушений головного мозга) и Поревой А.С. (Порева А. С. и др. Применение полиспектрального анализа для определения диагностических признаков в звуках дыхания больных ХОБЛ //Вiсник Національного технічного університету ХПI. Серiя: Новi рiшення в сучасних технологіях. - 2014. - №. 36. - С. 49-55.) В частности, в последней работе предлагается метод анализа дыхательного шума у здоровых людей и больных с хронической обструктивной болезнью легких (ХОБЛ) на основе расчетов функции бикогерентности путем анализа звуков дыхания для классификационной идентификации состояние здоровья системы дыхания (для ХОБЛ).

Основным недостатком предложенных подходов является вычисление биспектральных матриц больших размерностей, что приводит к необходимости хранения больших объемов данных, не обладающих индикаторными характеристиками для определенного заболевания (в частности, астматического бронхита). Кроме того, данный подход не применяется для автоматической диагностики астматического бронхита с помощью электронного стетоскопа. Применение аускультации, без последующей компьютерной обработки дыхательного шума, используется в настоящее время при пропедевтике, предикативной, превентивной диагностиках с обязательным впоследствии обследованием пациента инструментальными методами.

Технической задачей способа является повышение диагностической эффективности диагностики астматического бронхита с помощью электронного стетоскопа, в том числе за счет улучшения помехоустойчивости при регистрации дыхательного шума.

Технический результат повышения помехоустойчивости регистрации дыхательного шума при аускультации легких при помощи электронного стетоскопа и эффективности автоматизированной диагностики астматического бронхита достигается путем вычисления определенной индикаторной переменной для обследуемого пациента и сравнения ее значения с пороговым, определенным ранее на репрезентативной выборке здоровых людей.

Указанный результат достигается тем, что способ диагностики астматического бронхита в процессе аускультации легких взрослых людей, заключается в регистрации дыхательного шума в точке над областью гортани с помощью электронного стетоскопа в течение 30 секунд, с последующей дискретизацией сигнала в компьютере с частотой дискретизации 4 кГц и вычислением значения индикаторной переменной Id (среднее значение квадратов элементов главной диагонали матрицы RR по формуле , где RR - произведение эталонной матрицы

,

соответствующей сигналу человека, не имеющего заболевания органов дыхания, на матрицу биспектра, вычисленного по формуле , где - выборочный момент третьего порядка (элемент матрицы биспектра), x(i) - i-я дискрета зарегистрированного сигнала дыхательного шума x(t), I - количество отсчетов дискретного сигнала x(t), k и l - значения индексов отсчетов временных сдвигов из множества {0, 50, 80, 100, 140, 190}) для соотнесения состояния пациента к группам: «пациент здоров» - Id ⸦ [0; 4], «высоковероятно наличие астматического бронхита» - Id ⸦ [32; 50], «требуется дополнительное обследование» - если значение Id не входит в указанные интервалы.

То есть с помощью электронного стетоскопа у пациента в течение 30 секунд в точке над областью гортани регистрируется сигнал дыхательного шума, для которого вычисляется индикаторный коэффициент (впоследствии сравниваемый с пороговым), представляющий собой среднее значений квадрата отклонение величин главной диагонали произведения полученной матрицы биспектра сигнала дыхательного шума обследуемого пациента на эталонную обратную матрицу биспектра сигнала человека, не имеющего заболеваний органов дыхания.

Способ осуществляется следующим образом. У пациента с помощью электронного стетоскопа (например, 3M™Littmann с функцией Bluetooth 3200BK27 - производитель: 3M Littmann, США) регистрируется дыхательный шум в области точке над областью гортани на протяжении 30 секунд. Данный сигнал передается в вычислительное устройство, которое выполняет следующие действия для соотнесения состояния пациента к одной из групп - «пациент здоров» или «высоковероятно наличие астматического бронхита» - по алгоритму:

1. Осуществляется дискретизация сигнала с частотой 4 кГц, - для формирования дискретного сигнала (x(t)).

2. Определяется матрица биспектра по формуле:

, (1)

где - выборочный момент третьего порядка (элемент матрицы биспектра), x(i) - i-я дискрета сигнала x(t), k и l - индексы отсчетов временных сдвигов, I - количество отсчетов дискретного сигнала x(t).

Параметры сдвига k и l являются элементами множества {0,50,80,100,140,190}.

3. Полученная матрица умножается на эталонную матрицу Re (представляющую собой биспектральную матрицу сигнала дыхательного шума для здорового человека) RR=·Re:

4. Рассчитывается показатель Id как среднее значение квадратов главной диагонали матрицы RR:

.

5. Сравнивается значение Id c интервалами I1=[0; 4] и I2=[32; 50]. Если значение Id попадает в интервал I1, то делается вывод о высокой вероятности отсутствия у пациента астматического бронхита. Если значение Id попадает в интервал I2, то делается вывод о высокой вероятности наличия у пациента астматического бронхита. Если значение Id не попадает в указанные интервалы I1 и I2, то делается вывод о необходимости дальнейшего обследования на наличие иного заболевания легких.

Примеры конкретного выполнения.

Пример 1. Пациент А. Возраст: 54 года. Учительница. Жалобы на одышку, учащенное сердцебиение, кашель с мокротой, незначительные боли в сердце. Проходила курс лечения в областной клинической больнице, в которой был впервые поставлен диагноз астматического бронхита и назначена базисная терапия преднизолоном. Объективно: удовлетворительное состояние, окраска кожных покровов чистые, физиологической нормы, телосложение правильное, рост 168 см, вес 76,5 кг. При аускультации над всеми отделами легких везикулярное, равномерное, без явно выраженных хрипов, небольшие отеки в нижних конечностях, лимфатические узлы не пальпируются, щитовидная железа слегка увеличена, форма грудной клетки правильная, дыхание глубокое (частота дыхания 26 в минуту), при перкуссии легких наблюдается незначительное притупление звука над всей поверхностью.

У пациента с помощью электронного стетоскопа записан респираторный шум в точке над областью гортани в течение 30 секунд. Сигнал от электронного стетоскопа передан в компьютер, где дискретизован с частотой 4 кГц. Получена матрица биспектра по формуле (1):

После перемножения на эталонную матрицу

вычисляется матрица RR:

Рассчитывается коэффициент Id=36.17. Поскольку его значение попадает в диапазон [32; 50], то делаем заключение о высокой вероятности наличия у пациента астматического бронхита (что подтверждено клинически).

Пример 2. Пациент Л. Ежегодный профилактический осмотр. Студент 5 курса технического вуза. Возраст 23 полных лет. Рост - 174 см, вес - 62 кг, телосложение астеническое. Жалобы отсутствуют. У близких родственников заболеваний органов дыхания не наблюдается. Вредных привычек (алкоголизм, наркотики, курение) нет. Перенесенные ранее заболевания систем дыхания и болезни Боткина отрицает. Частота дыхания - 18 в минуту. Давление 110/80. Пульс - 75. Температура тела - 36,7. Сатурация - 0,99. Общее состояние удовлетворительное, сознание ясное, выражение лица спокойное. Дыхание через нос свободное. При аускультации легких патологических изменений не выявлено. Хрипы отсутствуют. Кожные покровы физиологической окраски. Тургор не изменен. Пигментация отсутствует. Подкожная клетчатка умеренная, отеков не наблюдается. Лимфатические узлы не увеличены. Развитие мускулатуры умеренное, тонус нормальный. Суставы симметричны и безболезненны.

Записан дыхательный шум в точке над областью гортани в течение 30 секунд. Сигнал от электронного стетоскопа дискретизован в компьютере с частотой 4 кГц. Получена матрица биспектра по формуле (1):

После перемножения на эталонную матрицу

вычисляется матрица RR:

Рассчитывается коэффициент Id=1,36. Поскольку он попадает в диапазон [0; 4], то делается заключение о высокой вероятности отсутствия у пациента заболеваний легких - (что подтверждено клинически).

Способ диагностики астматического бронхита в процессе аускультации легких взрослых людей, отличающийся регистрацией дыхательного шума в точке над областью гортани с помощью электронного стетоскопа в течение 30 секунд с последующей дискретизацией сигнала в компьютере с частотой дискретизации 4 кГц и вычислением значения индикаторной переменной Id (среднее значение квадратов элементов главной диагонали матрицы RR по формуле

,

где RR - произведение эталонной матрицы

,

соответствующей сигналу человека, не имеющего заболевания органов дыхания, на матрицу биспектра, вычисленного по формуле

,

где - выборочный момент третьего порядка (элемент матрицы биспектра), x(i) - i-я дискрета зарегистрированного сигнала дыхательного шума x(t), I - количество отсчетов дискретного сигнала x(t), k и l - значения индексов отсчетов временных сдвигов из множества {0, 50, 80, 100, 140, 190}) для соотнесения состояния пациента к группам: «пациент здоров» - Id ⸦ [0; 4], «высоковероятно наличие астматического бронхита» - Id ⸦ [32; 50], «требуется дополнительное обследование» - если значение Id не входит в указанные интервалы.