根据呼出气体浓度和从语音分析中提取的频谱包络检测受损的生理功能的制作方法

根据呼出气体浓度和从语音分析中提取的频谱包络检测受损的生理功能
发明领域
1.本发明涉及生理疾病的诊断和治疗。
2.背景
3.呼气期间，二氧化碳(co2)从肺毛细血管弥散到肺中，而氧气(o2)从肺弥散到肺毛细血管中。对于这些气体中的每一种，当肺中的气体分压等于肺毛细血管中的气体分压时，就达到均衡(即气体交换停止)。一般而言，co2的均衡在o2的均衡之前达到。
4.呼出空气中的主要成分是氮气(n2)、o2、水(h2o)和co2。因此，呼出空气的分子质量ma(t)作为时间变量t的函数，近似等于其中c
x
(t)为呼出空气中任一成分x的随时间变化的浓度，m
x
为该成分的分子质量。一般而言，mi＝ma(0)，在任何气体交换发生之前，肺中空气的初始分子质量仅取决于环境条件。
5.在呼气过程中的任何时间，近似地：
[0006][0007]
其中是在时刻t之前从肺弥散的o2的浓度(即从肺弥散的o2的体积除以肺中空气的体积)，并且是在时刻t之前弥散到肺中的co2的浓度。当氧气在时刻te达到均衡时，使得：
[0008][0009]
(在本说明书的其余部分中假定的近似值是根据和得出的。)
[0010]
通常，两种物理机制(弥散(diffusion)和灌注(perfusion))在呼气期间控制co2和o2的浓度的变化。弥散导致气体穿过肺泡壁从浓度较高的一侧移动到浓度较低的一侧。弥散速率与穿过肺泡壁的浓度梯度和弥散常数成比例。灌注是指血液流动通过肺泡毛细血管。
[0011]
在一些受试者中，通过肺泡毛细血管的血流足够快，以至于不会抑制弥散速率。换句话说，每种气体的浓度变化率是受弥散限制的。一般而言，对于受弥散限制的气体交换，当co2在时刻t
e0
＜te达到均衡时，因此，根据等式(1)得出：
[0012][0013]
给定两个分子质量ma(t1)和ma(t2)，其中t1＜t2≤t
e0
，根据等式(1)得出：
[0014][0015]
对于t2＞t1≥t
e0
，根据等式(1)得出：
[0016][0017]
根据上述可以推断，对于受弥散限制的气体交换，ma(t)在两个阶段中变化。在第一阶段，ma(t)增加，直到在t＝t
e0
达到最大值mc。在第二阶段，ma(t)指数地下降到me，me通常比mi更接近mc。ma(t)在每个阶段的变化率取决于弥散速率，该弥散速率在某些受试者中可能受损。
[0018]
另一方面，在其他受试者中，通过肺泡毛细血管的血流速率限制了弥散速率；换句话说，浓度变化的速率是受灌注限制的。对于这样的受试者，浓度变化的速率以最大值为上限，该最大值是血流速率的函数。
[0019]
特别地，对于受灌注限制的气体交换，在所有时刻，因此，根据等式(1)得出：
[0020][0021]
因此，受灌注限制的气体交换在单个阶段中发生，其中ma(t)线性增加直到达到me。
[0022]
在其他受试者中，o2的交换是受弥散限制的，但是co2的交换是受灌注限制的。在这种情况下，存在两个阶段，就像在完全受弥散限制的情况下一样。然而，第一阶段相对较长，并且mc相对接近me。
[0023]
声音在气体中的速度“v”是气体的分子质量“m”的函数。(在本文中，术语“气体”在其范围内包括诸如co2、o2，n2和水蒸气的气体的混合物。)例如，对于理想气体，
[0024][0025]
其中γ是气体的绝热常数，r是通用气体常数，以及t是以开尔文为单位的气体的温度。
[0026]
美国专利8,689,606描述了一种用于气体的传感器芯片，该传感器芯片具有用于发射和接收超声波的单元(cell)，并且该单元被配置成用于足够大的频率范围，并且用于基于该范围内的至少两个响应来测量气体成分中的至少一种的浓度。对于cmut或mems麦克风阵列，可以通过改变单元膜片的大小、改变偏置电压和/或改变气压来实现频率范围。传感器芯片可以应用于例如二氧化碳分析(capnography)。在呼吸路径中实现测量气室，并且测量气室和/或该路径可以被设计成减少呼出气息中易受超声探查(ultrasound interrogation)影响的湍流。该芯片可以被实现为独立进行参数监测，避免了对片外传感器的需求。
[0027]
美国专利申请公开2019/0080803描述了一种包括网络接口和处理器的装置。处理器被配置成经由网络接口接收患有与过量流体的积聚相关的肺部疾病的受试者的语音，通过分析语音识别语音的一个或更多个语音相关参数，响应于语音相关参数评估肺部疾病的状态，并且响应于此生成指示肺部疾病的状态的输出。
[0028]
west,john b等人在“measurements of pulmonary gas exchange efficiency using expired gas and oximetry:results in normal subjects”,american journal of physiology-lung cellular and molecular physiology314.4(2018)：l686-l689中描述了一种用于测量肺病患者中的肺气体交换的效率的无创方法。患者佩戴血氧计，使用微型分析仪测量吸入和呼出气体中氧气和二氧化碳的分压。
[0029]
west,john b和g.kim prisk在“a new method for noninvasive measurement of pulmonary gas exchange using expired gas”,respiratory physiology&neurobiology 247(2018):112-115中描述了呼出气体的成分如何与脉搏血氧仪结合使用以获得气体交换效率的有用测量。
[0030]
发明概述
[0031]
根据本发明的一些实施例，提供了一种包括输出设备和一个或更多个处理器的系统。处理器被配置成协作地执行过程，该过程包括：基于穿过由受试者在呼气期间呼出的空气的声音的一个或更多个特性，计算在受试者呼气期间的相应时刻的至少一个参数的一个或更多个值，以及响应于这些值，经由输出设备生成输出，该参数与空气中气体的浓度相关。
[0032]
在一些实施例中，该系统还包括被配置成测量声音速度的传感器，并且该过程包括基于速度计算这些值。
[0033]
在一些实施例中，该系统还包括被配置成测量其他呼出空气中气体的基线浓度的传感器，并且该过程包括基于基线浓度计算这些值。
[0034]
根据本发明的一些实施例，还提供了一种方法，该方法包括：基于穿过由受试者在呼气期间呼出的空气的声音的一个或更多个特性，计算在受试者呼气期间的相应时刻的至少一个参数的一个或更多个值，以及响应于这些值生成输出，该参数与空气中气体的浓度相关。
[0035]
在一些实施例中，输出指示受试者在生理状况方面的状态，该生理状况选自由心力衰竭、哮喘、低气压病、高碳酸血症、慢性阻塞性肺病(copd)和间质性肺病(ild)组成的状况组。
[0036]
在一些实施例中，该方法还包括基于这些值来识别浓度的变化率受灌注限制的程度，并且输出指示变化率受灌注限制的程度。
[0037]
在一些实施例中，
[0038]
计算至少一个参数的一个或更多个值包括计算浓度的多个值，
[0039]
该方法还包括基于浓度的多个值计算浓度的变化率，以及
[0040]
生成输出包括响应于变化率生成输出。
[0041]
在一些实施例中，生成输出包括响应于将变化率与基线变化率进行比较而生成输出。
[0042]
在一些实施例中，
[0043]
计算至少一个参数的一个或更多个值还包括计算空气的分子质量的多个分子质量值，
[0044]
所述方法还包括识别变化率受灌注限制的程度，以及
[0045]
计算变化率包括基于分子质量值并响应于识别出变化率受灌注限制的程度来计算变化率。
[0046]
在一些实施例中，计算变化率包括根据以下项来计算变化率：
[0047]
分子质量的另一变化率，以及
[0048]
取决于变化率受灌注限制的程度的至少一个常数。
[0049]
在一些实施例中，一个或更多个值包括参数的均衡值(equilibrium value)。
[0050]
在一些实施例中，均衡值包括空气中co2的co2浓度的co2均衡值。
[0051]
在一些实施例中，计算co2均衡值包括：基于呼气前测量的基线co2均衡值来计算co2均衡值。
[0052]
在一些实施例中，声音由受试者在产生呼气的同时发出。
[0053]
在一些实施例中，声音属于受试者的语音，并且计算这些值包括基于表示语音的语音信号来计算这些值。
[0054]
在一些实施例中，计算这些值包括：
[0055]
分别选择在这些时刻记录的语音信号的部分；
[0056]
计算这些部分的相应频谱包络；以及
[0057]
基于该频谱包络相对于分别对应的基线频谱包络的相应扩展或收缩来计算这些值。
[0058]
在一些实施例中，这些值包括量化扩展或收缩的相应扩展因子。
[0059]
在一些实施例中，基线频谱包络分别属于对应于信号部分的相应基线信号部分。
[0060]
在一些实施例中，基线信号部分是语音信号的其他部分。
[0061]
在一些实施例中，基线信号部分属于参考语音信号。
[0062]
在一些实施例中，参考语音信号表示在处于已知生理状态时发出(utter)的其他语音，并且输出指示受试者相对于已知生理状态的生理状态。
[0063]
在一些实施例中，参考语音信号表示其他语音，并且计算这些值包括基于在其他语音期间呼出的其他空气的一个或更多个测量特性来计算这些值。
[0064]
在一些实施例中，参考语音信号表示由受试者发出的其他语音。
[0065]
在一些实施例中，计算这些值包括：在识别出基线信号部分和语音信号的部分之间的对应关系的同时，通过改变对应关系并扩展或收缩频谱包络或基线频谱包络以便最小化这些部分的相应距离度量值的和来计算这些值，这些部分中的每个部分的距离度量值是在扩展或收缩之后，(i)该部分的频谱系数与(ii)该部分对应的基线信号部分的基线频谱系数之间的距离。
[0066]
在一些实施例中，计算这些值包括在这些值根据预定义函数变化的限制下来计算这些值。
[0067]
在一些实施例中，该方法还包括在计算这些值之前，通过最小化这些部分的相应距离度量值的和来识别这些部分和基线信号部分之间的对应关系，这些部分中的每个部分的距离度量值是(i)该部分的频谱系数与(ii)该部分对应的基线信号部分的基线频谱系数之间的距离。
[0068]
在一些实施例中，计算这些值包括：对于这些部分中的每个部分，基于(i)该部分的一个或更多个共振峰频率和(ii)该部分的基线频谱中的对应的共振峰频率之间的相应比率的统计信息来计算这些值。
[0069]
在一些实施例中，这些值包括量化扩展或收缩的相应扩展因子，并且在将每个部分的扩展因子应用于该部分的频谱系数或应用于该部分的基线频谱的基线频谱系数之后，所述扩展因子最小化(i)频谱系数与(ii)基线频谱系数之间的距离。
[0070]
在一些实施例中，计算这些值包括基于声音的相应测量的速度来计算这些值。
[0071]
根据本发明的一些实施例，还提供了一种计算机软件产品，该计算机软件产品包
括有形的非暂时性计算机可读介质，在该有形的非暂时性计算机可读介质中存储有程序指令。当该指令被一个或更多个处理器读取时，使得处理器协作地执行过程，该过程包括：基于穿过由受试者在呼气期间呼出的空气的声音一个或更多个特性，计算在受试者呼气期间的相应时刻的至少一个参数的一个或更多个值，以及响应于这些值生成输出，该参数与空气中气体的浓度相关。
[0072]
根据结合附图进行的对本发明的实施例的以下详细描述，本发明将被更完全地理解，附图中：
[0073]
附图简述
[0074]
图1是根据本发明的一些实施例的用于评估受试者的生理状态的系统的示意图；
[0075]
图2示出了呼出的空气中的co2浓度对语音的频谱特性的影响，其可以根据本发明的一些实施例来被识别；
[0076]
图3是根据本发明的一些实施例的用于处理测试信号的技术的示意图；
[0077]
图4是根据本发明的一些实施例的用于计算扩展因子的技术的示意图；
[0078]
图5示意性地示出了根据本发明的一些实施例的用于选择常数的技术；以及
[0079]
图6是根据本发明的一些实施例的用于处理测试语音信号的示例算法的流程图。
具体实施方式
[0080]
综述
[0081]
许多用于评估受试者受损的心血管或肺功能的常规技术需要受试者去医院或诊所，和/或需要使用专门的设备。因此，对这种生理问题的测试可能是不方便的和/或昂贵的。
[0082]
因此，本发明的实施例提供了用于诊断这种生理问题的改进技术。这些技术利用这样的事实，即受试者的生理状态可以影响受试者呼出的空气中气体的浓度，并因此影响穿过空气的声音(诸如受试者在呼气期间产生的声音)的特性。有利地，使用这些技术，可以在家中仅仅使用简单的麦克风(诸如属于智能手机或个人计算机的麦克风)对受试者进行测试。
[0083]
更具体地，在本发明的实施例中，处理器基于在受试者呼气期间的相应时刻穿过空气的声音的一个或更多个特性计算至少一个参数的一个或更多个值，该至少一个参数与在这些相应时刻呼出的空气中气体(例如，o2或co2)的浓度(例如，该浓度通常与受试者肺中气体的浓度相同)相关。这些特性可以例如包括声音的速度(其可以被直接测量)和/或声音的频谱特性。随后，处理器响应于这些值生成输出。
[0084]
例如，基于这些值，处理器可以计算参数的变化率和/或参数的均衡值。随后，基于变化率和/或均衡值(例如，基于将变化率和/或均衡值与合适的基线进行比较)，处理器可以确定受试者的生理状态，然后生成指示该状态的输出。例如，响应于识别出变化率和/或均衡值的异常，处理器可以生成指示受试者在生理状况方面的状态可能不稳定的警报。替代地或附加地，输出可以指示变化率、均衡值和/或值本身，使得医生可以响应于此确定受试者的生理状态。
[0085]
在一些实施例中，处理器基于表示受试者语音的语音信号来计算参数的值。例如，处理器可以选择语音信号的一个或更多个部分，计算这些部分的相应频谱包络，并基于这
些频谱包络相对于分别对应的基线频谱包络的相应扩展或收缩来计算参数的值。如下文详细描述的，这些实施例利用了在语音被发出时，呼出的空气中的co2的浓度(因此，呼出的空气的分子质量)与表示该语音的语音信号的频谱之间的关系。例如，根据该关系，较高浓度的co2导致信号的频谱包络相对于较低浓度的co2更收缩(即，较少扩展)。
[0086]
在一些实施例中，参数包括“扩展因子参数”，扩展因子参数的值在本文被称为“扩展因子”，量化频谱包络的相对扩展或收缩。每个频谱包络的扩展因子可以根据频谱包络中的共振峰频率和基线包络中的对应的共振峰频率之间的比率来计算。替代地，可以直接根据表示频谱包络的频谱系数计算扩展因子。
[0087]
替代地或附加地，参数可以包括气体的浓度。替代地或附加地，参数可以包括呼出的空气的分子质量。浓度的值和/或分子质量的值可以从扩展因子中导出。
[0088]
在其他实施例中，处理器基于测量的穿过呼出空气的声音的速度来计算参数的值。该声音(其不一定包括语音声音，甚至不一定在可听的频率范围内)可以由受试者在呼气期间产生，或者它可以由另一个源(诸如扬声器或超声换能器)产生。可以通过任何合适的传感器(诸如前述的超声换能器)来测量速度。
[0089]
系统描述
[0090]
首先参考图1，图1是根据本发明的一些实施例的用于评估受试者22的生理状态的系统20的示意图。
[0091]
系统20包括由受试者22使用的音频接收设备32。设备32包括电路，该电路通常包括将声波转换为模拟电信号的音频传感器38(例如麦克风)、模数(a/d)转换器42、处理器36和网络接口(例如网络接口控制器(nic)34)。通常，设备32还包括存储设备(例如固态驱动器)、屏幕(例如触摸屏)和/或其他用户接口部件(诸如键盘或扬声器)。在一些实施例中，设备32包括移动电话、平板计算机、膝上型计算机、台式计算机、语音控制的个人助理(诸如amazon echo
tm
或者google home
tm
设备)、智能扬声器设备或专用医疗设备。
[0092]
在一些实施例中，音频传感器38(以及可选地，a/d转换器42)属于设备32外部的单元。例如，音频传感器38可能属于头戴式装置(headset)，该头戴式装置通过有线连接或无线连接(例如蓝牙连接)连接到设备32。
[0093]
在一些实施例中，系统20还包括被配置成测量受试者22呼出的空气的温度的温度传感器。测量的温度由处理器36接收，并由处理器使用以计算与受试者肺中的空气中的气体浓度相关的相关参数的值，如下面参考随后的附图进一步描述的。
[0094]
例如，对于音频传感器38属于头戴式装置中的麦克风的实施例，温度传感器可以安装在麦克风上。温度传感器的输出信号可以例如通过频率调制被编码为声学信号，使得a/d转换器42接收双通道立体声音频信号，该双通道立体声音频信号包括来自麦克风的输出和来自温度传感器的声学信号。
[0095]
通常，系统20还包括服务器40，服务器40包括电路，该电路包括处理器28、存储设备30(诸如硬盘驱动器或闪存驱动器)和网络接口(诸如网络接口控制器(nic)26)。服务器40还可以包括屏幕、键盘和/或任何其他用户接口部件。典型地，服务器40远离设备32定位，例如在控制中心，并且服务器40和设备32经由它们相应的网络接口、通过网络24彼此通信，该网络24可以包括蜂窝网络和/或互联网。
[0096]
系统20被配置成便于评估受试者在以下方面的生理状态：心力衰竭、哮喘、低气压
病、高碳酸血症(例如，由于海拔或空气质量的变化)、慢性阻塞性肺病(copd)、间质性肺病(ild)或影响受试者肺中气体浓度的任何其他生理状况。
[0097]
通常，该系统通过处理表示受试者在呼气期间发出的语音的一个或更多个语音信号(在本文也被称为“语音样本”)来执行该功能。如下面参考随后的附图进一步描述的，该系统基于语音信号，计算在呼气期间的相应时刻与受试者肺中的空气相关联的至少一个参数的一个或更多个值。该参数可以例如包括空气的分子质量或空气中气体(诸如co2或o2)的浓度。
[0098]
在其他实施例中，该系统被配置成基于所测量的在呼气期间的相应时刻呼出空气中的声速来计算参数的值。可以通过任何合适的传感器来测量速度。
[0099]
在一些这样的实施例中，声音由受试者在呼气期间产生。虽然声音不一定包括语音，但语音的优点是，由于语音施加了短吸气和长呼气的模式，在呼气期间通常达到均衡浓度。
[0100]
在其他这样的实施例中，声音由另一个源产生。例如，该系统可以包括超声换能器33，该超声换能器33被配置成将声音(以超声波的形式)发射到呼出的空气中并测量声音的速度，例如，如huang,y.s.等人在“an accurate air temperature measurement system based on an envelope pulsed ultrasonic time-of-flight technique”,review of scientific instruments 78.11(2007):115102中，或jedrusyna,a.在“an ultrasonic air temperature meter”,recent advances in mechatronics,springer,berlin,heidelberg,2010,85-89中所描述的，这些文献各自的公开内容通过引用并入本文。当测量声音的速度时，受试者根本不需要说话或产生任何声音；尽管如此，如上所述，由于施加短吸气和长呼气的模式，语音可以是有利的。
[0101]
所测量的声音的速度可以经由任何合适的通信接口被传送到处理器36和/或处理器28。响应于该速度，处理器可以根据等式(7)计算分子质量的值。(对于其中不使用温度传感器的实施例，可以使用呼出空气的温度的近似值，诸如307.5k。)随后，处理器可以例如根据等式(2)从分子质量的值导出气体浓度的值。
[0102]
在又一些实施例中，该系统在登记过程中测量受试者或另一受试者呼出的空气的一个或更多个特性。例如，该系统可以例如使用上述超声波技术来测量空气中的声速。替代地或附加地，空气中气体(例如co2)的基线浓度可以使用任何合适的传感器直接测量，例如，如j.b.west等人在“measurements of pulmonary gas exchange efficiency using expired gas and oximetry:results in normal subjects”,am.j.physiol.cell.mol.physiol.,vol.314,no.4,pp.l686-l689,apr.2018中描述的，该文献的公开内容通过引用并入本文。在该登记过程中，受试者根本不需要说话或产生任何声音；尽管如此，如上所述，由于施加短吸气和长呼气的模式，语音可以是有利的。
[0103]
在登记之后，基于测量的特性，处理器计算关于受试者的测试语音信号的参数值(例如，气体浓度)，如下文参考随后的附图所述。例如，对于在登记期间测量声速的实施例，处理器可以基于测量的声速来计算参数的基线值，然后基于这些基线值来计算参数值。
[0104]
响应于参数的值，该系统经由任何合适的输出设备(诸如显示器或扬声器)生成输出。例如，基于参数的值，处理器可以估计受试者在生理状况方面的状态。随后，处理器可以在输出中包括估计的状态，可选地包括与估计相关联的可能性。因此，例如，在所述状况方
面，输出可以指示受试者处于稳定状态的可能性，和/或受试者处于不稳定状态的可能性。可替代地或附加地，输出可以包括指示受试者的状态看起来是不稳定的程度的分数。
[0105]
通常，设备32的处理器36和服务器40的处理器28协作地执行对语音样本的接收和处理。例如，当受试者对设备32说话时，受试者语音的声波可以由音频传感器38转换成模拟信号，该模拟信号又可以由a/d转换器42采样和数字化。(一般而言，受试者的语音可以以任何合适的速率采样，诸如8khz和45khz之间的速率。)所得到的数字语音信号可由处理器36接收。随后，处理器36可以经由nic 34将语音信号传送到服务器40，使得处理器28经由nic 26接收语音信号，然后处理语音信号。替代地，处理器36可以处理语音信号，在这种情况下，系统不必包括服务器40。(尽管有上述内容，但为了简单起见，本说明书的其余部分通常假设处理器28——在下文中还简称为“处理器”——执行该处理。)
[0106]
在生成前述的输出之后，系统20可以将输出传送给受试者、另一个人(例如，受试者的医生)和/或电子患者管理系统，该电子患者管理系统可以将输出与其他受试者特定信息集成并采取适当的动作。
[0107]
例如，处理器28可以将输出传送给处理器36，并且处理器36然后可以将输出传送给受试者，例如，通过在设备32的显示器上显示可视消息和/或通过使用设备32的扬声器播放音频消息。替代地或附加地，响应于指示受试者的状态不稳定的相对高的可能性的输出，处理器可以传送指示受试者应该服用药物或去看医生的警报。可以通过向受试者、受试者的医生和/或监测中心发出呼叫(place a call)或发送消息(例如，文本消息)来传送该警报。可替代地或附加地，响应于该输出，处理器可以控制药物施用设备，以便调整被施用给受试者的药物量。
[0108]
在一些实施例中，设备32包括模拟电话，该模拟电话不包括a/d转换器或处理器。在这样的实施例中，设备32通过电话网络将模拟音频信号从音频传感器38发送到服务器40。典型地，在电话网络中，音频信号被数字化、以数字方式进行传送，然后在到达服务器40之前被转换回模拟信号。因此，服务器40可以包括a/d转换器，该a/d转换器将经由合适的电话网络接口接收的传入模拟音频信号转换为数字语音信号。处理器28从a/d转换器接收数字语音信号，且然后如上面所描述的那样处理该信号。可替代地，服务器40可以在信号被转换回模拟信号之前从电话网络接收信号，使得服务器不一定包括a/d转换器。
[0109]
如下面参考随后的附图进一步描述的，处理器28在处理语音样本时，可以将样本的频谱包络与基线频谱包络进行比较。基线频谱包络和/或基线频谱包络所属的参考语音信号可以由处理器28经由nic 26和/或任何其他合适的通信接口(诸如闪存驱动器接口)接收。
[0110]
处理器28可以体现为单个处理器，或者体现为协同联网或集群化的一组处理器。例如，控制中心可以包括多个互连的服务器，这些服务器包括相应的处理器，这些处理器协同执行本文描述的技术。在一些实施例中，处理器28属于虚拟机。
[0111]
在一些实施例中，如本文所述，处理器28和/或处理器36的功能仅在硬件中实现(例如使用一个或更多个专用集成电路(asic)或现场可编程门阵列(fpga))。替代地或附加地，处理器28和/或处理器36的功能至少部分地以软件实现。例如，在一些实施例中，处理器28和/或处理器36体现为包括至少中央处理单元(cpu)和随机存取存储器(ram)的编程数字计算设备。包括软件程序的程序代码和/或数据被加载到ram中，以用于由cpu执行和处理。
例如，程序代码和/或数据可以通过网络以电子形式下载到处理器。可替代地或附加地，程序代码和/或数据可以被提供和/或存储在非暂时性有形介质(例如磁存储器、光存储器或电子存储器)上。这种程序代码和/或数据在被提供给处理器时产生被配置为执行本文所述的任务的机器或专用计算机。
[0112]
处理语音信号
[0113]
现在参考图2，图2示出了呼出的空气中的co2的浓度对语音的频谱特性的影响，这可以根据本发明的一些实施例来被识别。
[0114]
图2的中心示出了呼出的空气中的co2浓度([co2])随着处于稳定生理状态的受试者在语音期间执行的呼气期间的时间变化的第一曲线图44。进一步示出的是针对在充血性心力衰竭或类似地影响co2浓度的另一种状况方面处于不稳定状态的受试者的类似的第二曲线图46。从曲线图中可以看出，在不稳定状态下，co2浓度可能以较慢的速率增加，例如，由于较慢的血液流过肺和/或流体在肺中的积聚，这阻碍了co2的弥散。替代地或附加地，在不稳定状态下，均衡co2浓度可能更高，例如，由于血液中的co2的更高浓度。替代地，对于患有低碳酸血症(例如，由于中风、甲状腺功能亢进、过度换气、恐惧、压力、急性哮喘或copd)的受试者，均衡co2浓度可能低于处于稳定状态的同一受试者。
[0115]
co2的分子质量明显高于呼出的空气中其他主要气体成分的分子质量。因此，通常，具有较高浓度的co2的呼出的空气具有比具有较低浓度的呼出的空气更高的分子质量，使得根据等式(7)，前者中的声速小于后者中的声速。(尽管受试者的呼出的空气通常不是理想气体，但本发明的实施例通常假定等式(7)成立。针对可以使用的非理想气体，其他更复杂的等式例如在o.cramer的“the variation of the specific heat ratio and the speed of sound in air with temperature,pressure,humidity,and co
2 concentration”,j.acoust.soc.am.,vol.93,no.5,pp.2510-2516,1993年5月中被描述，该文献的公开内容通过引用并入本文。)
[0116]
对于给定的波长“λ”，声速和声音频率“f”之间的关系由等式f＝vλ给出。因此，对于任何给定的受试者，相对于包含相同言语内容(verbal content)但以较低声速发出的语音，以较高声速发出的语音通常具有较高的频率内容。
[0117]
因此，由此可见语音的频谱特性受语音期间呼出的空气中的co2浓度的水平的影响。图2的左部分和右部分中示出了该影响。特别地，图2的左部分示出了在假设频谱包络是针对时刻t1周围的某个任意时间窗口计算的情况下，处于稳定状态的受试者的语音在第一时刻t1的频谱包络48。进一步示出的是在假设在两种状态下发出相同的言语内容，使得包络50的形状总体上与包络48的形状相同的情况下，处于不稳定状态的受试者在同一时刻的频谱包络50。可以看出，由于在不稳定状态下在t1时刻的较低的co2浓度，包络50相对于包络48扩展。相反，示出第二时刻t2的包络48和包络50的图2的右部分示出了，由于在不稳定状态下在t2时刻的较高的co2浓度，包络50相对于包络48收缩。
[0118]
更正式地说，设ω表示频率，设h0(ω)表示频谱包络48，并且设h1(ω)表示频谱包络50，由此得出h1(ω)＝h0(ω/β)，其中即不稳定状态下的呼气中的声速与稳定状态下的呼气中的声速之比。根据等式(7)，该比率相当于其中m0和m1是在稳定状态
和不稳定状态下呼出的空气的相应分子质量，并且t0和t1是呼出的空气相应的温度。因此：
[0119][0120]
β在下文中被称为h1(ω)相对于h0(ω)的“扩展因子；β》1指示扩张，如图2的左侧，而β《1指示收缩，如图2的右侧。
[0121]
如下面参考随后的附图详细描述的，处理器被配置成识别从受试者22(图1)接收的语音信号(下面称为“测试信号”)的一个或更多个部分的频谱包络被扩展或收缩的程度。具体地，处理器可以计算一个或更多个扩展因子，每个扩展因子量化测试信号的一部分的频谱包络相对于对应的基线频谱包络(诸如频谱包络48)的扩展或收缩。
[0122]
现在参考图3，图3是根据本发明的一些实施例的用于处理测试信号52的技术的示意图，该测试信号52表示由受试者发出的语音。
[0123]
通常，处理器通过例如使用语音活动检测(vad)识别信号52中的任何呼吸暂停54来开始处理测试信号52。随后，处理器将信号划分成段(segment)56，这些段56由呼吸暂停54将彼此分开。处理器然后选择段56中的一个用于进一步处理。通常，在选择了段之后，处理器将该段划分成在本文称为“帧(frame)”的更小的部分，每个帧的长度通常在10ms和50ms之间。举例来说，图3示出了三个这样的帧tf1、tf2和tf3。
[0124]
随后，对于测试信号的选定的一个或更多个部分(例如，帧)，处理器通过将这些部分的频谱包络与对应的基线频谱包络进行比较，来计算参数(诸如扩展因子的参数或呼出的空气的分子质量)的相应值。通常，基线频谱包络分别属于对应于测试信号的选定部分的相应基线信号部分。
[0125]
在一些情况下，基线信号部分属于参考语音信号，即，表示由受试者或由不同受试者发出的其他语音的参考信号。(参考信号可以例如存储在存储设备30(图1)中。)该参考话语(utterance)可以包括任何合适的言语内容，诸如指定的句子。通常，受试者的测试话语包括相同的言语内容。(在一些实施例中，言语内容被选择为足够长，并且指示受试者在发出话语时不要吸气，使得在每个话语期间达到均衡。)
[0126]
在一些这样的情况下，参考话语由处于已知生理状态(例如，在生理状况方面处于稳定状态)的说话者发出。因此，由处理器生成的输出(如上面参考图1所描述的)可以指示受试者相对于已知生理状态的生理状态。例如，响应于指示测试话语相对于参考话语的扩张或收缩的β值，处理器可以生成指示受试者的状态比已知生理状态更稳定还是更不稳定的输出。
[0127]
在其他情况下，基线信号部分属于测试信号。例如，当记录测试信号时，受试者可以多次重复一个单词或简短系列的单词。然后，测试信号的任何部分，诸如假设处于均衡的部分，可以被指定为基线。
[0128]
在一些实施例中，处理器通过执行两阶段技术(two-stage technique)来计算这些值。首先，处理器识别测试信号部分和基线信号部分之间的对应关系。接下来，处理器响应于对应关系计算扩展因子以及可选地计算另一参数的值。在其他实施例中，处理器执行一阶段技术(one-stage technique)，根据该技术，处理器在找到对应关系的同时计算这些值。下面描述这些技术中的每一种。
[0129]
举例来说，图3示出了属于参考信号的五个帧rf1、rf2、rf3、rf4和rf5。如图3所示，
处理器可以使用一阶段技术或两阶段技术找到{tf1,tf2,tf3}和{rf1,rf3,rf5}之间的对应关系。(该对应关系指示tf1的言语内容类似于rf1的言语内容、tf2的言语内容类似于rf2的言语内容以及tf3的言语内容类似于rf3的言语内容。)
[0130]
两阶段技术
[0131]
根据两阶段技术，处理器首先使用任何合适的算法，诸如sakoe和chiba在“dynamic programming algorithm optimization for spoken word recognition”,ieee transactions on acoustics,speech,and signal processing26.2(1978):43-49中描述的动态时间翘曲(dtw)算法，来识别对应关系，该文献的公开内容通过引用并入本文。
[0132]
通常，在受到一个或更多个合适的约束的情况下，对应关系查找算法最小化对应的帧对之间的相应距离度量值的和。两帧之间的距离度量值可被定义为例如第一帧的频谱系数与第二帧的频谱系数之间的距离(例如欧几里德距离)。(表示帧的频谱包络的频谱系数可以使用线性预测、倒谱分析或用于短时频谱计算的任何其他合适技术来计算。)举例来说，图3示出了tf1和rf1之间的距离d1、tf2和rf3之间的距离d2以及tf3和rf5之间的距离d3。
[0133]
例如，处理器可以首先选择针对其中扩展因子要被计算的n
t
个测试信号帧的序列。处理器还可以计算针对n
t
＝1
…nt
的序列{v[n
t
]}，每个v[n
t
]是序列的第n
t
个测试信号帧的频谱系数的向量。处理器还可以识别nb个基线帧，从这些基线帧中会找到对应的帧。处理器还可以计算针对nb＝1
…
nb的序列{u[nb]}，每个u[nb]是第nb个基线帧的频谱系数的向量。
[0134]
随后，处理器可以通过识别映射来识别测试信号帧与基线帧之间的对应关系，该映射将针对k＝1
…
k的第个测试信号帧与第个基线帧进行配对，使得在受到一个或更多个约束的情况下，这些配对之间的距离的和被最小化。换句话说，处理器可以识别将最小化的映射，其中是和之间的距离，并且{w[k]}是帧对的相应权重。(通常，至少一些权重彼此不同。)通常，p大于或等于1，其中||x||
p
指示x的l
p
范数。(得到对于p＝2的欧几里德距离。)
[0135]
约束可以包括，例如，以下中的一个或更多个：
[0136]
(i)序列不是递减的。
[0137]
(ii)斜率在预定义范围(诸如[0.5,2]或[1/3,3])内。
[0138]
(iii)第一索引对和最后一个索引对中的每一对被约束到预定义的整数对，或者约束到这样的对的小集合。例如，可以被约束到(1,1)，并且可以被约束到(n
t
，nb)。
[0139]
在识别出对应关系之后，处理器分别计算k个测试信号帧相对于k个基线帧的扩展因子。举例来说，图3示出了tf1相对于rf1的扩展因子β1、tf2相对于rf3的扩展因子β2以及tf3相对于rf5的扩展因子β3。
[0140]
注意，在一些情况下，同一测试信号帧可以对应于多个基线帧，使得可以为测试信号帧计算多个扩展因子。在这种情况下，处理器可以对多个扩展因子进行平均，或者简单地选择扩展因子中的一个。
[0141]
针对关于扩展因子的计算的进一步细节，现在参考图4，图4是根据本发明的一些实施例的用于计算扩展因子的技术的示意图。
[0142]
在一些实施例中，处理器通过计算(i)针对其中扩展因子被计算的测试信号的部分的一个或更多个共振峰频率与(ii)该部分的基线频谱中的对应的共振峰频率之间的相应比率的统计信息(例如，平均值，诸如加权平均值或中值)来计算每个扩展因子。
[0143]
举例来说，图4示出了基线频谱包络58(例如，属于参考信号帧(诸如图3的rf1))，以及对应的测试信号帧(诸如图3的tf1)的频谱包络60。基线频谱的共振峰频率为f1、f2、f3和f4。频谱包络60相对于基线频谱包络58收缩，使得测试信号帧的频谱的共振峰频率f1’
、f2’
、f3’
和f4’
分别略小于f1、f2、f3和f4。换句话说，对于i＝1
…
4，测试信号帧的频谱的每个共振峰频率f
i’略小于对应的基线频谱的共振峰频率fi。在这种情况下，处理器可以通过在i＝1...4上对f
i’/fi求平均值来计算扩展因子。(通常，处理器可以使用本领域已知的任何合适技术来识别每个频谱的共振峰频率。)
[0144]
在其他实施例中，处理器不考虑共振峰频率之间的比率，而是通过利用扩展因子和表示频谱包络的频谱系数之间的数学关系来计算扩展因子。作为这种关系的一个示例，将频谱包络扩展因子β会导致扩展的包络的第n个倒谱系数c
n’具有值其中ck是原始包络的第k个倒谱系数。(在实践中，上述求和可以在n-j和n+j(例如，j是诸如5之类的整数)之间的k值上执行，而没有显著的精度损失。)换句话说，将扩展因子β应用于倒谱系数cn产生新的倒谱系数对于其他类型的频谱系数(诸如离散傅里叶变换(dft)系数)也存在类似的关系。
[0145]
具体地，在这样的实施例中，处理器计算扩展因子，使得在将扩展因子应用于u或v之后，测试信号部分中的每一个的扩展因子最小化(i)测试信号部分的频谱系数v和(ii)测试信号部分的基线频谱的基线频谱系数u之间的距离。换句话说，处理器计算每个扩展因子，使得扩展因子最小化距离d(u’，v)或者距离d(u，v’)，u’是对其施加β之后的向量u，v’是对其施加1/β之后的向量v。例如，频谱系数的两个向量之间的距离d(x，y)可以计算为||x-y||
p
，p大于或等于1。
[0146]
在一些实施例中，处理器使用迭代优化技术(诸如牛顿-拉夫森(newton-raphson)方法)来最小化距离。在其他实施例中，处理器对在预期范围内的离散的值的集合执行对最佳扩展因子的穷举搜索。例如，处理器可以计算针对β＝1
±
jδ，j＝0，...，j的d(u’，v)(或d(u，v’))，其中δ是小的步长，然后选择产生最小距离的β。在又一些实施例中，处理器结合以下来步骤执行上述两种技术：首先执行穷举搜索，然后使用选定的β作为用于迭代优化技术的起点。
[0147]
在一些实施例中，处理器输出β的值而不从β的值显式地导出任何其他参数的值。
[0148]
在其他实施例中，处理器基于等式(8)从β的值导出另一参数的一个或更多个值。在此提供示例。
[0149]
(a)均衡分子质量或气体浓度
[0150]
如果帧表示达到均衡后发出的语音，那么处理器可以根据扩展因子计算气体的均衡分子质量或浓度。处理器可以假设在从段开始的阈值时间之后达到均衡，该阈值时间例如在1秒和4秒之间。
[0151]
例如，处理器可以首先根据β的各个值(例如，通过对各个值进行平均)计算单个的均衡值βe。随后，处理器可以基于βe计算在受试者发出测试信号时呼出的空气的均衡分子质量m
test,e
和/或空气中(以及受试者的肺中)的co2的均衡浓度
[0152]
具体地，对于其中使用温度传感器的实施例，如上所述参考图1，m
test,e
可以被计算为其中m
ref,e
是受试者在发出参考信号(或测试信号的基线部分)时呼出的空气的均衡分子质量，并且t
test,e
和t
ref,e
分别是在发出测试信号和参考信号的均衡部分时呼出的空气的温度。对于其中不使用温度传感器的实施例，可以假设t
test,e
＝t
ref,e
，使得
[0153]
例如，可以根据在发出参考信号时测量的声速(例如，使用上面参考图1描述的超声波技术)，根据等式(7)来计算m
ref,e
。(对于其中不测量温度t的实施例，可以使用t的近似值，诸如307.5k。)替代地，m
ref,e
可以具有任何合适的估计值，诸如25g/mol和29g/mol之间的值。
[0154]
对于处理器可以首先如上所述计算m
test,e
，然后根据等式(2)将计算为其中是在呼气开始时co2的浓度。通常，使得
[0155]
替代地，如上文参照图1所述，对于其中co2的基线浓度在发出参考信号期间被测量的实施例，处理器可以基于(发出参考信号期间的均衡co2浓度)来计算具体地，处理器可以使用公式该公式根据将m
test,e
和m
ref,e
的等式(2)都代入到等式来导出。
[0156]
(b)气体浓度的变化率
[0157]
作为计算均衡值的替代或附加，处理器可以计算呼出的空气中的气体(诸如co2或o2)浓度的变化率。具体地，处理器可以首先计算在不同的相应时刻的浓度的多个值。随后，处理器可以基于多个值来计算变化率。
[0158]
例如，对于找到其中与基线对应的k个测试信号帧中的至少一些，处理器可以首先计算分子质量的多个值，具体地，每个可以被计算为或者，对于其中温度传感器不被使用的实施例，可以被计算为其中βk是第k对帧的扩展因子。(对于m
ref,e
，可以如上所述地对进行计算。)
[0159]
随后，处理器可以基于识别浓度的变化率受灌注限制的程度。随后，处理器可响应于识别出变化率受灌注限制的程度来计算浓度的变化率。例如，处理器可以计算的离散时间导数m
′
test
。接下来，处理器可以基于m
′
test
计算浓度的变化率和至少一个常数，该常数取决于变化率受灌注限制的程度。
[0160]
例如，处理器可以将变化率计算为c*m
′
test
，其中c是取决于变化率受灌注限制的程度的常数。在这点上，现在参考图5，图5示意性地示出了根据本发明的一些实施例的用于选择常数c的技术。(图5中所示的技术可以扩展到选择多个常数以计算浓度的变化率。)
[0161]
在一些实施例中，在各种情况下，c的各个预定义值被分配给多个函数61，这些函数表示呼出的空气的分子质量或扩展因子随时间的变化。例如，图5示出了三个函数61：对应于受弥散限制的气体交换的第一函数61_1、对应于受灌注限制的气体交换的第二函数61_2和对应于部分受灌注限制的气体交换的第三函数61_3。(co2浓度在第一函数61_1的时刻t
e0_1
达到均衡，在第二函数61_2的时刻t
e0_2
达到均衡，以及在第三个函数61_3的时刻t
e0_3
达到均衡。)替代地，函数61可包括对应于部分受灌注限制的不同相应程度的多个函数。
[0162]
通过将或{βk}与函数61进行比较，处理器识别气体交换被灌注限制的程度，并响应于此选择c。例如，处理器可以将或{βk}分别回归到定义函数61的函数参数集合。(例如，函数参数的集合可以存储在存储设备30(图1)中。)处理器可以进一步识别对于其中接收到最小回归误差的函数，然后选择分配给所识别的函数的c的值。替代地，处理器可以识别对于其中回归误差最小的函数的线性组合，并计算预定义c值的相应线性组合。
[0163]
(作为纯粹的说明示例，可以由参数集合{k1，k2，τ1，τ2}来定义对于受弥散限制的情况的函数
[0164]
因此，例如：
[0165]
(i)对于t
e0
前受弥散限制的交换，根据等式(4)，c可以等于(对于co2的浓度的变化率)。
[0166]
(ii)对于t
e0
后的受弥散限制的交换，根据等式(5)，c可以等于(对于o2的浓度的变化率)。
[0167]
(iii)对于受灌注限制的交换，根据等式(6)，c可以等于
±
1/12。
[0168]
可选地，在计算m
′
test
之前，处理器可以平滑或{βk}，使得回归误差减小到零。
[0169]
在其他实施例中(例如，基于上述回归)，处理器输出气体浓度的变化率受灌注限制的程度的指示，而不必计算变化率。
[0170]
在一些实施例中，如下面参考图6进一步描述的，针对多个段56，计算相关参数的值，诸如均衡co2浓度。在这样的实施例中，处理器可以响应于多个参数值的最大值、最小值、中值、平均值或任何其他统计信息来生成输出。
[0171]
一阶段技术
[0172]
根据一阶段技术，处理器使用前述对应关系查找算法(例如，dtw)的修改的形式，该算法的修改的形式在识别基线信号部分和语音信号的部分之间的对应关系的同时计算参数的值。具体地，修改的算法改变对应关系并扩展或收缩频谱包络或基线频谱包络(即，将扩展因子β或1/β应用于频谱包络或基线频谱包络中的每一个)，以便最小化各部分的相应距离度量值的和(例如，加权和)。这些部分中的每个部分的距离度量值是在扩展或收缩之后，该部分的频谱系数和该部分对应的基线信号部分的频谱系数之间的距离。
[0173]
通常，最小化是在针对上面两阶段技术所描述的约束下执行的。此外，还施加了一个或更多个附加约束。例如，对于在均衡状态下产生测试帧的情况，处理器可以要求对每个帧应用相同的扩展因子，使得得到的分子质量是恒定的。
[0174]
例如，在计算v[1]，...，v[n
t
]以及u[1]，...，u[nb]之后，处理器可以识别映射该映射在受到以下约束的情况下最小化上面针对两阶段技术所描述的约束以及下面所描述的附加约束，其中r是指示分子质量是增加还是减少的二元“方向”变量，并且或者其中附加标记
“′”
指示向量如上所述被βk或1/βk修改(分别)。(每个βk可以从离散的潜在值集合中选择。)
[0175]
附加约束可以如下。(下面的描述假设其中r＝0对应于分子质量的增加，而r＝1对应于分子质量的减少的约定。在一些实施例中，使用相反的约定。)
[0176]
(a)r1＝0，并且如果r
k-1
＝1则rk＝1。(该约束要求分子质量最初增加并且只改变方向一次。)
[0177]
(b)每个βk是这样的：对于rk＝1，βk≤β
k+1
≤βk+ε0，并且对于rk＝0，β
k-ε1≤β
k+1
≤βk，其中ε0以及ε1是合适的常数。(该约束确保了平滑性和单调性。)
[0178]
作为后一个约束的替代或附加，对于其中在均衡之前产生测试帧的情况，处理器可以要求得到的分子质量或扩展因子根据预定义的参数函数(诸如函数61中的任何一个或其线性组合)变化。
[0179]
随后，处理器可以响应于在查找对应关系时计算的参数值来生成输出。替代地或附加地，处理器可以计算另一参数的值；例如，处理器可以根据{βk}或计算气体浓度，如上面针对一阶段技术所描述的。随后，可以响应于这些附加参数值来生成输出。
[0180]
示例算法
[0181]
现在参考图6，图6是根据本发明的一些实施例的用于处理测试语音信号的示例算法62的流程图。
[0182]
算法62以信号接收步骤64开始，在该步骤处，处理器例如通过网络24(图1)从受试者接收测试信号。在接收到测试信号之后，处理器在信号分段步骤66处通过识别信号中的任何呼吸暂停来对测试信号进行分段，如上面参考图3所描述的。通常，当生成测试信号时，指示受试者重复相同的话语若干次，在话语之间暂停吸气；因此，测试信号的段通常表示相同的言语内容。
[0183]
接下来，在段选择步骤68处，处理器选择段中的一个(或其一部分)。随后，在划分
步骤70处，处理器将选定的段划分为帧。然后处理器在选定的段跨越的时间段内计算co2浓度的变化率。
[0184]
例如，使用两阶段技术，在优化步骤72处，处理器可以找到测试信号帧与基线帧的最佳对应关系。(如上面参照图3所描述的，基线帧可从参考信号或从测试信号本身提取。)随后，在计算步骤73处，处理器可以计算测试信号帧的相应扩展因子。接下来，在另一计算步骤75处，处理器可以根据扩展因子计算分子质量(即，)。随后，在识别步骤77处，处理器可以识别分子质量最佳拟合的函数(即，回归误差最小的函数)，以及对应的常数c(如上面参考图5所描述的，该常数可以被计算为预定义常数的线性组合。)。接下来，在平滑步骤74处，处理器可以平滑分子质量以拟合最佳拟合函数。最后，在另一计算步骤76处，处理器可以基于经平滑的分子质量和识别的常数c计算co2浓度的变化率。
[0185]
随后，在另一计算步骤79处，处理器对帧计算变化率的统计信息，诸如平均值或最大值。
[0186]
随后，在检查步骤78处，处理器检查是否还有任何未被选择的段。如果是，处理器返回到段选择步骤68。
[0187]
在计算每个段的统计信息之后，在平均步骤80处，处理器对这些段计算统计信息的平均值。在这样做时，处理器可以不同地对段进行加权，丢弃异常值，和/或使用本领域中已知的任何其他技术来增加平均值的可靠性。(作为平均值的替代，处理器可以计算中值或任何其他合适的统计信息。)
[0188]
接下来，在比较步骤82处，处理器将平均值与合适的预定义阈值进行比较。如果平均值超过阈值，则该参数的值被视为异常。(根据该参数并且根据被测试的受试者的生理状况，异常值可以小于或大于阈值。)响应于识别到异常，在警报生成步骤84处，处理器生成警报。否则，算法62结束而不生成警报。
[0189]
本领域技术人员将认识到，本发明不限于在上文中已具体示出和描述的内容。相反，本发明的实施例的范围包括上文所描述的各种特征的组合和子组合以及本领域技术人员在阅读以上描述之后将想到的且未在现有技术中的其变型和修改。通过引用并入本专利申请中的文件被视为本技术的组成部分，除了任何术语在这些并入的文件中在某种程度上以与本说明书中明确地或隐含地做出的定义冲突的方式被定义之外，应该仅考虑本说明书中的定义。

技术特征：
均衡值。13.根据权利要求12所述的方法，其中，计算所述co2均衡值包括基于所述呼气前测量的基线co2均衡值，计算所述co2均衡值。14.根据权利要求4-13中任一项所述的方法，其中，所述声音由受试者在产生所述呼气的同时发出。15.根据权利要求14所述的方法，其中，所述声音属于受试者的语音，并且其中，计算所述值包括基于表示所述语音的语音信号来计算所述值。16.根据权利要求15所述的方法，其中，计算所述值包括：分别选择在所述时刻记录的所述语音信号的部分；计算所述部分的相应频谱包络；以及基于该频谱包络相对于分别对应的基线频谱包络的相应扩展或收缩来计算所述值。17.根据权利要求16所述的方法，其中，所述值包括量化扩展或收缩的相应扩展因子。18.根据权利要求16所述的方法，其中，所述基线频谱包络分别属于对应于所述信号的所述部分的相应基线信号部分。19.根据权利要求18所述的方法，其中，所述基线信号部分是所述语音信号的其他部分。20.根据权利要求18所述的方法，其中，所述基线信号部分属于参考语音信号。21.根据权利要求20所述的方法，其中，所述参考语音信号表示在处于已知生理状态时发出的其他语音，并且其中，所述输出指示受试者相对于所述已知生理状态的生理状态。22.根据权利要求20所述的方法，其中，所述参考语音信号表示其他语音，并且其中，计算所述值包括基于在所述其他语音期间呼出的其他空气的一个或更多个测量的特性来计算所述值。23.根据权利要求20所述的方法，其中，所述参考语音信号表示由受试者发出的其他语音。24.根据权利要求18所述的方法，其中，计算所述值包括：在识别出所述基线信号部分和所述语音信号的所述部分之间的对应关系的同时，通过改变所述对应关系并扩展或收缩所述频谱包络或所述基线频谱包络以便最小化所述部分的相应距离度量值的和来计算所述值，所述部分中的每个部分的距离度量值是在所述扩展或收缩之后，(i)该部分的频谱系数与(ii)该部分对应的所述基线信号部分的基线频谱系数之间的距离。25.根据权利要求24所述的方法，其中，计算所述值包括在所述值根据预定义函数变化的限制下计算所述值。26.根据权利要求18所述的方法，还包括，在计算所述值之前，通过最小化所述部分的相应距离度量值的和来识别所述部分和所述基线信号部分之间的对应关系，所述部分中的每个部分的距离度量值是(i)该部分的频谱系数与(ii)该部分对应的所述基线信号部分的基线频谱系数之间的距离。27.根据权利要求26所述的方法，其中，计算所述值包括，对于所述部分中的每个部分，基于(i)该部分的一个或更多个共振峰频率与(ii)该部分的所述基线频谱中的对应的共振峰频率之间的相应比率的统计信息来计算所述值。28.根据权利要求26所述的方法，其中，所述值包括量化所述扩展或收缩的相应扩展因
子，并且其中，在将每个部分的扩展因子应用于该部分的频谱系数或该部分的基线频谱的基线频谱系数之后，所述扩展因子最小化(i)所述频谱系数与(ii)所述基线频谱系数之间的距离。29.根据权利要求4-13中任一项所述的方法，其中，计算所述值包括基于所述声音的相应测量的速度来计算所述值。30.一种包括有形的非暂时性计算机可读介质的计算机软件产品，在所述有形的非暂时性计算机可读介质中存储有程序指令，所述指令在被一个或更多个处理器读取时，使所述处理器协作执行包括以下项的过程：基于穿过由受试者在呼气期间呼出的空气的声音的一个或更多个特性，计算在受试者的所述呼气期间的相应时刻的至少一个参数的一个或更多个值，所述参数与所述空气中气体的浓度相关，以及响应于所述值生成输出。31.根据权利要求30所述的计算机软件产品，其中，所述输出指示受试者在生理状况方面的状态，所述生理状况选自由以下项组成的状况组：心力衰竭、哮喘、低气压病、高碳酸血症、慢性阻塞性肺病(copd)和间质性肺病(ild)。32.根据权利要求30所述的计算机软件产品，其中，所述过程还包括基于所述值识别所述浓度的变化率受灌注限制的程度，并且其中，所述输出指示所述变化率受灌注限制的程度。33.根据权利要求30所述的计算机软件产品，其中，计算所述至少一个参数的所述一个或更多个值包括计算所述浓度的多个值，其中，所述过程还包括基于所述浓度的所述多个值，计算所述浓度的变化率，以及其中，生成所述输出包括响应于所述变化率生成所述输出。34.根据权利要求33所述的计算机软件产品，其中，生成所述输出包括响应于将所述变化率与基线变化率进行比较而生成所述输出。35.根据权利要求33所述的计算机软件产品，其中，计算所述至少一个参数的所述一个或更多个值还包括计算所述空气的分子质量的多个分子质量值，其中，所述过程还包括识别所述变化率受灌注限制的程度，以及其中，计算所述变化率包括基于所述分子质量值并响应于识别出所述变化率受灌注限制的程度来计算所述变化率。36.根据权利要求35所述的计算机软件产品，其中，计算所述变化率包括根据以下项来计算所述变化率：所述分子质量的另一变化率，以及取决于所述变化率受灌注限制的程度的至少一个常数。37.根据权利要求30所述的计算机软件产品，其中，所述一个或更多个值包括所述参数的均衡值。38.根据权利要求37所述的计算机软件产品，其中，所述均衡值包括所述空气中co2的co2浓度的co2均衡值。39.根据权利要求38所述的计算机软件产品，其中，计算所述co2均衡值包括基于所述呼
气前测量的基线co2均衡值，计算所述co2均衡值。40.根据权利要求30-39中任一项所述的计算机软件产品，其中，所述声音由受试者在产生所述呼气的同时发出。41.根据权利要求40所述的计算机软件产品，其中，所述声音属于受试者的语音，并且其中，计算所述值包括基于表示所述语音的语音信号来计算所述值。42.根据权利要求41所述的计算机软件产品，其中，计算所述值包括：分别选择在所述时刻记录的所述语音信号的部分，计算所述部分的相应频谱包络，以及基于该频谱包络相对于分别对应的基线频谱包络的相应扩展或收缩来计算所述值。43.根据权利要求42所述的计算机软件产品，其中，所述值包括量化扩展或收缩的相应扩展因子。44.根据权利要求42所述的计算机软件产品，其中，所述基线频谱包络分别属于对应于所述信号的所述部分的相应基线信号部分。45.根据权利要求44所述的计算机软件产品，其中，所述基线信号部分是所述语音信号的其他部分。46.根据权利要求44所述的计算机软件产品，其中，所述基线信号部分属于参考语音信号。47.根据权利要求46所述的计算机软件产品，其中，所述参考语音信号表示在处于已知生理状态时发出的其他语音，并且其中，所述输出指示受试者相对于所述已知生理状态的生理状态。48.根据权利要求46所述的计算机软件产品，其中，所述参考语音信号表示其他语音，并且其中，计算所述值包括基于在所述其他语音期间呼出的其他空气的一个或更多个测量的特性来计算所述值。49.根据权利要求46所述的计算机软件产品，其中，所述参考语音信号表示由受试者发出的其他语音。50.根据权利要求44所述的计算机软件产品，其中，计算所述值包括：在识别出所述基线信号部分和所述语音信号的所述部分之间的对应关系的同时，通过改变所述对应关系并扩展或收缩所述频谱包络或所述基线频谱包络以便最小化所述部分的相应距离度量值的和来计算所述值，所述部分中的每个部分的距离度量值是在所述扩展或收缩之后，(i)该部分的频谱系数与(ii)该部分对应的所述基线信号部分的基线频谱系数之间的距离。51.根据权利要求50所述的计算机软件产品，其中，计算所述值包括在所述值根据预定义函数变化的限制下计算所述值。52.根据权利要求44所述的计算机软件产品，其中，所述过程还包括，在计算所述值之前，通过最小化所述部分的相应距离度量值的和来识别所述部分和所述基线信号部分之间的对应关系，所述部分中的每个部分的距离度量值是(i)该部分的频谱系数与(ii)该部分对应的所述基线信号部分的基线频谱系数之间的距离。53.根据权利要求52所述的计算机软件产品，其中，计算所述值包括，对于所述部分中的每个部分，基于(i)该部分的一个或更多个共振峰频率与(ii)该部分的所述基线频谱中的对应的共振峰频率之间的相应比率的统计信息来计算所述值。
54.根据权利要求52所述的计算机软件产品，其中，所述值包括量化所述扩展或收缩的相应扩展因子，并且其中，在将每个部分的扩展因子应用于该部分的频谱系数或该部分的基线频谱的基线频谱系数之后，所述扩展因子最小化(i)所述频谱系数与(ii)所述基线频谱系数之间的距离。55.根据权利要求30-39中任一项所述的计算机软件产品，其中，计算所述值包括基于所述声音的相应测量的速度来计算所述值。

技术总结
一种方法，包括基于穿过由受试者(22)在呼气期间呼出的空气的声音的一个或更多个特性，计算在受试者的呼气期间的相应时刻的至少一个参数的一个或更多个值，该参数与空气中气体的浓度有关。该方法还包括响应于这些值生成(84)输出。还描述了其他实施例。(84)输出。还描述了其他实施例。(84)输出。还描述了其他实施例。


技术研发人员：伊兰
受保护的技术使用者：科蒂奥医疗公司
技术研发日：2021.11.22
技术公布日：2023/8/1