Хвороби органів дихання є глобальною проблемою охорони здоров’я насамперед внаслідок їх значної поширеності серед працездатного населення, постійного прогресування, частого поєднання різних патології легень та обтяжливого впливу на супутні захворювання. У 2021 році захворювання органів дихання призвели до смерті 26 428 людей (з них 21 176 – грип і пневмонія), в попередньому 2020 році цей показник був у півтора рази менший – 16 479 (з них 11 133 – грип і пневмонія) [1]. Смертність від пневмонії щорічно зростала: з 11,7 у 2017 році до 15,3 у 2018 році і 15,8 у 2019 році (на 100 тис. населення) [2]. Наразі негативна тенденція щодо зростання щорічної кількості захворювань органів дихання (зокрема пневмонією) в Україні триває. Для поліпшення ситуації перш за все необхідна більш якісна діагностика цієї групи захворювань.
Одним з ефективних методів діагностики пневмонії на ранніх стадіях є аускультація легень – вислухування акустичних шумів з грудної клітини пацієнта за допомогою стетоскопа. Але аускультація вважається суб’єктивним методом дослідження. На сприйманий звук суттєво впливає стетоскоп, відмінності при цьому спостерігаються не лише між різними типами, але навіть між приладами з однієї партії. Для того, щоб зробити метод аускультації більш об’єктивним, збільшити його точність і довіру до нього, перш за все необхідна точна реєстрація і аналіз дихальних шумів апаратними засобами.
Перші спроби створення таких пристроїв були зроблені вже в першій чверті минулого століття Р. Martini та Н. Mueller. Методи роботи подібних апаратів були засновані на автоматичному запису дихальних шумів за допомогою мікрофона. Далі сигнали проходили через фільтр на екран осцилоскопа або виводилися графічним записуючим пристроєм [5].
У 50-х роках минулого століття швидко розвивалася звукозаписна техніка, що дозволило покращити реєстрацію дихальних шумів, дало можливість проводити їх акустичний аналіз та розширити ставлення до причини виникнення.
Використання з початку 70-х років ХХ століття комп'ютерної техніки для запису дихальних шумів дозволило подолати такі апаратні труднощі аускультації легень, як взаємодія звукових хвиль та великий обсяг інформації. Вперше дана методика була використана R. Murphy та R. Sorensen у хворих на азбестоз – рубцювання легеневої тканини внаслідок вдихання азбестового пилу. У наступні роки більшість робіт, присвячених аналізу дихальних шумів, виконувалася з використанням швидкого перетворювання Фур'є [5].
Сучасна методика аналізу дихальних шумів передбачає схожі етапи: визначення, запис, графічне подання сигналу. Теоретичні аспекти використання шумів для різних фаз дихання у діагностиці патологій органів дихання, а також технології виділення сигнатур акустичних шумів розглянуті у роботах [6, 3]. На рис. 1 наведено спектрограми шумів при нормальному диханні і при початковій стадії пневмонії.
Рисунок 1 – Спектрограми везикулярного дихання (а) і при пневмонії (б)
Видно, що при патології у вигляді пневмонії суттєво (до 2 разів) розширюється спектр в моменти вдиху внаслідок проявлення ефектів крепітації.
Патології легень проявляються у часових реалізаціях шуму, їх спектрограмах і спектрах, як поточних, так і середніх, а також моментних характеристиках спектрів, з яких найбільш зручними для аналізу патологій є зміни середніх і середньоквадратичних значень частот.
Наразі перспективним є напрямок створення компактних мобільних пристроїв – електронних стетоскопів, які можуть вимірювати рівень дихальних шумів, ідентифікувати патологічні шуми і зіставляти їх з відомими сигнатурами. Цей процес може бути автоматизовано на базі пристрою, побудованому на компактній обчислювальній платформі Arduino. Функціональна схема такого смарт пристрою для автоматичної ідентифікації патологічних шумів органів дихання представлена на рис. 2.
Рисунок 2 – Функціональна схема електронного стетоскопу на апаратній платформі Arduino
Компактний електретний або конденсаторний мікрофон встановлюється у головку звичайного стетоскопа після мембрани. Таким чином можливо знімати аналоговий аудіосигнал від грудної клітини у вигляді напруги. Далі сигнал підсилюється та подається на аналогово-цифровий перетворювач (АЦП) Arduino. Після перетворення сигналу у цифрову форму мікроконтролер робить «відбиток» частини сигналу і шукає збіг по базі збережених сигнатур патологічних шумів. У разі знаходження збігу мікроконтролер виводить на дисплей відповідне повідомлення.
Особливості роботи запропонованого автоматизованого смарт комплексу визначення захворювань органів дихання за акустичними шумами:
1. Використання у вимірах акустичних шумів легень електретного конденсаторного мікрофону Panasonic WM-61A. Даний мікрофон має високу чутливість -35dB та високий коефіцієнт сигнал/шум більше 62dB. Також мікрофон має лінійну амплітудно-частотну характеристику на частотах 20Hz – 20kHz і може використовуватись для вимірів звуку у цьому діапазоні (рис. 3).
Рисунок 3 – АЧХ мікрофона Panasonic WM-61A
2. Використання підсилення звукового сигналу мікрофону до максимального значення 2,5V, а також зменшення максимальної напруги на вході АЦП Arduino до 2,5V перед поданням на нього аналогового сигналу – для більш точного вимірювання аудіосигналу.
Аналоговий вхід Arduino може приймати сигнал у вигляді напруги від 0V до опорної напруги Arduino (за замовченням це 5V) і далі перетворювати сигнал в цифрове значення. АЦП Arduino має розрядність в 10 біт, тобто після його роботи ми отримуємо виміряну напругу у вигляді чисел від 0 до 1023. При використанні опорної напруги за замовчуванням 5V ми отримуємо точність виміру напруги (5 / 1024) ~4,9 мілівольт. Зменшивши опорну напругу Arduino до 2,5V ми зможемо виміряти напругу з точністю (2,5 / 1024) ~2,5 мілівольт, тобто удвічі збільшиться точність вимірювань.
3. Використання на Arduino алгоритму швидкого перетворення Хартлі (FHT – Fast Hartley Transform) для перетворення сигналу у цифрову форму [4]. На відміну від алгоритму швидкого перетворення Фур’є (FFT – Fast Fourier Transform), FHT використовує у розрахунках дійсні числа, тоді як FFT працює з комплексними числами. Тому при застосуванні FHT спостерігається удвічі швидше обчислення функцій при роботі відповідних бібліотек, а також удвічі менше використання пам’яті (табл. 1 і 2).
Таблиця 2. Порівняння використання розміру пам’яті при роботі алгоритмів FFT і FHT на Arduino
Запропонована модель автоматизованого смарт комплексу визначення захворювань органів дихання за акустичними шумами, на відміну від стаціонарного комп’ютера, є компактним пристроєм з автономним живленням від акумулятора або батареї.
Пристрій може використовуватись мобільними бригадами швидкої допомоги, молодшим лікарняним персоналом (фельдшерами) у сільській місцевості для діагностики захворювань органів дихання, а також для навчань студентів-медиків методу аускультації легень.
Таким чином, апаратна аускультація легень є перспективним високоінформативним методом діагностики органів дихання і наразі є передумови для поширення апаратної аускультації у клінічній практиці.
Список використаних джерел:
1. Державна служба статистики України / Кількість померлих за окремими причинами смерті. URL: https://ukrstat.gov.ua/operativ/operativ2022/ds/kpops/
arh_kpops2022_u.html (дата звернення: 09.03.2023).
2. Державна установа «Національний інститут фтизіатрії і пульмонології ім. Ф. Г. Яновського Національної академії медичних наук України» / Порівняльні дані про хвороби органів дихання і медичну допомогу хворим на хвороби пульмонологічного та алергологічного профілю в Україні за 2010 – 2019 рр. URL: http://www.ifp.kiev.ua/doc/staff/pulmukr2019.pdf (дата звернення: 09.03.2023).
3. М.Ф. Бабаков. Технології виділення сигнатур акустичних шумів при патології легень. / М.Ф. Бабаков, В.І. Луценко, І.В. Луценко, Ло Иян / ІІ Міжнародна науково-практична конференція «Інформаційні системи та технології в медицині» (IСM–2019) [Текст]: зб. наук. пр. – Харків: Нац. аерокосм. ун-т ім. М. Є. Жуковського «Харків. авіац. ін-т», 2019. – 220 с., С.30-31.
4. Arduino FHT Library. URL: http://wiki.openmusiclabs.com/wiki/
ArduinoFHT (дата звернення: 09.03.2023).
5. Kraman S.S., Wodicka G.R., Kiyokawa H., Pasterkamp H. // Biomed. Instrum. Technol. – 2002. – Vol. 36, No. 3. – P. 177-182.
6. Simulation Model of Respiratory Sound and Technology for Separating Characteristics of Pulmonary / Luo, Y., Lutsenko, V.I., Shulgar, S.M., Anh, N.X. // Disease. In: Yang, XS., Sherratt, S., Dey, N., Joshi, A. (eds) Proceedings of Seventh International Congress on Information and Communication Technology. Lecture Notes in Networks and Systems, vol 448. Springer, Singapore. https://doi.org/10.1007/978-981-19-1610-6_13 (2023) – P. 143-151.
|
Голосування 
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter