基于呼吸音的呼吸监测方法初探

【作者】于 璐，刘 阳，黄德生

1 中国医科大学基础医学院生物医学工程系，沈阳市，110001

2 中国医科大学附属第四医院口腔科，沈阳市，110032

3 中国医科大学基础医学院数学教研室，沈阳市，110001

基于呼吸音的呼吸监测方法初探

【作者】于 璐1，刘 阳2，黄德生3

1 中国医科大学基础医学院生物医学工程系，沈阳市，110001

2 中国医科大学附属第四医院口腔科，沈阳市，110032

3 中国医科大学基础医学院数学教研室，沈阳市，110001

由于呼吸音与呼吸气流速度之间存在着非线性关系，因此呼吸音有可能成为新的呼吸监测方法。该文首先提取了呼吸音的振幅包络信号，并证明了包络信号对数与呼吸气流速度之间良好的线性相关性，之后通过回归分析获取不同受试者的线性模型参数，并利用模型参数实现了基于包络信号对数的呼吸气流速度模拟，误差可控制在14.9%以下。因此，使用呼吸音对呼吸气流速度进行模拟并实现基于呼吸音的呼吸监测是可行的。

呼吸音；包络；呼吸气流模拟

0 引言

呼吸是生命的基础和象征，任何形式的呼吸功能障碍如不能在短时间内发现并纠正，往往会造成代谢性酸中毒、缺氧性脑病、心动过缓甚至心脏停搏[1-2]。在临床医疗中，呼吸功能的监测无论在术前、术中及术后监护中都有着重要的意义和作用[3-4]。目前临床呼吸监测中常用的脉搏血氧饱和度测量法和呼气末二氧化碳测量法在实时性与准确性方面仍有缺陷[5-6]，使得病人的生命安全受到潜在威胁。呼吸气流速度虽然可作为反映人体呼吸状况的金标准[7]，但其测量时需要使用密闭的口鼻面罩，不但舒适性及易用性较差并且可能影响到病人的自主呼吸[8]，因此在临床呼吸监测中很少使用。

呼吸音是人体在呼吸时气流进出气道引起气道管壁及周围软组织振荡而发出的声响，有相关研究证明[9]，人体呼吸时气道内产生的呼吸音的幅度与呼吸气流速度之间存在着某种非线性关系。如果我们能够明确呼吸音与呼吸气流速度之间的关系，并使用呼吸音对呼吸气流速度进行较为准确的模拟，就可以实现基于呼吸音的呼吸监测。因此，本研究首先对呼吸音与呼吸气流速度之间的关系进行研究与验证，之后着重探讨使用呼吸音对呼吸气流进行模拟的可能性，最后对呼吸气流模拟的误差进行量化与评估，为基于呼吸音的呼吸监测方法的应用提供相关的理论及实践依据。

2 方法

2.1 数据的获取

9名成年健康志愿者（男性4名，女性5名）参与了本研究的数据采集工作。我们将内置微型麦克风的听诊器拾音端放置于受试者颈部，对颈部气管处的呼吸音进行采集，采样率为22 050 Hz；使用呼吸速度描记器对呼吸气流速度进行采集，采样率为100 Hz，采集时借助口鼻密闭面罩对气流进行采样，以进一步保证呼吸气流速度测量的准确性。我们在无明显噪声的环境中，按照前述数据采集方法，对每位受试者同时采集并存储其5 min内连续的呼吸音与呼吸气流速度数据供后续分析。

2.2 呼吸音的预处理与特征提取

本研究中涉及的数据处理与分析工作全部在Labview 8.6和Matlab 2008b平台上完成，并使用了Labview和Matlab混合编程方法[10]。

为了最大限度抑制呼吸音采集过程中的心音、工频干扰和高频噪声，我们首先使用5阶巴特沃兹带通滤波器（通带截止频率为150～800 Hz）对呼吸音进行滤波降噪预处理。图1为某受试者10 s内的呼吸音，从图中可以看出，经带通滤波后的呼吸音噪声及毛刺明显减少，且波形明显，可较好地用于后续的特征提取。

图1 带通滤波前后的呼吸音Fig.1 Raw and bandpass filtered breath sounds

声音最基本的特性之一是响度，其大小由振幅决定，振幅越大响度越大。因此，本研究提取了呼吸音的振幅包络信号作为特征参数，呼吸音的形状及幅度特征均可通过包络信号来表示。为获取呼吸音的包络信号，我们首先对带通滤波后的呼吸音降采样率，之后求取呼吸音信号的绝对值，最后使用低通滤波器获取可反映呼吸音形状及幅度特征的包络信号。为了后续分析，我们又将得到的呼吸音包络信号采样率降至100 Hz，以匹配呼吸气流速度的采样率。图2为某受试者50 s内的呼吸音信号、呼吸音包络信号（降采样率后）及其对应呼吸气流速度信号。从图中可以看到，包络信号很好地反映了呼吸音信号的形状与幅度，而且与呼吸气流速度信号的对应关系也很明显。

图2 预处理后的呼吸音及其对应的包络信号与呼吸气流速度Fig.2 Filtered breath sounds, envelope of breath sounds and associated respiratory flow rate

2.3 呼吸气流速度的模拟与误差的量化

由于呼、吸阶段呼吸音对应的包络信号全部为正值（如图2(b)所示），因此本研究中仅探讨包络信号与呼吸气流速度绝对值之间的关系。

为了明确呼吸音包络信号与呼吸气流速度信号之间的关系，我们将每位受试者前30 s内的呼吸音包络信号及包络信号对数分别与对应的呼吸气流速度进行相关性分析，从包络信号及包络信号对数中选择相关系数较高者，进行呼吸气流速度的模拟。表1中的结果表明，包络信号的对数与呼吸气流速度有着更好的线性相关性。因此，我们使用了下面的公式对每位受试者5 min内的呼吸气流速度进行模拟：Fsimu=C1log(E)+C2，其中Fsimu为模拟的呼吸气流速度，E为包络信号，C1与C2为受试者对应的模型常数（通过对每位受试者前30 s内呼吸音包络信号的对数与呼吸气流速度进行一元线性回归分析，即可得到对应的模型常数C1、C2）。

为了评价上述方法模拟呼吸气流速度的效果，我们对呼吸气流速度的模拟误差进行了定义：Error(模拟误差)=，其中Fest与 Factual分别为每个呼、吸周期内模拟的呼吸气流速度和实际测量的呼吸气流速度，max()为取最大值的函数。因此，在受试者的每个呼、吸的周期内，都将对应一个模拟误差值。我们将受试者内部与受试者之间的所有模拟误差Error平均后得到的结果作为评估模拟方法优劣的依据。

3 结果

3.1 受试者人口学特征

全部9名受试者参与并完成了本研究的数据采集工作，其中男性4名，女性5名，年龄在18～37（26±5）岁之间，身高在163～180（171±6）cm之间，体重在50～90（66±12）kg之间，身体质量指数在18～27（23±3）kg/m2之间。

3.2 相关性分析

相关性分析结果表明，所有受试者前30 s内的呼吸音包络信号及包络信号对数与呼吸气流速度都有着良好的线性相关性，如表1所示。其中，包络信号对数与呼吸气流速度之间相关系数的均值0.88(95%置信区间：0.83～0.92)优于包络信号与呼吸气流速度之间相关系数的均值0.82(95%置信区间：0.77～0.88)，这也进一步证明了呼吸音幅度与呼吸气流速度之间更为倾向于指数形式的非线性关系。

3.3 呼吸气流速度模拟

由于包络信号的对数与呼吸气流速度有着更好的线性相关性，因此我们使用了包络信号对数对呼吸气流速度进行模拟。使用受试者前30 s内包络信号对数与呼吸气流速度进行一元线性回归分析得到的模型参数C1与C2以及呼吸气流速度模拟公式，我们对每位受试者5 min内的呼吸气流速度都进行了模拟。某受试者20 s内呼吸气流速度的模拟结果如图3所示，其中实线为实际测量的呼吸气流速度绝对值，虚线为模拟的呼吸气流速度。从直观上可以看出，模拟效果较为理想。

图3 呼吸气流速度的模拟结果Fig.3 Simulation results of respiratory flow rate

受试者内部与受试者之间的模拟误差(%)如表2所示。表2中受试者内部模拟误差来自于每位受试者5 min内所有呼、吸周期对应的模拟误差值的均值；而总体模拟误差则来自于全部受试者内部模拟误差的均值。呼吸气流速度的总体模拟误差(14.9±3.8%)处于可接受的范围内，表明基于呼吸音包络信号的呼吸气流速度模拟是可行的。

4 讨论

本研究首先提取了呼吸音的振幅包络信号，并证明了包络信号对数与呼吸气流速度之间良好的线性相关性；之后通过回归分析获取不同受试者的线性模型参数，并利用模型参数实现了基于包络信号对数的呼吸气流速度模拟，误差可控制在14.9%以下。

呼吸音的振幅包络信号能够详细地描述出呼吸音的幅值大小，同时可看出呼吸音波形的分布及其起伏变化趋势，有相关文献报道，声音的包络特征还可用于语音识别系统的研究[11]。因此，本研究使用了声音要素之一的包络信号来反映呼吸音在时域内的相关特征。在提取呼吸音包络信号时，首先对经带通滤波的呼吸音降采样率以降低运算量并减少运算时间；由于呼吸音正负信号的幅度基本一致，因此取其绝对值即可用于表达特征；最后的低通滤波处理可去除呼吸音信号中的高频成分，只留下反映呼吸音形状及幅度特征的低频包络信号。

表1 受试者前30 s内呼吸音包络信号及包络信号对数与呼吸气流速度的相关系数Tab.1 Correlation coefficients of breath sounds and respiratory flow rate derived from the subjects in 30 seconds

表2 受试者呼吸气流速度模拟误差(%)Tab.2 Subjects’ respiratory flow rate estimation error (%)

通过比较，包络信号对数与呼吸气流速度之间更好的线性相关性进一步证明了呼吸音幅度与呼吸气流速度之间更为倾向于指数形式的非线性关系。在对每位受试者进行呼吸气流速度模拟时，这一模型参数获取方法很好地保证了呼吸气流速度模拟的准确性。从图3中我们可以看出，模拟得到的呼吸气流与实际的呼吸气流非常接近。我们提出了模拟误差的计算公式。从临床监测及呼吸功能相关研究的角度看，呼、吸周期内呼吸气流速度的极值点通常被看做是反映呼吸强度或呼吸状态的主要特征点，而其他时段的呼吸气流速度值则相对次要，这也是由呼吸气流速度本身的近似于周期信号的信号特点决定的；而且对此类极值点幅度模拟的准确程度将直接影响整体呼吸气流速度模拟的准确程度，因此本研究最终选择了从最大值差异的角度对模拟误差进行量化。从最终的总体模拟误差结果（14.9±3.8%）来看，基于呼吸音包络信号的呼吸气流速度模拟的总体模拟误差处于可接受的范围内，虽然精度略显不足，但从图4中可以看出，模拟得到的呼吸气流速度的变化趋势与实际呼吸气流速度完全匹配，符合常规呼吸监测的要求。

呼吸音是直接对应着呼吸通气时产生的声音，有着直接、快速的特点，呼吸音的测量不但易于实施且不会对人体产生创伤或不利影响，是一种非常适合临床应用的呼吸监测方法。但从目前的研究进展看，将其实用化还有一些问题需要解决：首先，从呼吸音产生原理的角度上讲，C1、C2对应着不同受试者的气道组织结构，因此不同受试者之间的C1、C2必将在一定范围内存在差异，可是由于受试者样本数量较少，暂时还无法找到这种差异的规律，这就使得我们无法完全摆脱前30 s内对呼吸气流速度的获取，从而在一定程度上限制了呼吸音监测方法的临床应用；此外，由于我们目前无法实现基于呼吸音的呼、吸周期的识别，因此只能对呼吸气流速度的绝对值进行模拟，从而降低了某些异常呼吸模式下呼吸监测的可靠性。因此，我们只要在后续的研究中解决上述问题，就可以将呼吸音监测应用于临床，实现舒适便捷、安全有效的呼吸监测。

[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] 王镭, 刘春生, 张芮恺, 等. 呼吸功能检测方法研究[J]. 中国医疗器械杂志, 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, 张勇德, 沙宪政. Labview和Matlab混合编程方法在生物医学信号分析中的应用[J]. 中国医疗器械杂志, 2011,35(1): 15-18.

[11] 陈成. 基于语音包络特征的语音识别系统[D].西安理工大学, 2010: 17-18.

Primary Study of Respiratory Monitoring Based on Breath Sounds

【Writers】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