Персональные профили пациентов с бронхолегочными заболеваниями

М. Р. Богданов, Р. В. Насыров, Г. Р. Шахмаметова

Аннотация


Проведены исследования в области разработки персональных профилей пациентов с бронхолегочными заболеваниями. Для определения компонентов профиля было использовано три подхода анализа дыхательных шумов, два из которых были основаны на ортогональных вейвлетах, а один — на спектральных характеристиках дыхательных шумов. Было установлено, что ортогональные вейвлеты обладают высокой селективностью к различ­ным физиологическим состояниям органов дыхания. Оценка эффективности классификации бронхолегочных заболеваний, когда в качестве признаков использовались вейвлеты показала, что высокой обобщающей способностью обладают такие методы, как случайный лес и экстра-буст. Аналогичный результат был получен при использовании в качестве признаков таких спектральных характеристик дыхательных шумов как среднеквадратич­ная энергия (rmse), спектрограмма мощности, спектральный центроид, спектральная полоса пропускания p-го порядка, частота спада, скорость пересечения нуля временного аудио ряда, мелчастотные кепстральные коэффициенты (MFCC). Предложенные подходы делают возможным формирование компонентов персонального профиля пациента на основе скрининга пациентов с бронхолегочными заболеваниями.

Ключевые слова


персональный профиль пациента; бронхолегочные заболевания; машинное обучение; вейвлет-анализ

Литература


[Cha16] Chamberlain D., Kodgule R., et al. “Application of semi-supervised deep learning to lung sound analysis” // 38th Annu. Int. Conf. IEEE Eng. Med. Biol. Soc. 2016;804-7. DOI: 10.1109/EMBC.2016.7590823.

[Cre25] Creating a Patient Profile: Why It's Important for Hospitals to Understand their Patients. URL: https://www.excel-medical.com/creating-a-patient-profile-why-its-important-for-hospitals-to-understand-their-patients.

[Ear00] Earis J, Cheetham B. “Current methods used for computerized respiratory sound analysis” // Eur Respir Rev. 2000; 10(77):586-90.

[Efr79] Bradley Efron. “Bootstrap methods: Another look at the jackknife // Annals of Statistics. 1979. Vol. 7, no. 1, pp. 1-26. DOI: 10.1214/aos/1176344552.

[Gil13] Gilles J. “Empirical wavelet transform // IEEE Transactions on Signal Processing. 2013. Vol. 61, no. 16, pp. 3999-4010. DOI: 10.1109/TSP.2013.2265222.

[Gro89] Grotberg J., Gavriely N. (1989). “Flutter in collapsible tubes: A theoretical model of wheezes” // Journal of Applied Physiology (Bethesda, Md.: 1985). 66. 2262-73. DOI: 10.1152/jappl.1989.66.5.2262.

[Mal89] Mallat S. “A theory for multiresolutional signal decomposition: the wavelet representation” // IEEE Trans. Pattern Analysis and Machine Intelligence, 1989, no. 7, pp. 674-693. DOI: 10.1109/34.192463.

[Mar14] Marques A, Oliveira A, Jácome C. “Computerized adventitious respiratory sounds as outcome measures for respiratory therapy: a systematic review “ // Respir Care. 2014 May;59(5):765-76. DOI: 10.4187/respcare.02765.

[Pii95] Piirila P., Sovijarvi A. R. “Crackles: recording, analysis and clinical significance” // Eur Respir J. Eur Respiratory Soc; 1995;8(12):2139-48. DOI: 10.1183/09031936.95.08122139.

[Pra17] Pramono R. X. A., Bowyer S., Rodriguez-Villegas E. “Automatic adventitious respiratory sound analysis: A systematic review” // PloS One. Public Library of Science; 2017; 12(5):e0177926. DOI: 10.1371/journal.pone.0177926.

[Roc] B. M. Rocha et al. Α Respiratory Sound Database for the Development of Automated Classification. URL: https://bhichallenge.med.auth.gr.

[Roc18] Rocha B. M., Filos D., et al. (2018). “Α respiratory sound database for the development of automated classification” // In Precision Medicine Powered by pHealth and Connected Health, pp. 51-55. Springer, Singapore. DOI: 10.1007/978-981-10-7419-6_6.

[Sar15] Sarkar M., Madabhavi I., Niranjan N., Dogra M. “Auscultation of the respiratory system” // Ann Thorac Med. Medknow Publications; 2015;10(3):158. DOI: 10.4103/1817-1737.160831.

[Sar19] Murat Sariyar and Irene Schlünder. “Challenges and legal gaps of genetic profiling in the era of Big Data” // Front. Big Data, 12 November 2019. Sec. Big Data Networks. DOI: 10.3389/fdata.2019.00040.

[Sch06] Leslie O. Schulz, Peter H. Bennett, et al. “Effects of traditional and western environments on prevalence of type 2 diabetes in Pima Indians in Mexico and the U.S.” // Diabetes Care 1 August 2006; 29 (8): 1866-1871. DOI: 10.2337/dc06-0138.

[Smi88] Smith J. W., Everhart J. E., et al. (1988). “Using the ADAP learning algorithm to forecast the onset of diabetes mellitus” // In Proceedings of the Symposium on Computer Applications and Medical Care (pp. 261-265). IEEE Computer Society Press. URL: https://www.researchgate.net/publication/248284447_Using_the_ADAP_Learning_Algorithm_to_Forcast_the_Onset_of_Diabetes_Mellitus.

[Sov00] Sovijarvi A. R. A. et al. “Characteristics of breath sounds and adventitious respiratory sounds” // European Respiratory Review. 2000; 10(77):591-596.

[WHO17] World Health Organization. The top 10 causes of death. 2017.

[Бог13] Богданов М. Р., Думчиков А. А. Способ изучения разнообразия орнитофауны методом вейвлет-анализа // Известия Самарск. науч. центра РАН. 2013. Т. 15, № 3 (4). С. 1232-1235. EDN: SAENFJ. [[ Bogdanov M. R., Dumchikov A. A. “Method of studying the diversity of avifauna by wavelet analysis” // Bulletin of the Samara Scientific Center of the Russian Academy of Sciences. 2013. Vol. 15, no. 3 (4), pp. 1232-1235. EDN: SAENFJ. (In Russian). ]]

[Вор99] Воробьев В. И., Грибунин В. Г. Теория и практика вейвлет-преобразования. СПб: ВУС, 1999. EDN: RCNCFF. [[ Vorobiev V. I., Gribunin V. G. Theory and Practice of Wavelet Transform. St. Petersburg: VUS, 1999. EDN: RCNCFF. (In Russian). ]]

[Доб01] Добеши И. Десять лекций по вейвлетам. М.: РХД, 2001. [[ Daubechies I. Ten Lectures on Wavelets. Moscow: RHD, 2001. (In Russian). ]]

[Дья03] Дьяченко А. И. Математические модели механики легких с распределенными параметрами: Автореф. дисс. ... д-ра техн. наук. М., 2003. [[ Dyachenko A. I. Mathematical Models of Lung Mechanics with Distributed Parameters: Abstract of a Doctor of Technical Sciences dissertation. Moscow, 2003. (In Russian). ]]

[Дья12] Дьяченко А. И., Михайловская А. Н. Респираторная акустика (обзор) // Труды ИОФАН. 2012. С. 136-181. EDN: PFPTRX. [[ Dyachenko A. I., Mikhailovskaya A. N. “Respiratory acoustics (review)” // Proc. General Physics Institute. 2012. Pp. 136-181. EDN: PFPTRX. (In Russian). ]]

[Зин24] Зиновьев М. С., Нургаянова О. С. Прогнозирование вероятности развития диабетической ретинопатии у пациентов с сахарным диабетом: анализ методов машинного обучения // СИИТ. 2024. Т. 6, № 3(18). С. 95-101. DOI 10.54708/2658-5014-SIIT-2024-no3-p95. EDN: VLFFLP.

[Има15] Имамвердиев Я. Н., Сухостат Л. В. Метод оценки периода основного тона с применением эмпирического вейвлет преобразования // Radio Electronics, Computer Science, Control. 2015. № 2. DOI: 10.15588/1607-3274-2015-2-6. [[ Imamverdiev Ya. N., Sukhostat L. V. “Method for estimating the period of the fundamental tone using empirical wavelet transform” // Radio Electronics, Computer Science, Control. 2015. No. 2. DOI: 10.15588/1607-3274-2015-2-6. (In Russian). ]]

[Кор04] Коренбаум В. И., Почекутова И. А. и др. Акустическая диагностика системы дыхания человека на основе объективного анализа дыхательных звуков // Вестник ДВО РАН. 2004. № 5. С. 68-79. EDN: HPNCBL. [[ Korenbaum V. I., Pochekutova I. A. et al. "Acoustic diagnostics of the human respiratory system based on objective analysis of respiratory sounds” // Bulletin of the Far Eastern Branch of the Russian Academy of Sciences. 2004. No. 5, pp. 68-79. EDN: HPNCBL. (In Russian). ]]

[Кор05] Коренбаум В. И., Почекутова И. А. Акустико-биомеханические взаимосвязи в формировании шумов форсированного выдоха человека. Владивосток: Дальнаука, 2005. 150 с. [[ Korenbaum V. I., Pochekutova I. A. Acoustic-Biomechanical Relationships in the Formation of Human Forced Expiratory Noise. Vladivostok: Dalnauka, 2005. (In Russian). ]]

[Кор24] Коровин Е. А., Чиглинцева С. А., Сазонова Е. Ю., Сметанина О. Н. Медицинская рекомендательная система на основе автоматического извлечения знаний из текстов // СИИТ. 2024. Т. 6, № 4(19). С. 111-121. DOI 10.54708/2658-5014-SIIT-2024-no4-p111. EDN: OTVTXR.

[Кор97] Коренбаум В. И., Кулаков Ю. В., Тагильцев А. А. Акустические эффекты в системе дыхания человека при форсированном выдохе // Акустический журнал. 1997. Т. 43, № 1. С. 78-86. EDN: UQWXTT. [[ Korenbaum V. I., Kulakov Yu. V., Tagiltsev A. A. “Acoustic effects in the human respiratory system during forced exhalation” // Acoustic Journal. 1997. Vol. 43, no. 1, pp. 78-86. EDN: UQWXTT. (In Russian). ]]

[Мир24] Мирасов О. О., Шахмаметова Г. Р. Сетевой анализ профилей экспрессии генов // СИИТ. 2024. Т. 6, № 3(18). С. 61-70. EDN: RCXENH. [[ Mirasov O. O., Shakhmametova G. R. “Network analysis of gene expression profiles” // SIIT. 2024. Vol. 6, no. 3(18), pp. 61-70. EDN: RCXENH. (In Russian). ]]

[Нас22] Насыров Р. В. Причинный подход к построению бионических вычислений на основе рекурсивных моделей анализа данных // СИИТ. 2022. Т. 4, № 1(8). С. 27-36. EDN: UOMMOU. [[ Nasyrov R. V. “Causal approach to the construction of bionic computing based on recursive models of data analysis” // SIIT. 2022. Vol. 4, no. 1(8), pp. 27-36. EDN: UOMMOU. (In Russian). ]]

[Саз23] Сазонова Е. Ю., Сметанина О. Н., Журавлева К. И., Юлаев Р. С. Интеллектуальная СППР при управлении психофизическим состоянием человека // СИИТ. 2023. Т. 5, № 6(15). С. 38-49. DOI 10.54708/2658-5014-SIIT-2023-no5-p38. EDN: JFLRCX.

[Шап23] Шапошникова А. С., Богданов М. Р. Определение сердечного ритма плода по неинвазивному ЭКГ с применением различных фильтров // СИИТ. 2023. Т. 5, № 6(15). С. 32-37. EDN: WBBOVK. [[ Shaposhnikova A. S., Bogdanov M. R. “Determination of fetal heart rate by non-invasive ECG using various filters” // SIIT. 2023. Vol. 5, no. 6(15), pp. 32-37. EDN: WBBOVK. (In Russian). ]]

[Юсу23] Юсупова Н. И., Нургаянова О. С., Зулкарнеев Р. Х. Формализация этапов риск-анализа в СППР с учетом оценок клинических рисков при бронхолегочных заболеваниях // СИИТ. 2023. Т. 5, № 1(10). С. 11-24. DOI 10.54708/2658-5014-SIIT-2023-no1-p11. EDN: KHIIHT.


Ссылки

  • На текущий момент ссылки отсутствуют.


(c) 2025 М. Р. Богданов, Р. В. Насыров, Г. Р. Шахмаметова