Возможности компьютерного анализа дыхательных шумов у пациентов с заболеванием COVID-19

Обложка

Цитировать

Полный текст

Аннотация

Цель. Разработка методов быстрой дистанционной компьютерной диагностики COVID-19, основанных на анализе дыхательных шумов. Известно, что изменения дыхательных шумов могут являться индикатором заболеваний органов дыхания. Компьютерный анализ этих шумов может указывать на характерные их изменения, вызванные заболеванием COVID-19, и может быть использован для быстрой предварительной диагностики этого заболевания.

Материалы и методы. Метод быстрого преобразования Фурье (FFT) был применен для компьютерного анализа дыхательных шумов, записанных около рта 14 больных COVID-19 (возраст 18–80 лет) и 17 здоровых добровольцев (возраст от 5 до 48 лет). Частота записей дыхательных шумов была в диапазоне от 44 до 96 кГц. В отличие от обычных методов компьютерного анализа при диагностике заболеваний, основанных на анализе респираторного звука, мы предлагаем протестировать высокочастотную часть спектра FFT (2000–6000 Гц).

Результаты. Сравнивая спектры FFT дыхательных шумов пациентов и здоровых добровольцев, разработаны методы компьютерной диагностики COVID-19 и определены численные критерии у здоровых и больных. Эти критерии не зависят от пола и возраста обследованных.

Выводы. Предлагаемые компьютерные методы, основанные на анализе спектра FFT дыхательных шумов пациентов и добровольцев, позволяют диагностировать COVID-19 с достаточно высокими диагностическими показателями. Эти методы могут быть применены при разработке неинвазивных средств для самостоятельной предварительной экспресс-диагностики заболевания COVID-19.

Об авторах

Е. Г. Фурман

Пермский государственный медицинский университет имени академика Е.А. Вагнера

Автор, ответственный за переписку.
Email: furman1@yandex.ru

член-корреспондент РАН, профессор, заведующий кафедрой факультетской и госпитальной педиатрии

Россия, Пермь

А. О. Чарушин

Пермский государственный медицинский университет имени академика Е.А. Вагнера

Email: furman1@yandex.ru

доцент кафедры оториноларингологии

Россия, Пермь

Е. С. Эйрих

Пермская краевая клиническая инфекционная больница

Email: furman1@yandex.ru

врач-инфекционист

Россия, Пермь

Г. Б. Фурман

Университет Бен-Гуриона в Негеве

Email: furman1@yandex.ru

PhD, профессор кафедры физики

Израиль, Беэр-Шева

В. Л. Соколовский

Университет Бен-Гуриона в Негеве

Email: furman1@yandex.ru

PhD, профессор кафедры физики

Израиль, Беэр-Шева

С. В. Малинин

Пермский государственный медицинский университет имени академика Е.А. Вагнера

Email: furman1@yandex.ru

специалист по разработке программного обеспечения Центральной научно-исследовательской лаборатории

Россия, Пермь

В. С. Шелудько

Пермский государственный медицинский университет имени академика Е.А. Вагнера

Email: furman1@yandex.ru

кандидат медицинских наук, старший научный сотрудник микробиологической лаборатории Центральной научно-исследовательской лаборатории

Россия, Пермь

Д. А. Полянская

Пермский государственный медицинский университет имени академика Е.А. Вагнера

Email: furman1@yandex.ru

кандидат медицинских наук, преподаватель кафедры гигиены медико-профилактического факультета

Россия, Пермь

Н. М. Калинина

Пермский государственный медицинский университет имени академика Е.А. Вагнера

Email: furman1@yandex.ru

студентка VI курса педиатрического факультета

Россия, Пермь

Д. К. Штивельман

Университет Бен-Гуриона в Негеве

Email: furman1@yandex.ru

преподаватель факультета физики

Израиль, Беэр-Шева

Список литературы

  1. Worldometers, available at: https:// www.worldometers.info/coronavirus/#countries
  2. Plotkin S.A. The New Coronavirus, the Current King of China. Journal of the Pediatric Infectious Diseases Society 2020; 9 (1): 1–2.
  3. Sant’Ambrogio G., Sant’Ambrogio F.B. Role of laryngeal afferents in cough. Pulm Pharmacol 1996; 9: 309–314.
  4. Stalin Raj, Huihui Mou, Saskia L., Smits et al. Dipeptidyl peptidase 4 is a functional receptor for the emerging human oronavirus-EMC. Nature 2013; 495 (7440): 251–254.
  5. Ke Wang, Wei Chen, Yu-Sen Zhou et al. SARS-CoV-2 invades host cells via a novel route: CD147-spike protein. bioRxiv 2020; 03: 14.
  6. Shuyi Yang, Yuxin Shi, Hongzhou Lu et al. Clinical and CT features of early-stage patients with COVID-19: a retrospective analysis of imported cases in Shanghai, China. Eur Respir J 2020; 55 (4): 2000407.
  7. Zhou P., Lou Y.X., Wang X.G., Hu B., Zhang L., Zhang W. A pneumonia outbreak associated with a new coronavirus of probable bat origin. Nature 2020; 579: 270–273.
  8. Ellington L.E., Gilman R.H., Tielsch J.M. [et al.] Computerised lung sound analysis to improve the specificity of paediatric pneumonia diagnosis in resource-poor settings: protocol and methods for an observational study. BMJ Open 2012; 2: e000506.
  9. Marques A., Oliver A., Jacome C. Computerized adventitious respiratory sounds as outcome measures for respiratory therapy: a systematic review. Respiratory Care 2014; 59 (5): 765–776.
  10. Mhetre R., Bagal U.R. Respiratory sound analysis for diagnostic information. IOSR Journal of Electrical and Electronics Engineering (IOSR-JEEE) 2014; 9 (5): 42–46.
  11. Fenton T.R., Pasternakamp H., Tal A., Chernick V. Automated spectral characterization of wheezing in asthmatic children. IEEE Trans on Biomedical Engineering 1985; 1: 50–55.
  12. Reichert S., Gass R., Hajjam A. et al. The ASAP project: A first step to an auscultation’s school creation. Respiratory Medicine 2009; 2 (1): 7–14.
  13. Wu Z., McGoogan J.M. Characteristics of and important lessons from the coronavirus disease 2019 (COVID-19) outbreak in China: summary of a report of 72314 cases from the Chinese Center for Disease Control and Prevention. JAMA 2020; 2: 24.
  14. Xaviero Adhi Pramono Renard, Bowyer Stuart, Rodriguez-Villegas Esther. Automatic adventitious respiratory sound analysis: A systematic review. PLOS ONE 2017; 12 (5): e0177926.
  15. Olvera-Montes N., Reyes B., Charleston-Villalobos S. et al. Detection of Respiratory Crackle Sounds via an Android Smartphone-based System. Conf Proc IEEE Eng Med Biol Soc 2018; 2018: 1620–1623.
  16. Reyes B.A., Olvera-Montes N., Charleston-Villalobos S., González-Camarena R., Mejía-Ávila M., Aljama-Corrales T. A Smartphone-Based System for Automated Bedside Detection of Crackle Sounds in Diffuse Interstitial Pneumonia Patients. Sensors 2018; 18: 3813.
  17. Schuller Björn W., Schuller Dagmar M., Kun Qian et al. COVID-19 and computer audition: An overview on what speech & sound analysis could contribute in the SARS-CoV-2 Corona crisis. arXiv. 2020; preprint arXiv: 2003: 11117.
  18. Faezipour M., Abuzneid A. Smartphone-Based Self-Testing of COVID-19 Using Breathing Sounds. Telemedicine and e-Health 2020.
  19. Chloë Brown, Jagmohan Chauhan, Andreas Grammenos et al. Exploring Automatic Diagnosis of COVID-19 from Crowdsourced Respiratory Sound Data. arXiv preprint arXiv, 2006: 05919.
  20. Furman E., Yakovleva E., Malinin S., Furman G., Sokolovsky V. Computer-assisted assay of respiratory sound of children suffering from bronchial asthma. Clinical Medicine 2014; 6 (1): 83–87.
  21. Furman E. A new modality using breath sound analysis in pediatric asthma. Clinical and Translational Allergy 2014; 4: 105.
  22. Furman E.G., Rocheva E.V., Malinin S.V., Furman G.B., Sokolovsky V.L. Comparative effectiveness of computer analysis of the energy characteristics of the respiratory noise spectrum at three points for the diagnosis of bronchial obstructive syndrome in children with bronchial asthma]. Permskii meditsinskii zhurnal 2015; 32: 77–88.
  23. Furman E.G., Sokolovsky V.L., Furman G.B., Meerovich V.M., Malinin S.V., Rocheva E.V. Mathematical model of breath sound propagation in respiratory tract. Russian Journal of Biomechanics 2018; 22 (2): 142–152
  24. Malinin S., Furman E., Rocheva E., Sokolovsky V., Furman G. The home remote diagnostics of bronchial asthma in children with the using of telemedical system. ERS International Congress 2019.
  25. Furman E., Malinin S., Furman G., Meerovich V., Sokolovsky V., Rocheva E. Respiratory Sound Analysis for Bronchial Asthma Diagnostics. IOSR Journal of Engineering (IOSRJEN). 2020; 10 (1): 53–59.
  26. Reddel H.K., FitzGerald J.M., Bateman E.D. et al. GINA 2019: a fundamental change in asthma management. Eur Respir J 2019; 53: 1901046.
  27. Sovijärvi A.R.A., Dalmasso F., Vander¬schoot J., Malmberg L.P., Righini G., S.A.T. Stoneman Definition of terms for applications of respiratory sounds. European Respiratory Review 2000; 10 (77): 597–610.
  28. Kosasih K., Abeyratne U.R., Swarnkar V. High frequency analysis of cough sounds in pediatric patients with respiratory diseases. 2012 Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE 2012: 5654–5657.
  29. Taplidou S.A., Hadjileontiadis L.J., Kitsas I.K. et al. On Applying Continuous Wavelet Transform in Wheeze Analysis. The 26th Annual International Conference of the IEEE Engineering in Medicine and Biology Society. San Francisco CA 2004; 3832–3835.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Спектры FFT здорового добровольца (а) и пациента с COVID-19 (б); амплитуды даются в произвольных единицах

Скачать (95KB)
Метаданные
3. Рис. 2. Критерий «больной – здоровый»: красные круги – значения для пациентов, черные квадраты – для добровольцев. Число на горизонтальной оси показывает номер пациента или добровольца в соответствии с табл. 3 и 4. Синяя линия соответствует значению границы «больной – здоровый» 0,8

Скачать (34KB)
Метаданные

© Фурман Е.Г., Чарушин А.О., Эйрих Е.С., Фурман Г.Б., Соколовский В.Л., Малинин С.В., Шелудько В.С., Полянская Д.А., Калинина Н.М., Штивельман Д.К., 2021

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


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

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

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

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

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

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

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

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

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

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

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