2019/04/22 08/23/53　　【丹佛斯变频器 www.dfsbp.com】在肺炎死亡发生率最高的撒哈拉以南非洲地区，只有４０％有肺炎症状的儿童能够接受专业医疗护理。我们试验了多种传感器，包括便于将大量麦克风封装到较小空间的微电子机械系统（ＭＥＭＳ），以及可减少信号丢失的符合皮肤声学特性的纳米纤维材料。此外，他们经常在嘈杂的环境中录音，完全比不上安静的医生办公室（这也是听诊器的设计使用场所）。

　　我们希望能够克服听诊器的局限性，更有效地利用它的低成本和易用性特点。医护人员记录了他们在农村诊所和城市医院接诊时听到的儿童的肺音，然后将这些文件传送给约翰？霍普金斯大学的肺科专家。

　　第二款应用程序使约翰霍？普金斯大学研发的听诊器真正实现了智能化。例如，如果一个孩子出现了哮喘，除了正常的呼吸声外，他的身体还会发出尖锐的哮鸣音，“去噪”算法不能将这种哮鸣音误认为是孩子哭闹等造成的尖锐环境噪声。

　　━━━━

　　传统听诊器的工作原理如下：人体器官产生声音，这些声波在听诊器的胸件处引起震动，胸件起到了共振器的作用。天气炎热，透过打开的窗户，传来人们的说话声、发电机的嗡嗡声以及主路上轻便摩托车的轰鸣声。即使胸件没有准确地放在正确位置上，通过这种设计也能传递强有力的信号，对未经培训的用户有很大帮助。而你们住在非洲马拉维，那里可选择的医疗保健服务很少。然而，保留异常信号模式也会保留环境噪声。医护人员听病人的肺音时，病人的心跳声可能会使人分心，并掩盖肺音。此外，许多生病的孩子甚至从来没有机会去就诊，因为他们的住所离医院很远，道路条件很差，交通费用也很昂贵。

　　。在测试中，我们让小儿胸内科医生小组对比了使用农村诊所的商用听诊器获取的声音质量和通过约翰？霍普金斯大学算法处理的相同信号。专家在听了这些肺音后提供了更有根据的医疗意见。９５％的情况下，专家们认为我们的去噪信号效果更好。胸内科医生经过反复训练，能够忽略心跳声，专注呼吸模式，我们也对算法进行了类似训练。设想一下，在一个热闹的鸡尾酒会上，你是如何做到忽略嘈杂的背景声，专注地听你面前的人说话的。然后，随着算法持续跟踪这两个信号，该应用会调整噪声消除的程度和频谱范围。我们变频器维修的应用程序旨在抑制不必要的噪声，同时保持来自患者肺部的信号的完整性。

　　我们的人工智能方法受到了大脑听觉系统的启发，它既分析了整体的音频信号，也分析了其具体特征。在发展中国家，只有不到５％的人有条件接受Ｘ射线诊断，而这种诊断方式是肺炎诊断的黄金标准。约翰？霍普金斯大学的工程师们

　　━━━━

　　某天早上你醒来时发现孩子病了：他的前额摸起来很烫，呼吸急促，并伴有肺鸣音。

　　目前，电子听诊器的价格一般在５００美元左右，这对许多发展中国家的医护人员来说过于昂贵。通过对环境声的自适应信号分析，可降低噪声，详情请见下一节。另外，当地的工作人员需要接入互联网来传输录音文件，而网络连接限制和故障导致他们需要花费数小时甚至数天才能拿到专家的诊断。所以他们联系了我们电气和计算机工程系，我们俩是本系教授，专攻音频工程，所以非常乐意接受这项挑战。

　　除了学术界的研究工作，我们的同事还成立了一家名为ＳＯＮＡＶＩ实验室的初创公司，以便迅速将我们的原型机变成商业可行的产品变频器维修 。胸件是双面的，形状都经过精心设计——一面是一个扁平的圆盘状隔膜，另一面是一个中空的杯形钟罩，两面在不同的频率范围内形成自然振荡，用于不同的诊断任务。约翰？霍普金斯大学的智能听诊器则便宜得多，其电子元件价格实惠，可选的供电方式和计算功能成本较低，我们希望它能有益于资源水平较低的社区。大脑将主要处理能力投入到了随时间变化的频率以及它认为与情况最相关的频率上。

　　农村诊所的医护人员即便无法访问互联网，也可以使用我们的智能听诊器；板载技术可以完成所有信息处理，并利用内置小型ＬＥＤ显示屏提供即时诊断建议。从宏观上看，我们希望通过更多的努力，挽救数十万条生命。约翰？霍普金斯大学的设计改善了患者身体和胸件之间的耦合，将橡胶导音管换成了电缆，并采用了数字噪声控制技术，从而确保了用户的耳朵能够接收到较强的信号。因此，我们做了第二件很棒的事：开发了一款可以将医生的专业知识传送到这些地方的应用程序。

　　约翰？霍普金斯大学的听诊器是一种电子听诊器，改进了目前市场上的数字设备。

　　约翰？霍普金斯大学的医生们意识到，要想得到有用的声音，就必须重新考量听诊器。

　　在这项研究过程中，约翰？霍普金斯大学的一个医生团队开始研究肺音在肺炎诊断的作用。她虽不是医生，但受过训练，能发现和处理日常问题。第二，在繁忙的诊所里，噪声变化很大——检查室里可能有人们的闲聊声、电话铃声和呼呼作响的风扇声；接受检查的孩子可能在检查台上哭闹；听诊器的移动也会产生电子噪声。经测试，这款人工智能应用程序可以自动区分健康人群和肺炎患者，准确率达８７％，远远超过其他自动诊断方法。用户可以在膜式和杯式之间切换，还可以通过其他方式调整进入耳朵的声音。我们的应用程序可以消除心跳声，为使用者提供了来自肺部的纯粹信号。

　　━━━━

　　为了挽救发展中国家儿童的生命，我们希望内科专家能够为每个偏远的诊所和拥挤的医院服务。我们认为，它能帮助诊断心力衰竭和各种肠道疾病。这名医护人员努力地听着，她会发现细菌性肺炎的症状，给你开抗生素，并建议你去最伟肯变频器近城市的医院吗？还是她会认为这些症状是普通感冒，然后让你带着儿子回家？如果她让你回家是个错误，你的儿子能活下来吗？

　　全世界死于肺炎和其他肺部疾病的儿童比死于其他任何原因的儿童都多。首先，表示可能存在病理的肺部声音是不可预测和无规律的。我们通过一项盲听测试验证了这一方法。可惜当地的工作人员通常只接受过该工具的基本使用培训，而且往往找不到能将肺音传输到听诊器耳塞的“最佳听音位置”。我们的设想是，智能听诊器的最终版本可以通过蓝牙连接用户的手机或平板电脑，用户可以在手机或平板电脑上获得更多诊断信息，实现肺部声音信号的可视化，并回放以前录制的声音。人、机器、汽车和摩托车的背景音会和肺音混合在一起，专家最终听到的录音中有很多杂音。

　　━━━━

　　我们的任务起源于儿童健康肺炎病因研究所（ＰＥＲＣＨ）２００８年初开始的一项雄心勃勃的全球肺炎研究，并得到了盖茨基金会的资助。

　　考虑到这些问题，我们的团队开发了一种采用主动自适应声学的噪声消除算法。在这些研究中，我们将使用客观的信号质量指标来评估肺音，并将其与胸部Ｘ光诊断和肺科专家的听诊评估进行比较，以验证其诊断结果。该听诊器的胸件部分还有一个外部麦克风，可收集环境声。为了达到最佳效果，使用者需处于安静的环境中，因为背景噪声很容易掩盖肺部的细微声音。我们希望这种智能听诊器在世界各地得到广泛应用，从而防止儿童死于肺炎。听诊器自１９世纪问世以来几乎没有出现什么变化。来自非洲５个国家和亚洲两个国家的约１　５００名患者的肺部录音组成了数据库，对该算法进行了训练。

　　我们希望，我们重新设计的听诊器能够帮助当地医护人员利用便于操作的廉价设备进行现场筛查，从而缓解全球儿童肺炎健康危机。

　　该项目由约翰？霍普金斯大学（位于巴尔的摩）的工程师、医生和公共卫生专家合作开展。在微观层面上，哪怕只有一位家长的孩子因为得到早期诊断而康复，那么我们所有的努力就是值得的。在美国国家心肺血液研究所（ＮＨＬＢＩ）、ＮＡＳＡ以及比尔和梅林达？盖茨基金会的资助下，我们开始彻底重新设计听诊器。

　　鉴于这些呼吸道疾病成为全球性问题，世界卫生组织（ＷＨＯ）为资源有限的国家制定了战略。虽然听诊器的设计目的是最大程度地接收声音，并将其传送到使用者的耳朵里，但声级通常很低。秘鲁、孟加拉国和马拉维的诊所工作人员与约翰？霍普金斯大学儿科急诊室的医生都在试用样机。这种常见的临床工具实际上有许多局限。因此，即便是医术高超的医生也更喜欢将听诊器与其他技术（如胸部Ｘ光）结合使用。其中采用了一个可通过传感器将声音信号转换成电信号的装置，取代了双面胸件，将失真和噪声影响降到了最低。

　　更加现代的电子听诊器可将声波转换成可以在设备中进行处理的电信号，实现声音放大。起初，研究人员为当地的医护人员配备了商用听诊器，并在听诊器上安装了小型数字记录仪。

　　我们还用该音频软件处理人体发出的无关声音。

　　目前，我们正在对该智能听诊器进行大量的现场测试。ＳＯＮＡＶＩ实验室的目标是开发能够有效利用肺部声音诊断疾病的现代医疗设备。肺炎诊断指南最大程度地减少了对技术工具的依赖，以气短、咳嗽和呼吸急促等可观察到的症状作为诊断依据。准确解读肺音，需要长时间的学习并接受指导，即使是专家，对肺音的解释也会各不相同。

　　该智能听诊器有一个可编程的平台，因此我们正在开发其他应用程序，使其可用于多种疾病的诊断和更多场景。要从肺部获得较好的录音结果，医护人员需将听诊器的胸件放在孩子胸部和背部的正确位置。经过通力合作，我们发明了一种设备，它利用数字传感技术来捕捉声音，利用主动声学来降噪，利用人工智能来帮助医护工作者准确诊断肺炎。

　　我们使用了机器学习的方法来训练该应用程序，为其提供了大量数据，然后要求其选择最有用的特征。

　　然而，使用商用听诊器很快出现了问题。升级从硬件开始——胸件部分安装了传感器阵列，从而在整个有效区域实现了统一的灵敏度。我们的系统并非只是简单安装了一个被动运行的滤波器，还会分析外部麦克风记录的肺音和环境声，查看它们在音频频谱上的频率。

　　━━━━

　　降低外部噪声是一件复杂的事。我们在测试其性能时，发现它不仅能为发展中国家带来福音，对美国和其他富裕国家的医院也大有裨益。发表在ＩＥＥＥ　ＳＰＥＣＴＲＵＭ上的英文原文可点击“阅读原文”查看。每年有近１００万儿童因急性下呼吸道感染而死亡，死亡人数超过因艾滋病毒和疟疾死亡的儿童人数的总和。他们将于２０１９年初推出第一批名为ＦＥＥＬＩＸ及ＦＥＥＬＩＸＰＲＯ的数字听诊器。当地诊所开门后，你排队等候唯一的工作人员。我们的团队正在继续研究该算法，希望用机器学习技术提高其性能。为了挽救生命，世界卫生组织建议对所有出现这些症状的儿童进行抗生素治疗，结果，接受肺炎治疗的儿童中有一半实际上并没有患肺炎。设计一款能够识别正常呼吸产生的信号模式并过滤掉其他声音的噪声消除软件相对容易，但在类似肺炎的病理状态下，会产生异常的信号模式，而一款过度活跃的噪声消除滤波器会消除这些关键信息。这种方法给社区增加了不必要的成本，而不必要的药物治疗也导致抗药性细菌问题更为严重。它通过区分正常和异常的呼吸模式，自动筛选肺炎病例，能够寻找表明肺部存在积液和炎症的喘鸣音或噼啪声。

　　要使听诊器在发展中国家的诊所中发挥作用，噪声处理是最重要的任务。

　　该听诊器的智能之处在于它包含了一个板载微处理器，可作为操作系统，因此我们可以开发各种应用程序，根据不同的需要定制设备。

　　关于作者：ＭＯＵＮＹＡ　ＥＬＨＩＬＡＬＩ是约翰·霍普金斯大学电子和计算机工程副教授，她还领导着计算音频感知实验室。应用程序在分析去噪后的肺音时，会接收整个信号，但会着重处理表示肺炎的具体声音。

　　我们提出了一种基于听诊器的技术解决方案。对传统听诊器而言，环境噪声会在３处污染信号：胸件、橡胶导音管和用户的耳朵。

　　在设计噪声消除算法时，我们考虑到了两个方面的挑战。到目前为止，我们的团队已专注研发了两款我们认为对发展中国家诊所至关重要的应用。

　　她戴上听诊器，把听诊器的胸件贴在你儿子的前胸和后背，仔细听他的肺音。一款可以降低噪声水平，另一款可以提高专业水平。诊断者必须受过良好的训练，能够正确地将胸件放在患者身体上，并对听到的声音进行解释，而如何解读肺音并没有精确的标准。通过这些测试和验证研究，对该听诊器在嘈杂环境中的作用水平以及在不同病人群体中肺炎诊断的准确性进行评估。该项研究探讨了非洲、亚洲和南美洲多个国家儿童罹患肺炎的原因。ＪＡＭＥＳ　Ｅ．　ＷＥＳＴ　是约翰霍普金斯大学电子、计算机工程和机械工程研究教授，他在贝尔实验室从事研究工作４０年后于２００１年加入约翰·霍普金斯大学。我们正在与心内科和胃肠科专家合作，收集训练数据和设计算法

20190422082353