特表 2023-529674 被験者音声におけるイベント検出

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2023-07-11

(54)【発明の名称】被験者音声におけるイベント検出

(51)【国際特許分類】

   G10L 25/66 20130101AFI20230704BHJP

   A61B 5/08 20060101ALI20230704BHJP

【ＦＩ】

G10L25/66

A61B5/08

【審査請求】未請求

【予備審査請求】未請求

(21)【出願番号】P 2022575489

(86)(22)【出願日】2021-06-18

(85)【翻訳文提出日】2022-12-14

(86)【国際出願番号】 AU2021050636

(87)【国際公開番号】W WO2021253093

(87)【国際公開日】2021-12-23

(31)【優先権主張番号】2020902025

(32)【優先日】2020-06-18

(33)【優先権主張国・地域又は機関】AU

(81)【指定国・地域】

(71)【出願人】

【識別番号】519281217

【氏名又は名称】レスアップ ヘルス リミテッド

(74)【代理人】

【識別番号】110002000

【氏名又は名称】弁理士法人栄光事務所

(72)【発明者】

【氏名】ウッド，ジャワン タナー

(72)【発明者】

【氏名】ペルトネン，ヴェサ ツオマス クリスチャン

(72)【発明者】

【氏名】メイ，ジョン キャンベル

(72)【発明者】

【氏名】パートリッジ，ニコラス キム

【テーマコード（参考）】

4C038

【Ｆターム（参考）】

4C038ST04

4C038SV05

4C038SX05

(57)【要約】

被験者からの音声のデジタル音声記録を識別するための方法であって、セグメントは、着目する特定の音声イベントを含み、方法は、フィルタリングされたデジタル音声信号を生成するために、音声イベントの特性周波数の範囲に基づいて前記デジタル音声記録をフィルタリングすることと、対応する信号エンベロープを生成するために、フィルタリングされたデジタル音声信号を処理することと、統計分布を信号エンベロープにフィッティングすることと、統計分布および予め規定された確率レベルに基づいて、信号エンベロープに対する閾値レベルを決定することと、閾値レベルを超える信号エンベロープのセグメントを識別し、それにより、被験者からの音声のデジタル音声記録の対応するセグメントを、着目する特定の音声イベントを含むデジタル音声記録のセグメントとして識別することと、を有する。
【選択図】図１

【特許請求の範囲】

【請求項1】

被験者からの音声のデジタル音声記録のセグメントを識別するための方法であって、
前記セグメントは、着目する特定の音声イベントを含み、
前記方法は、
フィルタリングされたデジタル音声信号を生成するために、前記音声イベントの特性周波数の範囲に基づいて前記デジタル音声記録をフィルタリングすることと、
対応する信号エンベロープを生成するために、前記フィルタリングされたデジタル音声信号を処理することと、
統計分布を前記信号エンベロープにフィッティングすることと、
前記統計分布および予め規定された確率レベルに基づいて、前記信号エンベロープに対する閾値レベルを決定することと、
前記閾値レベルを超える前記信号エンベロープのセグメントを識別し、それにより、前記被験者からの音声の前記デジタル音声記録の対応するセグメントを、前記着目する特定の音声イベントを含む前記デジタル音声記録のセグメントとして識別することと、
を有する方法。

【請求項2】

第１のダウンサンプリングされたデジタル音声信号を生成するために、前記デジタル音声記録のサンプルレートが整数分の１にて減少される第１のダウンサンプリングを適用することを含む、請求項１に記載の方法。

【請求項3】

前記第１のダウンサンプリングされたデジタル音声信号は、前記着目する音声イベントに対して選択される前記特性周波数の範囲にてフィルタリングされ、それにより、第１のダウンサンプリングされ、かつ、イベントフィルタリングされたデジタル音声信号を生成する、請求項２に記載の方法。

【請求項4】

前記着目するイベントは、呼吸音を含み、
前記デジタル音声記録をフィルタリングすることは、ハイパスフィルタを適用することを含む、請求項３に記載の方法。

【請求項5】

前記着目するイベントは、いびき音を含み、
前記デジタル音声記録をフィルタリングすることは、ローパスフィルタを適用することを含む、請求項３に記載の方法。

【請求項6】

対応する信号エンベロープを生成するために、前記フィルタリングされたデジタル音声信号を処理することは、エンベロープ検出処理によって実装される、請求項３から５のいずれか一項に記載の方法。

【請求項7】

前記エンベロープ検出処理は、絶対値フィルタを、前記第１のダウンサンプリングされ、かつ、イベントフィルタリングされた信号に適用して、絶対値フィルタリングされた信号を生成することを含む、請求項６に記載の方法。

【請求項8】

前記絶対値フィルタリングされた信号は、ローパスフィルタリングされた絶対値信号を生成するために、順逆フィルタによってフィルタリングされる、請求項７に記載の方法。

【請求項9】

前記信号エンベロープを生成するために、第２のダウンサンプリングを、前記ローパスフィルタリングされた絶対値信号に適用することを含み、
前記信号エンベロープは、前記音声記録の振幅の推定である第１の信号エンベロープを含む、請求項８に記載の方法。

【請求項10】

前記第２のダウンサンプリングを適用することは、１４．７ｋＨｚから１００Ｈｚまでのリサンプリングすることを含む、請求項９に記載の方法。

【請求項11】

前記デジタル音声記録のパワー推定を含む第２の信号エンベロープを生成するために、対数圧縮を前記第１の信号エンベロープに適用することを含む、請求項９または１０に記載の方法。

【請求項12】

前記統計分布を前記信号エンベロープにフィッティングすることは、前記統計分布を、前記パワー推定を含む前記第２の信号エンベロープにフィッティングすることを含む、請求項１１に記載の方法。

【請求項13】

前記統計分布を前記信号エンベロープにフィッティングすることは、ヒストグラムを生成するために、前記信号エンベロープを構成するサンプルを複数のビンに分類することを含む、請求項１から１２のいずれか一項に記載の方法。

【請求項14】

前記統計分布をフィッティングすることは、前記ヒストグラムのモーダルビンを選択することを含み、
前記モーダルビンは、最も大きい数のサンプルに分類されたビンである、請求項１３に記載の方法。

【請求項15】

前記統計分布は、ラムダパラメータを有するポアソン分布を含み、
前記統計分布をフィッティングすることは、前記ラムダパラメータを前記モーダルビンの数に設定することを含む、請求項１４に記載の方法。

【請求項16】

前記統計分布および前記予め規定された確率レベルに基づいて前記信号エンベロープに対する前記閾値レベルを決定することは、前記統計分布に関する累積分布関数（ＣＤＦ：Ｃｕｍｕｌａｔｉｖｅ Ｄｉｓｔｒｉｂｕｔｉｏｎ Ｆｕｎｃｔｉｏｎ）を計算することを含む、請求項１から１５のいずれか一項に記載の方法。

【請求項17】

前記信号エンベロープに対する前記閾値レベルを決定することは、前記予め規定された確率に対応するビンである閾値ビンを取り出すことを含み、
前記予め規定された確率レベルは、前記ＣＤＦの確率レベルを含む、請求項１６に記載の方法。

【請求項18】

前記閾値レベルを決定することは、前記閾値レベルを、前記閾値ビンのサンプルの大きさの範囲からの値へ設定することを含む、請求項１７に記載の方法。

【請求項19】

前記閾値レベルは、前記閾値ビンのサンプルの大きさの前記範囲の上限に設定される、請求項１７または１８に記載の方法。

【請求項20】

時間フィルタは、前記着目するイベントに基づいて、時間の予め規定された範囲に入らないセグメントを選別することが適用される、請求項１６から１９のいずれか一項に記載の方法。

【請求項21】

前記着目するイベントは、いびき音を含み、
前記時間の範囲は、２２５ミリ秒より大きく、かつ、４秒より小さい、請求項２０に記載の方法。

【請求項22】

非揮発態様にて、かつ、前記デジタル音声記録に関連して、前記閾値レベルを超える前記信号エンベロープの前記セグメントそれぞれに対し、開始および終了の時間を示す情報を記録することを含む、請求項１から２１のいずれか一項に記載の方法。

【請求項23】

特定の着目する音声イベントを含む被験者のデジタル音声記録の部分を識別するように構成された音声イベント識別マシンを有する装置であって、
前記デジタル記録を処理するためのプロセッサと、
前記プロセッサとデータ通信を行うデジタルメモリであって、前記プロセッサを構成するための命令を格納し、前記命令は、前記プロセッサを、
前記音声イベントの特徴周波数の範囲に基づいて、前記記録をフィルタリングし、
前記フィルタリングされた記録を処理して、対応する信号エンベロープを生成し、
統計分布を前記信号エンベロープにフィッティングさせて、それにより、所定の確率レベルに対応する閾値レベルを決定し、
前記閾値を超える前記信号エンベロープのセグメントを識別し、それにより、前記特定の音声イベントを含むセグメントとして、前記デジタル音声記録の対応するセグメントを識別する、
ことを実行するように構成させる、デジタルメモリと、
を有する装置。

【請求項24】

前記被験者の音声を捉えるように構成されるマイクを含む、請求項２３に記載の装置。

【請求項25】

フィルタと、前記被験者の前記音声をデジタル音声信号に変換するように構成されアナログ－デジタルコンバータとを含む音声インターフェースを含む、請求項２３または２４に記載の装置。

【請求項26】

前記装置は、前記プロセッサにアクセス可能な前記デジタルメモリに、前記デジタル音声記録として前記デジタル音声信号を格納するように構成される、請求項２５に記載の装置。

【請求項27】

ヒューマンマシンインターフェースを含む、請求項２３から２６のいずれか一項に記載の装置。

【請求項28】

前記デジタルメモリに格納された前記命令は、前記プロセッサに、前記着目するイベントを含む前記デジタル音声記録におけるセグメントを識別する情報を含む前記ヒューマンマシンインターフェースにおいて、情報を表示するように構成する命令を含む、請求項２７に記載の装置。

【請求項29】

前記デジタルメモリに格納された前記命令は、前記プロセッサに、前記着目するイベントを示す情報を含む前記ヒューマンマシンインターフェースにおいて、情報を表示するように構成する命令を含む、請求項２８に記載の装置。

【請求項30】

前記ヒューマンマシンインターフェースにおいて表示される前記情報は、前記着目するイベントを含むことを識別するセグメントの数のそれぞれに関して、開始および終了の時間を示す情報を含む、請求項２８または２９に記載の装置。

【請求項31】

前記デジタルメモリは、前記プロセッサを、非一時的な方法にて各識別されたセグメントに対する開始および終了の時間を記録し、それにより、前記デジタル音声記録に関して、前記着目するイベントを含む明確なラベル付けを行うように構成する命令を含む、請求項３０に記載の装置。

【請求項32】

請求項１の前記方法を実装するために１または複数のプロセッサによって実行される、有形の非一時的命令を含むマシン可読媒体。

【発明の詳細な説明】

【技術分野】

【0001】

（関連出願の相互参照）
本出願は、２０２０年６月１８日出願のオーストラリア仮特許出願第２０２０９０２０２５号の優先権を主張し、同出願の開示は参照により本明細書に援用される。

【0002】

本発明は、医療装置、より具体的には、被験者の音声の記録を解析することにより、特定の音声イベント、例えば、いびき音や喘鳴のような呼吸音の存在を検出するためのシステム、装置、および方法に関する。

【背景技術】

【0003】

先行技術の方法、装置、又は文献へのいかなる言及も、これらが通常の一般知識を成すかその一部を成すことの証拠又は認定に当たるものと解釈されてはならない。

【0004】

被験者の音声を電気信号に変換するための変換器を含み、更に、変換器に応答し、同時に、被験者の音声を処理して呼吸器疾患の存在の予測を生成する様々なアセンブリをさらに含む医療機器が知られている。疾患の症状が、いびきや喘鳴などの呼吸音などのイベントである場合、例えば背景の雑音とは対照的に、イベントを含む被験者の音声のセグメントを識別できるように医療機器を改善できれば有利である。イベントのセグメントを迅速に識別するように構成された医療機器は、イベントを含むセグメントのみをさらに処理し、記録の他の部分をすばやく通すように機器を構成できるため、機器をより効率的にする。

【0005】

被験者の音声における着目特定のイベントを識別するための多くのアプローチが知られている。
例えば、そのような手法の１つは、「Ｏｂｓｔｒｕｃｔｉｖｅ ｓｌｅｅｐ ａｐｎｅａ ｓｃｒｅｅｎｉｎｇ ｂｙ ｉｎｔｅｇｒａｔｉｎｇ ｓｎｏｒｅ ｆｅａｔｕｒｅ ｃｌａｓｓｅｓ． Ａｂｅｙｒａｔｎｅ Ｕ ２０１３ ｈｔｔｐｓ：／／ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／ｐｕｂｍｅｄ／２３３４３５６３」や、他には「Ｄｙｎａｍｉｃｓ ｏｆ ｓｎｏｒｉｎｇ ｓｏｕｎｄｓ ａｎｄ ｉｔｓ ｃｏｎｎｅｃｔｉｏｎ ｗｉｔｈ ｏｂｓｔｒｕｃｔｉｖｅ ｓｌｅｅｐ ａｐｎｅａ． Ａ． Ａｌｅｎｃａｒ ２０１３」に開示されている。

【0006】

これらの技術はいずれも、被験者の記録からいびきと呼吸音を検出する必要がある。しかしながら、いびきと呼吸音のレベルは、変換器によってキャプチャされた記録の背景のノイズレベルに比べて非常に低い場合がある。さらに、いびきを検出するためのピッチベースの技術は、識別可能なピッチを有さない呼吸音を検出できない。

【0007】

背景ノイズに対するイベントに関連する音声の信号対ノイズ比が非常に低い場合がある。したがって、そのような目的を達成するための医療機器を製造することは技術的に困難である。被験者の記録の音量レベルは非常に低く、着目するイベントの多くは背景ノイズに埋もれている。

【発明の概要】

【発明が解決しようとする課題】

【0008】

現在利用可能な解決策の改善または少なくとも有用な代替となる、実質的な背景ノイズが存在する可能性がある対象から、１または複数の種類の着目する音声イベントを検出する課題に対する解決策が必要である。

【課題を解決するための手段】

【0009】

本発明の第１の態様によると、音声のデジタル音声記録のセグメントを識別するための方法であって、
セグメントは、着目する特定の音声イベントを含み、
前記方法は、
音声イベントの特性周波数の範囲に基づいてデジタル音声記録をフィルタリングし、フィルタリングされたデジタル音声信号を生成することと、
フィルタリングされたデジタル音声信号を処理して、対応する信号エンベロープを生成することと、
統計分布を信号エンベロープにフィッティングすることと、
統計分布および所定の確率レベルに基づいて、信号エンベロープに対する閾値レベルを決定することと、
閾値レベルを超える信号エンベロープのセグメントを識別し、それにより、被験者からの音声のデジタル音声記録の対応するセグメントを、着目する特定の音声イベントを含むデジタル音声記録のセグメントとして識別することと、
を有する方法が提供される。

【0010】

一実施形態において、デジタル音声記録は、複数のフレームから構成されるデジタル音声信号の記録である。例えば、デジタル音声信号は、複数の連続した重複しないフレームを含んでよい。一例では、フレームはそれぞれ５分間の長さであるが、これより短い、もしくは、長くてもよい。

【0011】

一実施形態において、デジタル音声信号は、４４．１ｋＨｚのサンプリングレートで作成される。

【0012】

一実施形態において、方法は、デジタル音声記録のサンプルレートを整数分の１に減少する第１のダウンサンプリングを適用して、第１のダウンサンプリングされたデジタル音声信号を生成することを含む。例えば、デジタル音声信号は、第１のダウンサンプリングされた音声信号が１４．７ｋＨｚのサンプリングレートを有するように、４４．１ｋＨｚから１４．７ｋＨｚへの３分の１にダウンサンプリングされてよい。

【0013】

一実施形態において、第１のダウンサンプリングされたデジタル音声信号は、特性周波数の範囲でフィルタリングされて、着目する音声イベントを選択し、それによって、第１のダウンサンプリングされ、イベントフィルタリングされたデジタル音声信号を生成する。

【0014】

一実施形態において、着目するイベントは呼吸音を含み、デジタル音声記録をフィルタリングすることはハイパスフィルタを適用することを含む。

【0015】

一実施形態において、着目するイベントはいびき音を含み、デジタル音声記録をフィルタリングすることはローパスフィルタを適用することを含む。

【0016】

一実施形態において、フィルタリングされたデジタル音声信号を処理して対応する信号エンベロープを生成することは、エンベロープ検出処理によって実装される。

【0017】

一実施形態において、エンベロープ検出処理は、絶対値フィルタを第１のダウンサンプリングされ、イベントフィルタリングされた信号に適用して、絶対値フィルタリングされた信号を生成することを含む。

【0018】

一実施形態において、絶対値フィルタリングされた信号は、順方向および逆方向フィルタによってフィルタリングされ、ローパスフィルタリングされた絶対値信号が生成される。

【0019】

一実施形態において、方法は、ローパスフィルタリングされた絶対値信号に第２のダウンサンプリングを適用して信号エンベロープを生成することを含み、信号エンベロープは、音声記録の振幅の推定である第１の信号エンベロープを含む。

【0020】

一実施形態において、第２のダウンサンプリングを適用することは、１４．７ｋＨｚから１０００Ｈｚへリサンプリングすることを含む。

【0021】

一実施形態において、方法は、第１の信号エンベロープに対数圧縮を適用して、デジタル音声記録のパワー推定を含む第２の信号エンベロープを生成することを含む。

【0022】

一実施形態において、統計分布を信号エンベロープにフィッティングすることは、統計分布を、パワー推定を含む第２の信号エンベロープにフィッティングすることを含む。

【0023】

一実施形態において、統計分布を信号エンベロープにフィッティングすることは、信号エンベロープを構成するサンプルを複数のビンに分類してヒストグラムを生成することを含む。例えば、一実施形態では、３００個のビンがあってよい。

【0024】

一実施形態において、統計分布をフィッティングすることは、ヒストグラムのモーダルビンを選択することを含み、モーダルビンは、最大数のサンプルが分類されたビンである。

【0025】

一実施形態において、ビン番号ｎは、ｎ×ステップサイズ＋最小から、（ｎ＋１）×ステップサイズ＋最小の範囲にあるサンプルを含む。

【0026】

一実施形態において、統計分布は、ラムダパラメータを有するポアソン分布を含み、統計分布をフィッティングすることは、ラムダパラメータをモーダルビンの数に設定することを含む。

【0027】

一実施形態において、統計分布および所定の確率レベルに基づいて信号エンベロープに対する閾値レベルを決定することは、統計分布に関して累積分布関数（ＣＤＦ：Ｃｕｍｕｌａｔｉｖｅ Ｄｉｓｔｒｉｂｕｔｉｏｎ Ｆｕｎｃｔｉｏｎ）を計算することを含む。

【0028】

一実施形態において、信号エンベロープに対する閾値レベルを決定することは、所定の確率に対応するビンである閾値ビンを見つけることを含み、所定の確率レベルはＣＤＦ上の確率レベルを含む。

【0029】

一実施形態において、閾値レベルを決定することは、閾値ビン内のサンプルの大きさの範囲からの値に閾値レベルを設定することを含む。

【0030】

一実施形態において、閾値レベルは、閾値ビン内のサンプルの大きさの範囲の上限に設定される。

【0031】

一実施形態において、着目するイベントに基づく期間の所定の範囲内に収まらないセグメントを選別するために、時間フィルタが適用される。

【0032】

一実施形態において、着目するイベントはいびき音を含み、基幹の範囲は２２５ミリ秒より大きく、４秒より小さい。

【0033】

一実施形態において、方法は、閾値レベルを超える信号エンベロープの各セグメントの開始時間と終了時間を示す情報を、不揮発性でデジタル音声記録に関連付けて記録することを含む。

【0034】

本発明の更なる態様によると、着目する特定の音声イベントを含む被験者のデジタル音声記録の部分を識別するように構成された音声イベント識別装置であって、
デジタル記録を処理するためのプロセッサと、
プロセッサとデータ通信するデジタルメモリであって、プロセッサを、
音声イベントの特性周波数の範囲に基づいて記録をフィルタリングし、
フィルタリングされた記録を処理して、対応する信号エンベロープを生成し、
統計分布を信号エンベロープにフィッティングし、それにより、所定の確率レベルに対応する閾値レベルを決定し、
閾値を超える信号エンベロープのセグメントを識別し、それにより、特定の音声イベントを含むセグメントとしてデジタル音声記録の対応するセグメントを識別する
ようにプロセッサを構成する命令を格納するデジタルメモリと、
を有する音声イベント装置が提供される。

【0035】

一実施形態において、装置は、被験者の音声を取得するように構成されたマイクを含む。

【0036】

一実施形態において、装置は、被験者の音声をデジタル音声信号に変換するように構成されたフィルタ、および、アナログ－デジタル変換器を含む。

【0037】

一実施形態において、装置は、プロセッサにアクセス可能なデジタルメモリに、デジタル音声記録としてデジタル音声信号を格納するように構成される。

【0038】

一実施形態において、装置は、ヒューマンマシンインターフェースを含む。

【0039】

一実施形態において、デジタルメモリに格納された命令は、プロセッサに、着目するイベントを含むデジタル音声記録内のセグメントを識別するための情報を含むヒューマンマシンインターフェース上に、情報を表示するように構成するための命令を含む。

【0040】

一実施形態において、デジタルメモリに格納された命令は、プロセッサに、着目するイベントを示す情報を含むヒューマンマシンインターフェース上に、情報を表示するように構成するための命令を含む。

【0041】

一実施形態において、ヒューマンマシンインターフェースに表示される情報は、着目するイベントを含むことを識別された複数のセグメントのそれぞれに対応して、開始時間および終了時間を示す情報を含む。

【0042】

一実施形態において、デジタルメモリは、プロセッサに、各識別されたセグメントに対する開始時間および終了時間を、非一時的な方法で記録させ、それにより、デジタル音声記録に対応して、着目するイベントを含むセグメントを明確にラベル付けするように構成するための命令を含む。

【0043】

本発明の更なる態様によると、請求項１の方法を実装するために、１または複数のプロセッサによる実行ための、有形で、非一時的な命令を有するマシン可読媒体を提供する。

【0044】

本発明の他の態様によると、着目する特定の音声イベントを含む被験者のデジタル記録の部分を識別するための装置であって、
被験者からの音声を対応するアナログ電気信号に変換する変換器と、
アナログ電気信号からデジタル音声記録を生成するためのアナログ－デジタル変換アセンブリと、
着目する特定の音声イベントの周波数特性にてデジタル音声記録をフィルタリングして、着目するイベントがフィルタリングされたデジタル音声記録を生成するための着目イベントフィルタと、
フィルタリングされたデジタル音声記録を処理して、対応する信号エンベロープを生成するための信号エンベロープアセンブリと、
信号エンベロープアセンブリに応答して、信号エンベロープを含むデジタルサンプルを、それらの大きさによって複数のビンに分類し、複数のビンのモーダルビンを識別するためのヒストグラムジェネレータアセンブリと、
ヒストグラムジェネレータに応答し、識別されたモードビンに基づいて統計的確率分布を計算し、統計的確率分布および所定の確率レベルから信号エンベロープの閾値レベルを決定するように構成された統計的確率分布ジェネレータと、
統計的確率ジェネレータに応答し、閾値レベルを超える信号エンベロープのセグメントを識別し、着目するイベントを含むものとしてデジタル記録の対応するセグメントを明確に識別するように構成されたイベント識別アセンブリと、
を有する装置が提供される。

【0045】

本発明の他の態様によると、着目する１または複数のイベントを識別するために、被験者のデジタル音声記録を処理するための方法であって、
複数のデジタルサンプルを含む対応する信号エンベロープを生成するために、ダウンサンプリングおよびフィルタリングを適用することを含む、デジタルオーディオ録音を前処理することと、
複数のデジタルサンプルをそれらの大きさによって複数のビンに分類することと、
複数のビンのモーダルビンを決定することであって、モーダルビンは、ビンの範囲内の大きさを有する複数のデジタルサンプルの最大数を含むビンである、ことと、
識別されたモーダルビンに基づいて、統計的確率分布を計算することと、
確率分布に対する所定の確率レベルに対応するビンである閾値ビンを決定することと、
閾値ビンの範囲からの値に閾値レベルを設定することと、
閾値レベルを超える信号エンベロープのセグメントを決定し、それにより、着目する１または複数のイベントを含むデジタル音声記録の対応するセグメントを明確に識別することと、
を有する方法が提供される。

【0046】

一実施形態において、信号エンベロープは、デジタル音声記録に対するパワー推定を含む。

【0047】

一実施形態において、信号エンベロープは、デジタル音声記録に対する振幅推定を含む。

【0048】

一実施形態において、デジタル音声記録のダウンサンプリングし、フィルタリングすることは、ローパスフィルタを、順方向および逆方向にてデジタル音声記録に適用することを含む。

【0049】

一実施形態において、デジタル音声記録のダウンサンプリングし、フィルタリングすることは、ハイパスフィルタを適用することを含み、着目するイベントは、被験者の呼吸音を含む。

【0050】

一実施形態において、デジタル音声記録をダウンサンプリングし、フィルタリングすることは、ローパスフィルタを適用することを含み、着目するイベントは、被験者のいびき音を含む。

【0051】

一実施形態において、識別されたモーダルビンに基づいて統計的確率分布の計算をすることは、ポアソン分布のラムダパラメータとしてモーダルビンのインデックスを用いてポアソン分布を計算することを含む。

【0052】

本発明の更なる形態によると、特定の音声イベントを含む被験者のデジタル記録の部分を識別するための装置であって、
プロセッサにアクセス可能なデジタルメモリに格納された命令に従ってデジタル記録を処理するためのプロセッサであって、命令は、着目する特定のイベントを含むデジタル記録のセグメントを検出するための方法を実装するように、プロセッサに対する命令を含む、プロセッサ
を含む装置が提供される。

【0053】

論理が別段の指示をしない限り、任意の態様またはその実施形態の特性または特徴を任意の他の態様に組み込むことができることを理解されたい。

【0054】

本発明の好適な特徴、実施形態、および変形は、本発明を実施するのに充分な情報を当業者に提供する以下の詳細な説明から了解され得る。詳細な説明は、前出の発明の概要の範囲をいかなる点でも限定するものと見なされてはならない。詳細な説明では以下の幾つかの図面を参照する。

【図面の簡単な説明】

【0055】

【図1】好適な実施形態に従う方法のフローチャートである。

【図2】方法の実行の間に記録されるデジタル音声信号のフレームのグラフである。

【図3】図２に示す信号の初期の２０秒の部分を示す。

【図4】図３の信号に対応する振幅推定を含む方法の実行中に生成された、ダウンサンプリングされ、圧縮され、フィルタリングされた波形のグラフである。

【図4A】図３の信号に対応するパワー推定を含む、図４に示される信号の対数のグラフである。

【図5】示されているポアソン分布に対するヒストグラムおよびＣＤＦに基づくポアソン分布曲線を用いた方法の実行中に生成された図４の波形のヒストグラムである。

【図6】示されたイベント閾値レベルを有する、図４Ａに対応するグラフである。

【図7】図６に示されたセグメント時間に対応する、着目するイベントを含むと識別されたセグメントを示す、図３の波形のグラフである。

【図8】一実施形態に係る、被験者の音声信号内の着目するイベントを識別するための装置のブロック図である。

【図9】一実施形態に係る、イベント識別装置のブロック図である。

【図10】使用段階における図９の装置の外観図である。

【図11】使用段階の後における図９の装置の外観図である。

【発明を実施するための形態】

【0056】

本発明の好適な実施形態による自動イベント検出のための方法を、図１のフローチャートを参照して説明する。

【0057】

概要において、方法は、デジタル音声記録を処理して、着目する特定の音声イベントを含む記録のセグメントを識別することを含む。デジタル音声記録は、ボックス１１にて、デジタル音声記録をフィルタリングし、破線ボックス１４で示されるように、フィルタリングされたデジタル音声記録を処理して、対応する信号エンベロープを生成することを含むいくつかのプロセスに従って処理される。次に、統計分布、典型的にはポアソン分布であるが、ガンマ分布のような別の統計分布である可能性もある統計分布が、破線ボックス１６で示されるように、信号エンベロープにフィッティングされる。次に、破線１８によって示されるように、閾値レベルが、信号エンベロープに応答して決定される。閾値レベルは、統計分布および所定の確率レベルに基づいて決定される。次に、閾値レベルを超える信号エンベロープのセグメントが、例えば、そのような各セグメントの開始および終了の時間として識別され、それにより、着目する特定の音声イベントを含むデジタル音声記録の対応するセグメントも識別する。例えば、着目する音声イベントは、いびき、喘鳴、呼吸音などの音である。

【0058】

最初に、概要で説明した方法を開始する前に、マイク４の形態の変換器が、被験者１からのアナログの空中音波２を対応するアナログ電気信号３に変換する。アナログ電気信号３は、ボックス５にてアンチエイリアシングフィルタにより処理され、その後、ボックス６にてアナログ－デジタル変換器により、対応するデジタル音声信号に形成される。ボックス９にて、ＡＤＣ６からのデジタル音声信号は、デジタルメモリのような電気データ記憶アセンブリに、デジタル音声記録として格納される。デジタル音声記録は、その後、デジタル音声信号８の形式にて読み出され、方法の好適な実施形態に従って、図１のフローチャートの以下のボックスによって処理される。本実施形態において、デジタル音声信号８は、複数の連続した重複しない５分のフレームから構成される。図２は、４４．１ｋＨｚのサンプリングレートで４４，１００×５×６０＝１３，２３０サンプルからなるデジタル音声信号８の単一のフレーム３６を示す。図３は、フレーム３６のデジタル音声信号８の最初の２０秒（図２のアイテム４４として識別）をより詳細に示す。

【0059】

ボックス１０にて、デジタル音声信号８がデジタルメモリから検索され、４４．１ｋＨｚの元のサンプルレートから１４．７ｋＨｚへの第１のダウンサンプリングを受け、１秒当たりのサンプル数が３分の１に減少する。この方法でのダウンサンプリングは、その後の処理のためにより少ないサンプルを含む第１のダウンサンプリングされたデジタル音声信号４０を生成する。デジタル音声信号はノイズフロアの閾値を検出するために処理されるため、急速に変化するトランジェントは重要ではなく、ダウンサンプリングによって精度が失われることはない。ボックス１１にて、第１のダウンサンプリングされたデジタル音声信号４０は、デジタル音声信号８において具体的に識別されるべき被験者の音声イベントの周波数の選択に、バンドパス、またはローパスまたはハイパスフィルタを適用することによってフィルタリングされる。例えば、ボックス１１にて、着目する特定の音声イベントが呼吸音である場合、１０００Ｈｚのハイパスフィルタが第１のダウンサンプリングされたデジタル音声信号４０に適用されてよい。あるいは、着目する特定の音声イベントがいびき音を含む場合、１０００Ｈｚのローパスフィルタが適用されてよい。

【0060】

ボックス１３から１９は、後述するように、着目するイベントを識別するための後続のステップを適用する前に、信号４２を前処理するエンベロープ検出処理１４を実施する。

【0061】

ボックス１３にて、ダウンサンプリングされ、イベントフィルタリングされた音声信号４２に絶対値フィルタが適用され、すべての負のサンプルが正に反転されて、対応する絶対値フィルタリングされた音声信号４４を生成する。例えば、ボックス７にて、ＡＤＣが１６ビットの分解能でサンプリングする場合、各サンプルは－３２，７６８～＋３２，７６７の振幅ステップの範囲の整数の振幅値を有する。ボックス１３での絶対値フィルタリングは、負の振幅サンプルの符号を反転して、すべてのサンプルが０～＋３２，７６７の範囲の整数の振幅値を取るようにする。

【0062】

次に、絶対値フィルタリングされた音声信号４４は、ボックス１５にて、７Ｈｚのローパスの順方向および逆方向のフィルタに渡される。ボックス１５での処理の逆方向フィルタの部分が動作するためには、デジタルメモリに格納される絶対値フィルタリングされた音声信号が必要である。順方向－逆方向フィルタは、着目するコンテンツの位相に影響を与えずにローパスフィルタリングをもたらす。

【0063】

ボックス１７にて、フィルタリングされた絶対値信号４４に第２のダウンサンプリング動作が適用される。第２のダウンサンプリング動作は、１４．７ｋＨｚから１００Ｈｚまでリサンプリングする。

【0064】

図４は、ボックス１５にて生成された順方向－逆方向フィルタリングされた信号を示しており、これは、第１の信号エンベロープ信号、またはより簡単には、元の記録された信号８に対応し、記録された信号８の振幅の推定である「信号エンベロープ」を含む。

【0065】

次に、ボックス１９にて、振幅推定信号４６に対数圧縮を適用して、大きな入力信号変動を低減する。対数圧縮を適用する前に、対数圧縮を適用した後に値の範囲を制限するために、１０^－５未満のパワー比値を有するサンプルを最大１０^－５の大きさまで調整する。ボックス１３の絶対値フィルタ、ボックス１５のローパスフィルタ、ボックス１７のダウンサンプリング、およびボックス１９の対数圧縮により、元のデジタル記録８に対応する第２の信号エンベロープ４７が生成される。第２の信号エンベロープ４７は、元のデジタル音声信号８のパワーの推定値であるパワー推定信号である。

【0066】

ボックス２１にて、第２の信号エンベロープ４７のフレームにわたるサンプルの大きさ、例えば、５分、のヒストグラム４８（図５）が計算される。ヒストグラム４８は、第２の信号エンベロープ（パワー推定信号）４７を構成する２０００個のサンプルを、それらのマグニチュードによって、それぞれ３００個のマグニチュードビンの１つに分類することによって生成される。

【0067】

もちろん、他の実施形態では、５分間のフレームが２０００より少ないまたは多いサンプルを含むように、異なるダウンサンプリング比を使用してよいことが理解されるであろう。さらに、５分のフレームが好ましいが、フレームはそれより長くても短くてもよく、その長さはダウンサンプリング比および使用されるビンの数に基づいて調整されてもよい。現在説明されているダウンサンプリング比およびフレーム長に対して良好に機能することが見出されたビンの好ましい数が、３００であるが、３００より多いまたは少ないビンが使用されてもよいことも理解されるであろう。

【0068】

ボックス２１におけるヒストグラム計算処理は、パワー推定信号である第２の信号エンベロープ４７にて実行されることが好ましいが、代わりに、第１の信号エンベロープ、すなわち振幅推定信号４６において実行されてもよい。ボックス１９にて対数処理を実行する理由は、後述する、後続のヒストグラムおよび統計分布のフィッティングステップの信頼性が低下させる振幅信号エンベロープの急速な振幅変化を避けるためである。

【0069】

図４Ａに示されるパワー推定信号４７を含む第２の信号エンベロープについて、各サンプルは、－５．０から－２．９の範囲（フレーム内の最小および最大のパワー推定である）内に入る。パワー推定信号４７を構成するサンプルは、（最大－最小）／ビン数、つまり、（（－２．９）－（－５．０））／３００＝約０．００７のステップサイズを用いて、３００個のビン（「０」から「２９９」として順次、インデックス付け）を分類してよい。ビン番号ｎには、ｎ×ステップサイズ＋最小値から、（ｎ＋１）×ステップサイズ＋最小値の範囲のサンプルが含まれる。例えば、ビン番号１５０には、１５０×０．００７＋－５．０から（１５０＋１）×０．００７＋（－５．０）、つまり－３．９５から－３．９４のパワー推定範囲のサンプルが含まれる。

【0070】

ボックス２３にて、ヒストグラム４８のモーダルビンが選択される。モーダルビンは、フレーム内の最大数のサンプルが分類されたビンである。図５に示される例では、５分間のフレームにわたる第２の信号エンベロープ４７を含む３０，０００個のサンプルのうちのほぼ４００個のサンプルがマグニチュードビン１３５に分類され、他のどのビンよりも多くのサンプルを含むため、ビン番号１３５がモーダルビンである。マグニチュードビン１３５は、（１３５×０．００７＋（－５．０））から（（１３５＋１）×０．００７＋（－５．０））の範囲、つまり －４．０５３から－４．０４６の範囲で元の記録された信号８のパワー推定を表すマグニチュードを有する第２の信号エンベロープのサンプルを含む。

【0071】

ボックス２５にて、ポアソン分布のラムダパラメータが、分布をヒストグラムにフィッティングさせるためのモーダルビンの数に設定される。すなわち、ビン１３５が最も多くのサンプルを含むため、ラムダ＝１３５である。ボックス２７にて、ラムダ＝１３５を用いてポアソン分布が計算される。ポアソン分布は、ヒストグラム４８にフィッティングさせた図５の線５０としてグラフで示される。ボックス２９にて、ポアソン分布に対し累積分布関数（ＣＤＦ：Ｃｕｍｕｌａｔｉｖｅ Ｄｉｓｔｒｉｂｕｔｉｏｎ Ｆｕｎｃｔｉｏｎ）が計算される。ＣＤＦは、曲線５２として図５のグラフに示される。

【0072】

ボックス３１にて、ＣＤＦ５２上の非常に高い確率レベルに対応するビンである、ヒストグラム４８の閾値ビンが見出される。着目するイベントを含む音声セグメントを高い信頼度で識別できることが望ましいため、確率レベルは非常に高く設定される。図５に示されているケースでは、確率レベルは、１のＣＤＦ曲線の下の合計確率の０．９９９９９９に設定されている。０．９９９９９９の確率レベルは、破線の垂直線５１で示されるように、ビン番号１９５に対応することがわかる。したがって、閾値ビンであるビン番号１９５には、１９５×０．００７＋（－５．０）から（１９５＋１）×０．００７＋（－５．０）、つまり、－３．６３２から－３．６２５の範囲のパワー推定を表すマグニチュードを有するサンプルが含まれる。ボックス３３にて、ビン１９５内のサンプルのマグニチュードの上限、すなわち－３．６２５が、第２の信号エンベロープ、すなわちパワー推定信号４７の閾値レベルに設定される。

【0073】

ボックス３５にて、第２の信号エンベロープ４７を構成する各サンプルを閾値レベルと比較することにより、すべての閾値レベルを超えるマグニチュードのサンプルを含む第２の信号エンベロープ４７のセグメントが決定される。

【0074】

図６は、第２の信号エンベロープ（すなわち、パワー推定信号）４７に重ねられた閾値レベル５６を示す。

【0075】

第２の信号エンベロープは、次の閾値を超えるセグメントで閾値を超えていることがわかる。［ｔ１，ｔ２］、［ｔ３，ｔ４］、［ｔ５，ｔ６］、［ｔ７，ｔ８］、［ｔ９，ｔ１０］、および［ｔ１１，ｔ１２］。

【0076】

ボックス３７にて、単純な時間フィルタが適用され、イベントが２２５ｍｓよりも長く、４ｓよりも短い期間でなければならないことに基づいて、着目するイベントである、睡眠音に潜在的に対応する閾値を超えるセグメントを選別する。したがって、間隔１０１は破棄され、特定の睡眠イベントを含むと識別された間隔が、間隔１００、１０２、１０３、１０４、および１０５として残される。

【0077】

これらのセグメントは、ボックス１１にて、着目するイベントとしてフィルタリングされた特定のイベントのサンプルを含む元の波形８のセグメントに対応する可能性が非常に高いと見なされる。

【0078】

ボックス３９にて、閾値を超えるレベルのセグメントは、最初のデジタル音声信号８に関して、間隔１００、１０１、１０２、１０３、１０４、および１０５として明確にラベル付けされる。「明確に（ｔａｎｇｉｂｌｙ）」とラベル付けされるということは、閾値を超えるセグメントのそれぞれの開始時間および終了時間、または同等の情報が、デジタル音声の記録に関連付けて、非一時的な方法で記録されることを意味し、閾値を超えるセグメントは容易に識別でき、必要に応じてさらに処理できる。

【0079】

次に、着目するイベントを含む信号内のセグメントを識別するラベルとともに、デジタル音声信号８をさらに処理することができる。例えば、着目するイベントがいびき音である場合、いびきを含むとラベル付けされたセグメントは、従来技術の方法を使用して処理され、いびき音が睡眠時無呼吸を示しているかどうかを判定することができる。同様に、着目するイベントが喘鳴音である場合、デジタル音声信号と、喘鳴音を含むセグメントを識別するラベルを処理して、喘鳴が例えば喘息を示しているかどうかを判定することができる。

【0080】

図８は、前述の方法に従って、特定の音声イベントを含む被験者のデジタル記録の部分を識別するための装置６００のブロック図である。装置６００は、被験者１からの音声３を、対応するアナログ電気信号８（図２）に変換するためのマイク６０１の形態の変換器を有する。

【0081】

マイク６０１は、アナログ電気信号からデジタル音声記録を生成するためのアナログ－デジタル変換アセンブリ６０４に接続される。アナログ－デジタル変換アセンブリ６０４は、被験者１からの音声３に対応するデジタル信号を生成する、アンチエイリアシングフィルタ６０２およびアナログ－デジタル変換器６０３から構成される。本実施形態では、アナログ－デジタル変換アセンブリ１は、１６ビットの分解能で４４．１ｋＨｚのサンプルレート信号を生成するように構成される。本発明の他の実施形態では、他のサンプリングレートおよびビット分解能も使用できることが理解されるであろう。

【0082】

アナログ－デジタル変換アセンブリ６０４の出力ポートは、デジタル信号を５分のフレームにて、デジタルメモリ６０５に提供する。出力ポートは、４４．１ｋＨｚから１４．７ｋＨｚにダウンサンプリングするように構成された第１のダウンサンプラ６０７にも接続される。

【0083】

第１のダウンサンプラ６０７からの信号は、連動スイッチ６０９ａおよび６０９ｂの設定に応じて、いびき音イベントフィルタ６１１または呼吸音イベントフィルタ６１３のいずれかを通って絶対値フィルタ６１５に進む。いびき音イベントフィルタ６１１および呼吸音イベントフィルタ６１３はそれぞれ、いびき音イベントを選択するための１０００Ｈｚのカットオフローパスフィルタおよび呼吸音イベントを選択するための１０００Ｈｚのハイパスフィルタである。どちらのフィルタも、１０００ｈｚのカットオフを有する二次バターワースハイ／ローパスＩＩＲフィルタである。

【0084】

スイッチ６０９ｂの出力は、フィルタリングされたデジタル音声信号内のすべての負のサンプルの符号を逆にするように構成された絶対値フィルタ６１５に結合される。次に、絶対値フィルタ６１５は、絶対値フィルタ６１５からのフィルタリングされたデジタル信号のフレームを格納するデジタルメモリ６１７に結合される。

【0085】

順逆ローパスフィルタ６１９は、二次バターワースローパスＩＩＲ、７Ｈｚフィルタのカットオフを用いて順方向および逆方向の両方で、記憶された信号をフィルタリングするためのデジタルメモリ６１７に結合される。信号は、位相を維持するために、順方向と逆方向の２回のフィルタリングが行われる。

【0086】

第２のダウンサンプラ６１９は、順逆ＬＰＦ６１９の出力側に結合されて、１００Ｈｚへの信号のダウンサンプリングを実行し、その結果、図４の信号４６などの振幅推定信号が得られる。

【0087】

対数増幅器アセンブリ６２０は、第２のダウンサンプラ６２１の出力側に結合される。対数増幅器アセンブリは、パワー推定信号、例えば図４Ａの信号４７を生成する。デジタルメモリ６２２は対数増幅器アセンブリ６２０に結合され、パワー推定信号のフレームを格納する。

【0088】

ヒストグラムジェネレータアセンブリ６２３は、第２のダウンサンプリングアセンブリの出力側に結合される。ヒストグラムジェネレータアセンブリ６２３は、パワー推定信号を含むデジタルサンプルを、それらの大きさによって複数のマグニチュードビンに分類し、複数のマグニチュードビンのうちのモーダルマグニチュードビンを示す信号、および分布の予め設定された高い確率閾値に対するポアソン分布のラムダ値を生成するように構成される。

【0089】

ヒストグラムジェネレータ６２３に応答し、識別されたモーダルマグニチュードビンに基づいて統計的確率分布を計算するように構成された統計的確率分布ジェネレータ６２５が提供される。ヒストグラムジェネレータアセンブリ６２３および分布ジェネレータ６２５は、例えば、ポアソン分布に対するラムダパラメータとしてモーダルマグニチュードビンを示す信号を用いてポアソン分布などの分布を計算するように構成された、１または複数のＦＰＧＡやマイクロコントローラによって実装されてよい。統計的確率ジェネレータ６２５に応答し、デジタルメモリ６０５内のデジタル記録の、所定の確率レベルに対する背景ノイズサンプル値を超えるサンプルを含むセグメントである特定のイベントを含むセグメントを明確に識別するように構成されたイベント識別アセンブリ６２７が提供される。

【0090】

イベント識別アセンブリ６２７は、元の音声信号を格納するファイル６２９にメタデータコードを挿入するか、または着目するイベントを含む音声信号のセグメントに効果的にラベル付けする一連の時間間隔を含むファイルを書き込むことができる。

【0091】

ポアソン分布の代替として、発明者は他の対数正規分布もテストしており、そこから正規分布も機能すると考えている。ただし、ポアソン分布は、ヒストグラムから簡単に抽出できる推定パラメータが１つしかないため（すなわち、ラムダパラメータ）、単純に適合できるという技術的な利点があるため、好適である。

【0092】

選択された分布の要件は、サンプルのヒストグラムに適合でき、ノイズサンプルがその分布に従うことである。

【0093】

例えば、分布ファミリがガンマとして選択された場合、次のリンクにて、ｓｃｉｐｙによって提供されるようなフィッティング関数（ｈｔｔｐｓ：／／ｄｏｃｓ．ｓｃｉｐｙ．ｏｒｇ／ｄｏｃ／ｓｃｉｐｙ／ｒｅｆｅｒｅｎｃｅ／ｇｅｎｅｒａｔｅｄ／ｓｃｉｐｙ．ｓｔａｔｓ．ｇａｍｍａ．ｈｔｍｌ）を使用して、ガンマ分布のパラメータを推定してよい。

【0094】

使用中、手で保持するのに十分小さいハウジング内に実装することができる装置６００は、オペレータによって被験者の顔から数センチメートルほど離して保持される。長時間の記録が必要な場合、装置６００は、記録の間、三脚に取り付けられてもよい。オペレータは、連動スイッチ６０９ａ、６０９ｂを構成して、記録された音声信号において識別される着目するイベントのタイプに応じて、いびき音イベントフィルタ６１１または呼吸音イベントフィルタ６１３のいずれかを選択する。記録が進行するにつれて、デジタル化された音声記録が、通常、ＳＤカードなどの記録媒体を含むデジタルメモリ６０５に格納される。同時に、信号は、前述のように、装置６００の様々なブロック６０７から６２１によって様々にダウンサンプリングおよびフィルタリングされ、第２のダウンサンプラ６２１の出力側でパワー推定信号が生成される。次いで、ヒストグラムジェネレータ６２３は、パワー推定信号を構成するサンプルを、それらのマグニチュードによって複数のビンに分類し、モーダルビンを決定する。確率分布ジェネレータ６２５は、対応するポアソン分布を計算し、その分布のＣＤＦから、ノイズフロアを超えるサンプルを含む非常に高い確率に対応するビンを識別するために、ポアソン分布のラムダパラメータとしてモーダルビンの数を使用する。イベント識別アセンブリ６２７は、統計的確率ジェネレータ６２５に応答して、予め規定された確率レベルに対する背景ノイズサンプル値を超えるサンプルを含むセグメントである特定のイベントを含む、デジタルメモリ６０５に格納される、デジタル記録のセグメントを明確に識別するように構成される。

【0095】

一実施形態において、着目する特定の音声イベントを含む被験者からの音声を含む信号の記録のセグメントを識別するための方法が提供されることが理解されるであろう。方法は、音声イベントの特性周波数の範囲に基づいて記録をフィルタリングすることを含む。例えば、着目する音声イベントが主にいびきなどの低周波音である場合は、低周波の範囲が用いられ、対照的に、呼吸音などの他の音に対しては高周波の範囲が用いられる。次に、方法は、フィルタリングされた記録を処理して、元の録音された音声信号のパワーの推定である、対応するパワー推定信号を生成することを含む。次に、方法は、パワー推定信号に統計分布、例えば、ポアソン分布をフィッティングすることと、ノイズ閾値レベルが着目するイベントに関して信号のノイズフロアを実際に上回っている高い確率レベルを使用して、分布からノイズフロア閾値レベルを決定することを含む。次に、被験者からの音声の記録のセグメントは、ノイズフロアの閾値レベルを超えるセグメントとして識別される。

【0096】

方法は、着目するイベントを含む可能性が非常に高い患者の音声の記録のセグメントを迅速に特定するため、着目する音声イベントを含まないセグメントの処理に時間を浪費することなく、時間と処理能力をこれらのセグメントのさらなる分析に費やすことができる。

【0097】

図９は、本発明の別の実施形態に係る、例えば、いびきや喘鳴音などの着目するイベントを含む記録のセグメントを識別し、ラベル付けするための音声イベント識別装置７５１のブロック図である。現在説明されている実施形態では、装置は、スマートフォンの１または複数のプロセッサ、マイク、およびメモリを使用して実装される。音声イベント識別装置７５１は、電子メモリ７５５にアクセスする少なくとも１つのプロセッサ７５３を含む。電子メモリ７５５は、プロセッサ７５３による実行のために、例えば、Ａｎｄｒｏｉｄ（登録商標）オペレーティングシステムまたはＡｐｐｌｅ（登録商標） ｉＯＳオペレーティングシステムなどのオペレーティングシステム７５８を含む。電子メモリ７５５は、本発明の好適な実施形態による音声イベント識別ソフトウェア製品または「Ａｐｐ（アプリ）」７５６も含む。咳識別アプリ７５６は、音声イベント識別装置７５１が図１の方法に従って被験者１からの音声７０２を処理するために、プロセッサ７５３によって実行可能な命令を含む。その動作中、プロセッサ７５３は、アプリ７５６のコマンドの下で音声７０２を処理し、着目する音声イベントを含むセグメントのリストを、ＬＣＤタッチスクリーンインターフェース７６１によってオペレータ７５４に提示する。識別された音声イベントは、必要に応じてさらに処理される。アプリ７５６は、ＵＳＢポート７６５に結合されたディスクドライブによって読み取るための、光学または磁気ディスク７５０などのコンピュータ可読媒体上に保持される、有形で非一時的な機械可読命令として提供されてよい。または、ＷＡＮ／ＷＬＡＮインターフェース７７３を介してリモートファイルサーバからアプリをダウンロードしてもよい。

【0098】

プロセッサ７５３は、プロセッサと様々な周辺機器との間でデジタル信号２００が伝達される金属導体から構成されるデータバス７５７を介して、図９に示されるように、複数の周辺機器アセンブリ７５９から７７３とデータ通信する。その結果、必要に応じて、音声イベント識別装置７５１は、ＷＡＮ／ＷＬＡＮアセンブリ７７３および無線周波数アンテナ７７９を介して、音声および／またはデータ通信ネットワーク７８１との音声およびデータ通信を確立することができる。

【0099】

また、装置７５１は、必要に応じて、ＧＰＳモジュール７６７からのデータを使用して画像が撮影された場所とともに被験者７５２の画像をキャプチャできるように、デジタルカメラに影響を与えるレンズおよびＣＣＤアセンブリ７５９などの他の周辺機器を含む。装置７５１は、装置に電力を供給するための電源アダプタポートおよびバッテリ管理アセンブリ７６９も含む。ヒューマンマシンインターフェースとして機能し、オペレータ７５４が結果を読み取り、コマンドおよびデータを装置７５１に入力できるようにするためのＬＣＤタッチスクリーンインターフェース７６１が提供される。ＵＳＢポート７６５は、ＵＳＢスティックなどの外部記憶装置へのシリアルデータ接続を行うため、またはデータネットワークまたは外部スクリーンおよびキーボードなどへのケーブル接続を行うために提供される。また、二次記憶カード７６４は、メモリ７５５によって促進される内部データ記憶空間に加えて、必要に応じて追加の二次記憶のために提供される。

【0100】

音声インターフェース７７１は、マイク７７５をデータバス７５７に結合し、アンチエイリアシングフィルタリング回路およびアナログ－デジタルサンプラを含み、マイク７７５からのアナログ電気波形４（対象音波３に対応する）を、メモリ７５５内のデジタル音声ファイル７０２における記録として保存され、アプリ７５６の制御下でプロセッサ７５３によって処理されるデジタル音声信号に変換する。例えば、プロセッサは、Ｑｕａｌｃｏｍｍ社によって製造されたＳｎａｐｄｒａｇｏｎ ８６５プロセッサであってもよいが、他のより性能の低いプロセッサも適している。音声インターフェース７７１は、スピーカ７７７にも結合される。音声インターフェース７７１は、デジタル音声をアナログ信号に変換するためのデジタル－アナログ変換器と、スピーカ７７１に接続された音声アンプとを含み、メモリ７５５または二次記憶装置７６４に記録された音声７０２をオペレータ７５４が聞くために再生できるようにする。

【0101】

装置７５１は、被験者の音声の記録において喘鳴やいびきなどの着目するイベントを含むセグメントを識別するように構成されるように、アプリ７５６でプログラムされる。

【0102】

前述のように、図９に示されている音声イベント識別装置７５１は、アプリ７５６によって独自に構成されたスマートフォンハードウェアの形式で提供されているが、デスクトップコンピュータ、ラップトップ、またはタブレット計算装置などの他の種類の計算デバイスを同様に使用されてもよいし、Ａｐｐ７５６で特別にプログラムされた仮想マシンをハードウェアが含むクラウドコンピューティング環境に実装されてもよい。

【0103】

被験者７５２の記録７０２内の着目するイベントを含むセグメントを識別するために咳識別装置７５１が使用し、アプリ７５６を構成する命令を含む処理の実施形態は、前述の図１のフローチャートに示されている。

【0104】

使用において、オペレータ７５４または被験者３は、ＬＣＤタッチスクリーンインターフェース７６１上でＯＳ７５８によって生成されたアプリ選択画面からアプリ７５６を選択する。その選択に応答して、プロセッサ７５３は、図１０の画面７８２などの画面を表示して、オペレータ７５４に、装置７５１を操作して、マイク７７５および音声インターフェース７７１を介して被験者７５２から音声３の記録を開始するよう促す。音声インターフェース７７１は、音声を、バス７５７に沿って伝達され、プロセッサ７５３によってメモリ７５５および／または二次記憶ＳＤカード７６４に１または複数のデジタルファイル７０２として記録されるデジタル信号２００に変換する。現在説明されている好適な実施形態では、記録は、着目する多数の音声イベントを含むのに十分な期間にわたって進める必要がある。

【0105】

記録が終了した後、プロセッサ７５３は、図１の方法を実装するアプリ７５６を含む命令の制御下で、記録７０２を処理し、着目するイベントを含む記録内のセグメントを識別する。識別されたセグメントは、次に画面７７８に表示されてもよく、この例では、各セグメントの開始時間および終了時間とともに着目する音声イベントを含む２７０個のセグメントを識別する。また、アプリ７５６の制御下にあるプロセッサ７５３は、識別されたセグメント番号と開始時間および終了時間を、音波記録に関して着目するイベントを明確にラベル付けするために、音波記録も含み得るファイル７５３に非一時的な方法にて書き込む。

【0106】

イベントラベリングアプリ７５６を含む命令と組み合わせてプロセッサ７５３によって実施される方法は、着目するイベントを含む可能性が非常に高い被験者の音声の記録７０２内のセグメントを迅速に識別する。その結果、必要に応じて、対象の音声イベントを含まないセグメントの処理に時間を浪費することなく、これらのセグメントをさらに分析するために時間と処理能力を費やすことができる。

【0107】

法令を遵守して、本発明は、多かれ少なかれ構造的または方法の特徴について特有の言語で説明されている。用語「有する（ｃｏｍｐｒｉｓｅｓ）」と、「有する（ｃｏｍｐｒｉｓｉｎｇ）」および「から成る（ｃｏｍｐｒｉｓｅｄ ｏｆ）」などのその変形は、包括的な意味で使用され、追加の機能を排除するものではない。

【0108】

本明細書に記載された手段は本発明を実施する好適な形態を包含するため、本発明は図示または記載された特定の特徴に限定されないことを理解されたい。したがって、本発明は、当業者によって適切に解釈される添付の特許請求の範囲の適切な範囲内で、その形態または変更のいずれにおいても請求される。

【0109】

明細書および特許請求の範囲（存在する場合）全体を通して、文脈上別段の要求がない限り、用語「実質的に（ｓｕｂｓｔａｎｔｉａｌｌｙ）」または「約（ａｂｏｕｔ）」は、これらの用語によって限定される範囲の値に限定されないと理解されるであろう。

【0110】

明細書及び請求項（存在する場合に）を通して、文脈上それ以外が必要とされない限り、「実質的に（ｓｕｂｓｔａｎｔｉａｌｌｙ）」または「約（ａｂｏｕｔ）」の語は、これらの語により定性化される範囲の値に限定されないことが理解されるであろう。

【0111】

本発明の任意の実施形態は例示的であることのみを意図したものであり、本発明を限定することを意図されていない。したがって、本発明の範囲から逸脱することなく、説明した任意の実施形態に対して、他の様々な変更および変形を行うことが認識されるべきである。

【図1】

【図2】

【図3】

【図4】

【図4A】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【国際調査報告】