Алгоритм аускультации сердца: Nie znaleziono strony — Внутренняя Mедицина

7. Порядок аускультации сердца.

При аускультации сердца клапаны следует выслушивать в порядке убывающей частоты их поражения. Сначала выслушивают митральный клапан у вершки сердца (1 точка аускультации), затем клапан аорты во втором межреберье справа от грудины (2 точка аускультации), потом клапан легочного ствола во втором межреберье слева у края грудины (3 точка аускультации), трехстворчатый — у основания мечевидного отростка грудины (4 точка аускультации), и затем аортальный клапан — в точке Боткина — Эрба (5 точка аускультации).

Точки: 1— верхушка, митральный клапан; 2 — аорта, II межреберье у грудины справа; 3 — легочная артерия, II межреберье у грудины слева; 4 — трехстворчатый клапан, основание мечевидного отростка на грудине или у ее правого края на уровне V-VI межреберья; 5 — точка БоткинаЭрба, выслушивается аортальный клапан. 

8. Характеристика тонов сердца при выслушивании верхушки сердца (митральный клапан) и основания мечевидного отростка (трехстворчатый клапан).

I и II тоны выслушиваются над всей областью сердца, но звучность их изменяется в зависимости от близости расположения клапанов, участвующих в образовании или I или II тона.

При выслушивании верхушки сердца (1-я точка аускультации) и основания мечевидного отростка (4-я точка аускультации) здорового человека – I тон более громкий, чем II тон (не более, чем в 2 раза), но в точке выслушивания трехстворчатого клапана он выслушивается несколько слабее, чем на вер­хушке (поскольку систолическое напряжение правого желудочка меньше, чем левого).

По характеру I тон более низкий, громкий и продолжительный, чем II тон.

В 1-й точке аускультации у детей и у молодых худощавых субъектов, кроме I и II тонов, могут выслушиваться III и IV тоны, а при наличии патологии — щелчок открытия митрального клапана, систолический щелчок, перикардтон.

В 4-й точке аускультации у детей и у молодых худощавых субъектов, кроме I и II тонов, выслушиваются III и IV тоны, а при наличии патологии — перикардтон.

9. Характеристика тонов сердца при выслушивании основания сердца (клапана аорты и легочной артерии).

При аускультации основания сердца — клапана аорты (2-я точка аускультации, II – межреберье у правого края грудины) и легочной артерии (3-я точка аускультации, II – межреберье у левого края грудины) у здорового человека выслушивается два тона: I и II тоны, но II тон здесь более громкий.

У здорового человека громкость II тона над аортой и над легочной артерией слышится примерно одинаково. Для оценки громкости II тона над клапаном аорты и клапаном легочной артерии необходимо попросить больного задержать дыхание на выдохе, в это время последовательно и быстро прослушать II тон во 2-й и 3-й точках аускультации. Если II тон во 2-й точке звучит громче, чем в 3-й точке, то констатируется усиление (акцент) II тона над аортой. Если II тон в 3-й точке аускультации звучит громче по сравнению со II тоном над аортой, то констатируется усиление (акцент) II тона над легочной артерией.

10. Точка боткина-Эрба (V точка аускультации сердца): локализация, предназначение.

Точка боткина-Эрба- V точка аускультации — дополнительная точка выслушивания клапана аорты — расположена в месте прикрепления III и IV реберных хрящей к левому краю грудины.

У здорового человека при выслушивании V точки оба тона слышатся примерно одинаково. Изменение соотношения звучности тонов при аускультации в V точке самостоятельного диагностического значения не имеет. V точка предназначена для аускультации диастолического шума при недостаточности аортального клапана. Именно здесь указанный шум наиболее отчетлив.

АЛГОРИТМ ДЕЙСТВИЙ при аускультации сердца (подготовка ко 2 этапу первичной аккредитации по специальности «Лечебное дело»)

1 АЛГОРИТМ ДЕЙСТВИЙ при аускультации сердца (подготовка ко 2 этапу первичной аккредитации по специальности «Лечебное дело») Шаг Студент говорит (речь от первого лица) Студент выполняет 1. Здороваюсь с пациентом 2. Представляюсь, обозначаю свою роль 3. Спрашиваю о самочувствии пациента 4. Спрашиваю у пациента, сверяя с Берет медицинскую документацию назначением 5. :фамилию 6. :имя 7. :отчество 8. :возраст 9. Информирую пациента о процедуре осмотра и получаю согласие на её проведение 10. Убеждаюсь в наличии всего необходимого для проведения осмотра 11. Обрабатываю руки гигиеническим способом перед началом манипуляции Убеждается в наличии всего необходимого для проведения осмотра Обрабатывает руки гигиеническим способом перед началом манипуляции 12. Предлагаю пациенту лечь на кушетку (с приподнятым изголовьем под 45 градусов) 13. Оцениваю цвет кожных покровов 14. Оцениваю состояние пальцев рук пациента Надавливает на кончик ногтя руки пациента для определения капиллярного пульса 15. Провожу визуальный осмотр яремных вен. Используя для осмотра источник света направленный по касательной к поверхности тела 16. Прошу пациента повернуть голову на бок 17. Оцениваю параметры пульса на лучевых артериях: 18. Пальпирую пульс одновременно на обеих лучевых артериях, убеждаюсь в его симметричности Проводит визуальный осмотр яремных вен. Используя для осмотра источник света направленный по касательной к поверхности тела Пальпирует пульс одновременно на обеих лучевых артериях, убеждается в его симметричности 19. Продолжает пальпацию лучевой артерии на одной руке 20. Держит не менее трех своих пальцев в месте проекции лучевой артерии, не менее 10 сек, смотря на часы (оценить ритм, частоту, наполнение и напряжение пульса) 1

2 21. Оцениваю ЧДД: 22. Оценивает частоту дыхательных движений, продолжая делать вид, что измеряете пульс на лучевой артерии 23. вторую руку кладет на живот или грудную клетку пациента, не менее 10 сек, смотря на часы (сосчитать количество дыханий) 24. Оцениваю параметров пульса на сонных артериях: 25. Пальпирую пульс на сонной артерии сначала на одной стороне Пальпирует пульс на сонной артерии сначала на одной стороне 26. Пальпирую пульс на другой сонной артерии Пальпирует пульс на другой сонной артерии 27. Не пальпировать пульс одновременно на обеих сонных артериях 28. Оцениваю параметров пульса на бедренных артериях: 29. Пальпирую пульс одновременно на обеих бедренных артериях, убеждаюсь в его симметричности 30. Пальпирую пульс одновременно на лучевой и бедренной артериях (с одной стороны), убеждаюсь в его симметричности 31. Задаю вопросы о факторах, которые могут привести к изменению цифр АД Пальпирует пульс одновременно на обеих бедренных артериях, убедиться в его симметричности Пальпирует пульс одновременно на лучевой и бедренной артериях (с одной стороны), убедиться в его симметричности Измеряет артериальное давление 32. Прошу пациента освободить область груди от одежды 33. Исследую прекардиальную область 34. Кладу правую руку основанием ладони на грудину, расположив пальцы по ходу межреберий по направлению к левой аксиллярной линии 35. Ротирую кисть на 90 градусов и оценить верхушечный толчок кончиками пальцев 36. Определяю наличие дефицита пульса, одновременно пальпируя область верхушечного толчка и лучевую артерию Положить правую руку основанием ладони на грудину, расположив пальцы по ходу межреберий по направлению к левой аксиллярной линии Ротирует кисть на 90 градусов и оценить верхушечный толчок кончиками пальцев Определяет наличие дефицита пульса, одновременно пальпируя область верхушечного толчка и лучевую артерию 2

3 37. Пальпирую пульсацию крупных артерий 38. Пальпирую область проекции лёгочной артерии ладонью в области 2-го межреберья у левого края грудины 39. Пальпирую область проекции дуги аорты ладонью в области 2-го межреберья у правого края грудины 40. Пальпирую область возможной пульсации аорты ладонью в эпигастральной области 41. Провожу Аускультация сердца 42. Определяю локализацию верхушечного толчка. Зона пальпации верхушечного толчка соответствует I точке аускультации (митральный клапан) 43. Выслушиваю в I точке аускультации. Определяю громкость I и II тонов. В норме у взрослых на верхушке сердца I тон громче II, дополнительные тоны и шумы отсутствуют. 44. Определяю локализацию II точки аускультации. Она расположена во II межреберье справа от грудины (аортальный клапан) Выслушиваю во II точке аускультации. В норме у взрослых в данной точке II тон громче I, дополнительные тоны и шумы отсутствуют. 45. Определяю локализацию III точки аускультации. Она расположена во II межреберье слева от грудины (пульмональный клапан) 46. Выслушиваю в III точке аускультации. Определяю громкость I, II тонов, наличие дополнительных тонов и шумов. В норме у взрослых в данной точке II тон громче I, дополнительные тоны и шумы отсутствуют. 47. Определяю локализацию IV точки аускультации. Она расположена у основания мечевидного отростка (трикуспидальный клапан) Пальпирует область проекции лёгочной артерии ладонью в области 2-го межреберья у левого края грудины Пальпирует область проекции дуги аорты ладонью в области 2-го межреберья у правого края грудины Пальпирует область возможной пульсации аорты ладонью в эпигастральной области Прикладывает ладонь в V межреберье слева по среднеключичной линии. Прикладывает стетоскоп к области верхушечного толчка. Пальпирует сонную артерию (для определения момента систолы) при выслушивании митрального клапана Пальпаторно находит II межреберье, пересекающееся с правой парастернальной линией. Выслушивает во II точке аускультации. Пальпирует сонную артерию (для определения момента систолы) при выслушивании аортального клапана Пальпаторно находит II межреберье, пересекающееся с левой парастернальной линией Прикладывает стетоскоп к III точке аускультации Выслушивает в III точке аускультации. Пальпирует сонную артерию (для определения момента систолы) при выслушивании пульмонального клапан Пальпаторно находит мечевидный отросток: 3

4 48. Выслушиваю в IV точке аускультации. Прикладывает стетоскоп к IV Определяю громкость I, II тонов, наличие дополнительных тонов и шумов. В норме у взрослых в данной точке I тон громче II, точке аускультации. Выслушивает в IV точке аускультации. Пальпирует сонную артерию (для дополнительные тоны и шумы отсутствуют. определения момента систолы) при выслушивании трикуспидального клапана 49. Аускультирую сонные артерии 50. Задержать мембрану в области левой сонной артерии не менее 5 сек 51. Задержать мембрану в области правой сонной артерии не менее 5 сек 52. Оцениваю признаки венозного застоя 53. Пальпирую область правого подреберья с одновременным осмотром области шеи 54. Говорю, о необходимости пропальпировать переднюю поверхность голени на наличие отёков Пальпирует область правого подреберья с одновременным осмотром области шеи 55. Аускультирую митральный клапана с изменением положения пациента 56. Прошу пациента лечь на левый бок Выслушиваю точку области верхушечного толчка Ставит головку стетофонендоскопа в точку области верхушечного толчка или при его отсутствии V м.р. на 1-1,5 см внутрь от среднеключичной линии (митральный клапан на левом боку) 57. Пальпирую сонную артерию Пальпирует сонную артерию (для определения момента систолы) при выслушивании митрального клапана на левом боку 58. Прошу пациента сесть 59. Выслушиваю точку области верхушечного толчка Ставит головку стетофонендоскопа в точку в области верхушечного толчка или при его отсутствии V м.р. на 1-1,5 см внутрь от среднеключичной линии (митральный клапан стоя) 60. Пальпирую сонную артерию Пальпирует сонную артерию (для определения момента систолы) при выслушивании митрального клапана стоя 4

5 Патологические изменения митрального и аортального клапанов 61. Стеноз митрального клапана. В I точке — усиленный («хлопающий») I тон. «Щелчок» (тон) открытия митрального клапана. Усиленный I тон, усиленный II тон и тон открытия митрального клапана образуют ритм «перепела». Выслушиваю в III точке акцент и расщепление II тона на легочной артерии. Диастолический шум в I точке аускультации выслушивается в положении пациента на левом боку при задержке дыхания в фазе выдоха. 62. Недостаточность митрального клапана. В I точке I тон ослаблен, II тон не изменён Систолический шум связан с I тоном и проводится в подмышечную область. 63. Аортальный стеноз В I точке I тон ослаблен. Ослабление II тона во II точке и в точке Боткина Во II, V точках и зоне между ними выявляется грубый систолический шум, который проводится в надключичную область и на проекцию сонной артерии, усиливающийся в положении лежа и на выдохе. 64. Аортальная недостаточность При аортальной недостаточности II тон на аорте и в точке Боткина резко ослаблен. В точке Боткина выявляется диастолический шум мягкого тембра, после II тона, распространяющийся к верхушке сердца. Шум усиливается в положении сидя с поднятыми руками, а также на выдохе. 65. Аускультирую легкие в симметричных участках передней стенки грудной клетки на уровне I, II и III межреберий 66. Прошу пациента сложить руки в замок и положить их за голову (на затылок). Прикладывает стетоскоп к I точке аускул

Аускультация сердца (точки выслушивания) в норме, пальпация и перкуссия

Прошло два века с тех пор, как французский врач Рене Лаэнек создал первый прибор для прослушивания сердца пациента — стетоскоп. Через год аускультация сердца стала практиковаться лечащими врачами. Появились пособия по овладению методикой.

Современные доктора имеют достаточно серьезную диагностическую базу, основанную на точных и чувствительных аппаратах. Однако по-прежнему от начинающего врача требуется умение самостоятельно применить основные методы и поставить предварительный диагноз, руководствуясь собственными органами чувств.

Студенты медицинских вузов изучают способы подхода к пациенту, учатся расценивать отдельные симптомы и их значение в патологии. Этот курс называется пропедевтикой. Он представляет собой доклиническую возможность изучения минимального обследования человека и способов трактовки результатов.

Какими методами должен владеть врач

Узкая врачебная специализация не исключает общей подготовки врача-лечебника. В стандартный набор знаний и умений начинающего доктора обязательно входят:

• личный осмотр пациента;
• пальпация — прощупывание плотного органа, края для определения консистенции, размеров; пульса, области сердца — для выяснения ударной волны, силы сердечного толчка;
• перкуссия — определение границ тупости по характеру звука, получаемого при постукивании по пальцу над органами, обладающими разной плотностью;
• аускультация — выслушивание стандартных точек тела, расположенных над зонами, максимально приближенными к передвижению жидкости внутри полых органов, от скорости течения и препятствий зависит возникновение шума.

Рассмотрим возможные результаты применения методов пропедевтики в диагностике сердечной патологии.

Смещение верхушечного толчка влево и вниз указывает на гипертрофию левого желудочка

Что может выявить врач на обычном приеме?

Внимание врача во время приема обращено на:

• оттенок кожи, цвет губ пациента — бледность указывает на спазм периферических сосудов, синюшность губ, пальцев, ушей — на недостаточность кровообращения;
• отечность — для отеков сердечного происхождения характерна плотная консистенция, локализация на нижней части туловища;
• расширенные венозные сосуды на ногах и руках — свидетельствуют о варикозной болезни вен, застойной недостаточности;
• пульсация шейных вен и сонных артерий — характерны для застоя в малом кругу, аортальных пороков;
• у ребенка выступающая вперед часть грудины (сердечный горб) — встречается в случаях врожденного или приобретенного порока на фоне значительного увеличения полости желудочков.

Пальпация области сердца позволяет:

• определить верхушечный толчок, смещение в пятом межреберье влево более 1 см от срединноключичной линии показывает расширение границы, увеличение левого желудочка;
• положив руку на основание в области ключиц и 1 межреберья, можно почувствовать характерное дрожание типа «кошачьего мурлыканья» при сужении аорты, а на верхушке имеет значение разлитой куполообразный толчок.

Перкуссия устанавливает приблизительные границы сердечной тупости. По ней можно судить об увеличении желудочков, сосудистого пучка.

Особенности аускультативной техники

Аускультация сердца сначала проводилась стетоскопом. Это небольшая деревянная трубка с воронкообразными расширениями на концах. В дальнейшем был изобретен фонендоскоп с комбинированной мембранно-колоколообразной головкой для усиления низкочастотных и высокочастотных звуков.

Врачи вставляют его трубки в оба уха и стараются уловить малейшие звуковые отклонения. Обязательным условием аускультации является тишина, поскольку звуки со стороны мешают различить идущие от сердца.

Восприятие звукового сигнала нарушается по субъективным причинам:

• при утомлении врача;
• в пожилом возрасте.

Это является серьезным недостатком метода. Больного приходится выслушивать повторно, обследовать лежа, стоя, после приседаний. В настоящее время на смену фонендоскопам готовятся стетоскопы с функцией усиления звукового сигнала и фильтрацией шума. Подобная аускультация станет более объективной и надежной.

Однако это не снимает с врача ответственности за накопление опыта в распознавании сердечных тонов и шумов.

Стандартная техника аускультации сердца

Техника прослушивания сердца несложна, но требует соблюдения определенной последовательности. Врачи усваивают алгоритм действий со студенческих лет и выполняют его не задумываясь.

Проведение процедуры начинают с предложения пациенту снять верхнюю одежду. При обильной растительности на груди волоски смачивают водой или кремом. Точки выслушивания выбраны по минимальному расстоянию между исследуемой зоной и головкой фонендоскопа. Стандарт предусматривает 5 точек, как обязательный набор, но при патологии возможно использование и других.

Перед прослушиванием каждой точки врач «командует»: «Сделайте глубокий вдох, все выдохните и задержите дыхание!» На выдохе сокращается воздушная прослойка легочной ткани, а сердце «приближается» к грудной клетке. Следовательно, звучание будет более четким и сильным.

Такой же эффект ожидается от выслушивания в положении на левом боку. Для усиления интенсивности иногда предлагают натужиться или сделать несколько приседаний.

Нормы расположения исследуемых зон и их проекция на грудную клетку известны, но врачу рекомендуется проверять себя предварительной пальпацией, так удается корректировать получение оптимального варианта

Очередность аускультации:

• в области верхушечного толчка — исследуется митральный клапан и левое атриовентрикулярное отверстие;
• справа от грудины во втором межреберье — устье аорты и работа аортального клапана;
• слева от грудины во втором межреберье — прослушивают клапан легочной артерии;
• над основанием мечевидного отростка в нижней части грудины — правое атриовентрикулярное отверстие и трехстворчатый клапан;
• в третьем межреберьи по левой границе грудины — место прослушивания аортального клапана.

Дополнительные зоны аускультации находятся:

• над всей грудиной;
• слева в подмышечной впадине;
• на спине в межлопаточном пространстве;
• на шее в области сонных артерий.

Что дает звуковой анализ?

Диагностика требует выявления звуков, не соответствующих норме. Поэтому опытный врач должен уметь отличать «музыку» правильных сокращений сердца от патологических.

Мышечный и клапанный аппараты сердца находятся в постоянной напряженной работе. Перегоняя массу крови из камер в сосуды, они вызывают вибрацию близлежащих тканей и передают звуковые колебания на грудную клетку от 5 до 800 гц в секунду. Ухо человека способно воспринять звук в диапазоне от 16 до 20000 гц с наилучшей чувствительностью между 1000 и 4000 гц. Значит, для точной диагностики у человека недостаточно возможностей. Необходимы практика и внимание. Услышанные звуки нужно воспринимать как информацию. Получив ее, врач должен:

• оценить происхождение по сравнению с нормой;
• предположить причины нарушений;
• провести характеристику.

Как образуются тоны, трактовка отклонений от нормы

Обязательно в каждой точке прослушивают два взаимосвязанные удара. Это тоны сердца. Они имеются у всех здоровых лиц. Реже удается выслушать третий и даже четвертый тон.

Первый тон называется систолическим, он складывается из нескольких компонентов:

• работа предсердий;
• мышечный — вызванный колебаниями напряженной мышцы желудочков;
• клапанный — считается основным компонентом, образован колеблющимися створками атриовентрикулярных клапанов;
• сосудистый — включает стенки аорты и легочной артерии и их клапанный аппарат.

По характеру звучания его можно расценить:

• глухим — при гипертрофии левого желудочка, миокардите, кардиосклерозе, дистрофических изменениях;
• тихим, «бархатным» — при инфаркте миокарда;
• слабым, будто доносящимся издали — при экссудативном плеврите, эмфиземе легких, значительной толщине грудной стенки;
• громким, хлопающим — при неврозе, тиреотоксикозе, стенозе левого предсердножелудочкового отверстия, малокровии, высокой лихорадке, экстрасистолии;
• раздвоенным — при блокаде ножки пучка Гиса, тиреотоксикозе, аневризме в области верхушки сердца, дистрофии миокарда.

Второй тон образуется в начале диастолы, вызывается захлопыванием полулунных клапанов легочной артерии и аорты. У здорового человека он акцентирован на аорте. В случаях «легочного сердца» с гипертензией в малом круге — на легочной артерии.

При атеросклеротическом поражении аорты, расширении сосудов второй тон звенит и резонирует. Раздвоение отмечается при аневризме аорты и митральном стенозе.

Визуально зарегистрировать шумы и тоны можно с помощью фонокардиограммы (нижняя линия), она обязательно пишется вместе с ЭКГ

Появление третьего тона создает слуховую картину «ритма галопа». Считается, что он образуется из-за быстрого снижения тонуса дряблых стенок желудочков в фазе диастолы. У детей и подростков прослушивается чаще, чем у взрослых, и указывает на функциональную неполноценность миокарда, поскольку патологии не выявляется.

Для лиц 30 лет и старше — является характерным признаком гипертонии, легочного сердца, миокардита, кардиосклероза, инфаркта миокарда и аневризмы аорты.

Почему в сердце шум?

Шумы в сердце можно сравнить со звуками течения жидкости по трубе. Завихрения зависят от шершавости стенок, скорости течения, встречающихся препятствий (участков сужения). Шум в сердце будет громче, если препятствие достаточно плотное и расположено близко к выходному отверстию.

Вихревые шумы имеют разные оттенки:

• нежный,
• слабый,
• грубый,
• свистящий,
• шипящий,
• воющий,
• «писк комара».

Чем меньше вязкость крови, тем сильнее скорость ее движения и вызываемый шум. Структура клапанов (натянутые сухожильные нити, колебания створок) способна вызвать дополнительные вихревые потоки.

Шумы в фазу систолы и диастолы значительно зависят от сужения атриовентрикулярных, аортального и легочного отверстий. При аортальном стенозе кровь, проходя через суженный канал во время систолы, вызывает систолический шум. Недостаточность клапана аорты или митрального вызывают обратный поток в не полностью закрытые щели.

Разновидности шумов и их значение в диагностике

Все шумы в зависимости от фазы сердечного сокращения делят на:

• систолические — выслушиваются при недостаточности трехстворчатого и двухстворчатого клапанов, стенозе устья легочной артерии и аорты;
• диастолические — образуются при недостаточности клапанов главных сосудов, стенозе атриовентрикулярных отверстий.

Диагностическое значение имеет характер шума. Более «музыкальными» свойствами обладают шумы органического происхождения, связанные с пороками сердца. Так, выслушивание больного с септическим эндокардитом выявляет диастолический шум на аорте с завывающим или свистящим оттенком. Это свидетельствует о прободении с отрывом створки клапана.

Для врожденного порока незаращения боталлова протока типичен шум, похожий на «грохот поезда в туннеле».

Чтобы выявить место наибольшего звучания, одновременно проводится пальпация, пациента прослушивают в межлопаточной зоне, над сонными артериями.

Кардиопульмональные шумы встречаются редко за счет опорожнения во время систолы и уменьшения размера желудочков. При этом расширяется соседний участок легочной ткани и всасывает воздух из бронха. Шум прослушивается на высоте вдоха.

Шумы перикардиального происхождения у здорового человека не прослушиваются. Скрипучий звук сопровождает и систолу, и диастолу. Указывает на перераздражение увеличенного сердца и трение листков перикарда.

Как прослушивают сердцебиения плода, особенности аускультации детей

По сердцебиению плода акушер-гинеколог судит о нормальном протекании беременности или выявляет ее патологию. На начальных этапах сердцебиения определяются только при УЗИ диагностике. До восьмой недели частота сокращений должна составлять 110–140 в минуту. Со второго триместра увеличивается до 160.

Акушеры используют старую модель стетоскопа

Стетоскоп позволяет услышать не только тоны плода, но и звуки от движений, маточные шумы будущей мамы, выявить многоплодную беременность, различить положение плода в матке.

Место оптимального прослушивания определяется расположением плода:

• если ребенок лежит головкой вниз, сердце прослушивается ниже пупка;
• при тазовом предлежании ягодичками — сердцебиение регистрируется выше пупка женщины;
• при разогнутом положении, когда грудная клетка прилежит к стенке матки — звучание более громкое, чем при касании согнутой спиной.

На сердечные тоны плода оказывают влияние:

• благополучие течения и срок беременности;
• тепло или холод;
• заболевания материнского организма.

Прекращение сердцебиений указывает на серьезную патологию, смерть плода, нарушение развития.

Аускультация сердца у детей требует особых навыков. Врач, занимающийся лечением взрослых пациентов, при первом прослушивании ребенка приходит в ужас от яркой слуховой картины. Грудная стенка у малыша достаточно тонкая, поэтому все звуки проводятся максимально громко.

Функциональный шум прослушивается на верхушке, слева от грудины, имеет нежное звучание

Алгоритм аускультации в педиатрической практике и техника не отличаются от терапии. Для оценки информации нужно знать особенности детского возраста:

• в период новорожденности тоны могут быть глухими;
• «эмбриокардия» — маятникообразный ритм первого и второго тона, нормальна для первых дней жизни, старше двух недель — расценивается как патология, встречается при дизентерии, воспалении легких, пороках развития;
• с двух лет в норме прослушивается акцент и расщепление второго тона на легочной артерии;
• шумы у новорожденных указывают на врожденные пороки;
• с трех лет шум чаще всего связан с ревматическими атаками;
• функциональные шумы в период полового развития связаны с тонусом сосудов, миокарда, створок и хорд клапанов.

Метод аускультации в руках опытного врача продолжает играть большую роль в диагностике. Подтвердить или опровергнуть свое мнение доктор может, направив пациента на фонокардиографию, допплеровское исследование. Важно получить наиболее достоверный результат и решить проблему лечения.

Аускультация сердца (выслушивание): точки, алгоритм, суть

© Автор: Сазыкина Оксана Юрьевна, кардиолог, специально для СосудИнфо.ру (об авторах)

Аускультация – это метод обследования пациента, основанный на выслушивании звуковых колебаний, создаваемых работой того или иного органа. Услышать подобные звуки возможно с помощью специальных инструментов, прототипы которых известны еще с глубокой древности. Они называются стетоскоп и стетофонендоскоп. Принцип их работы основывается на проведении звуковой волны до органа слуха врача.

Преимущества и недостатки метода

Аускультация сердца является ценным методом обследования пациента еще на догоспитальном этапе, когда нет возможности выполнить лабораторно-инструментальные исследования. Методика не требует специальной аппаратуры и позволяет предположить предварительный диагноз, основываясь только на знаниях и клиническом опыте врача.

Однако, разумеется, основываться только лишь на данных аускультации при постановке диагноза нельзя. Каждый пациент с подозрением на кардиологическую патологию по данным аускультации должен дообследоваться с помощью лабораторно-инструментальных методов в обязательном порядке. То есть аускультация помогает только предположить, но ни в коем случае не подтвердить или исключить диагноз.

Когда проводится аускультация сердца?

Аускультация сердца проводится каждому пациенту любого возраста при первичном осмотре врача терапевта, педиатра, кардиолога, аритмолога, пульмонолога или врача иного терапевтического профиля. Кроме этого, аускультация проводится кардиохирургом, торакальным (грудным) хирургом или анестезиологом перед оперативными вмешательствами.

Также “выслушивать” сердце должны уметь врачи и фельдшеры скорой медицинской помощи при первичном осмотре больного.

Аускультация может быть информативна при таких заболеваниях, как:

• Пороки сердца. Звуковые феномены заключаются в наличии шумов и дополнительных тонов, возникновение которых обусловлено грубыми нарушениями гемодинамики (продвижения крови) внутри сердечных камер.
• Перикардит (воспаление околосердечной сумки). При сухом перикардите выслушивается шум трения перикарда, обусловленный трением воспаленных перикардиальных листков между собой, а при выпотном – ослабление и глухость сердечных тонов.
• Нарушения ритма и проводимости по сердцу характеризуются изменениями частоты сердечных сокращений в минуту.
• Инфекционный эндокардит (бак. эндокардит) сопровождается шумами и тонами, характерными для пороков сердца вследствие воспалительных изменений клапанов сердца.

Как проводится исследование?

Алгоритм аускультации сердца заключается в следующем. Врач при благоприятных условиях в кабинете (хорошее освещение, относительная тишина) должен провести предварительный опрос и осмотр пациента, попросив его раздеться и освободить грудную клетку. Далее с помощью фонендоскопа или стетоскопа после аускультации легочных полей врач определяет точки выслушивания сердца. При этом он интерпретирует полученные звуковые эффекты.

Точки аускультации сердца определяются положением клапанов в сердечных камерах и проецируются на переднюю поверхность грудной клетки и определяются по межреберьям справа и слева от грудины.

Так, проекция митрального клапана (1 точка) определяется в пятом межреберном промежутке под левым соском (Mitral valve, “М” на рисунке). Для его выслушивания у женщин необходимо попросить пациентку придержать левую молочную железу рукой.

Следующей выслушивается точка проекции аортального клапана (2 точка) , который проецируется во второй межреберный промежуток от правого края грудины (Aortic valve, “А” на рисунке). На этом этапе врач обращает внимание на двухтональность сердечных сокращений.

Затем фонендоскоп устанавливается в точку проекции клапана легочной артерии (3 точка) во втором межреберном промежутке ближе к левому краю грудины (Pulmonis valve, “Р” на рисунке).

Четвертым этапом аускультации является точка выслушивания трикуспидального, или трехстворчатого клапана (4 точка) – на уровне четвертого ребра ближе к правому краю грудины, а также у основания мечевидного отростка (Trikuspid valve, “Т” на рисунке).

Заключительным этапом аускультации является выслушивание зоны Боткина-Эрба (5 точка, “Е” на рисунке), которая дополнительно отражает звуковое проведение из аортального клапана. Данная зона располагается в третьем межреберном промежутке от левого края грудины.

Выслушивание каждой области должно осуществляться с задержкой дыхания на несколько секунд после глубокого вдоха и выдоха. Также аускультация может проводиться как в положении лежа, так сидя и стоя, с наклоном туловища вперед и без.

Расшифровка результатов

Нормальные звуковые эффекты при аускультации сердца заключаются в наличии двух тонов, которые соответствуют поочередному сокращению предсердий и желудочков. Также в норме должны отсутствовать шумы и патологические сердечные ритмы (ритм перепела, ритм галопа).

Шумы представляют собой звуки, которые появляются при патологическом поражении клапанов – грубые при стенозе (рубцовом сужении) клапана и мягкие, дующие при недостаточности (неполном смыкании створок) клапана. И в первом, и во втором случае шум обусловлен неправильным током крови через суженное или, наоборот, расширенное клапанное кольцо.

примеры типичных шумов при патологии и распределение их по тонам (1-4)

Так, например, при стенозе митрального клапана будет выслушиваться диастолический шум (между 11 и 1 тонами) под левым соском, а систолический шум (между 1 и 11 тонами) в этой же точке характерен для недостаточности митрального клапана. При стенозе аортального клапана выслушивается систолический шум во втором межреберье справа, а при недостаточности аортального клапана – диастолический шум в точке Боткина-Эрба.

Патологические ритмы в сердце заключаются в возникновении звуков между двумя основными тонами, которые в целом дают специфические созвучия. Например, при пороках сердца выслушиваются ритм галопа и ритм перепела.

Таблица: распространенные явления, регистрируемые с помощью аускультации

Аускультация сердца у детей

Выслушивание сердца у маленьких пациентов мало чем отличаются от такового у взрослых. Аускультация осуществляется в той же последовательности и по тем же точкам проекции клапанов. Различается лишь интерпретация услышанных звуковых эффектов. Так, например, для сердечных сокращений новорожденного ребенка характерно отсутствие пауз между каждым сердечным сокращением, и стук сердца выслушивается не в привычном всем ритме, а напоминает равномерные удары маятника. Для всякого взрослого пациента и для ребенка в возрасте старше двух недель такой сердечный ритм, называемый эмбриокардией, является признаком патологии – миокардита, шока, агонального состояния.

Кроме этого, у детей, особенно в возрасте старше двух лет, наблюдается акцент второго тона на легочной артерии. Это не является патологией в том случае, если при аускультации отсутствуют систолические и диастолические шумы.

Последние могут наблюдаться у детей раннего возраста (до трех лет) при врожденных пороках развития, а у детей старше трехлетнего возраста – при ревматических болезнях сердца. В подростковом периоде тоже могут выслушиваться шумы в точках проекции клапанов, но в основном они обусловлены функциональной перестройкой организма, а не органическим поражением сердца.

В заключение следует отметить, что не всегда нормальная аускультативная картина при выслушивании сердца свидетельствует о том, что у пациента все в норме. Это обусловлено отсутствием шумов в сердце при некоторых видах патологии. Поэтому при малейших жалобах со стороны сердечно-сосудистой системы у пациента желательно выполнить ЭКГ и УЗИ сердца, особенно в том случае, если речь идет о детях.

Видео: обучающий фильм по аускультации сердца

Видео: аускультации сердца и основные тоны

Рекомендации читателям СосудИнфо дают профессиональные медики с высшим образованием и опытом профильной работы.

На ваш вопрос в форму ниже ответит один из ведущих авторов сайта.

На вопросы данного раздела в текущий момент отвечает: Сазыкина Оксана Юрьевна, кардиолог, терапевт

Поблагодарить специалиста за помощь или поддержать проект СосудИнфо можно произвольным платежом по ссылке.

алгоритм проведения, точки, заключение, видео

Аускультация сердца – это одна из диагностических методик, помогающих выслушивать тоны и звуки биения сердечной мышцы. Тонами принято называть отрывистый звук, шумы же обладают более продленным отзвуком.

Посредством аускультации опытный специалист проводит оценку работы главного “мотора” организма и выявляет вероятные отклонения. Эта диагностическая методика знакома каждому, а проводят ее при помощи стетоскопа.

Для чего нужна процедура и кому она назначается?

Процедуру проводят при жалобах со стороны пациента и в случаях, когда имеются подозрения на развитие кардиологических проблем. Аускультация проводится и при плановых осмотрах, диспансеризации.

Процедуру проводят при осмотре пациента, в том числе и просто в профилактических целях. Аускультацию можно делать часто, если больной того желает, но обычно здоровый человек подвергается ей 1-2 раза за год. Процедура нужна для определения проблем в работе сердечной мышцы.

Перечень заболеваний, которые можно первично диагностировать, достаточно обширен:

Сбои в сердечной деятельности наблюдаются при ряде других заболеваний. Например, при тиреотоксикозе, анемии, лихорадке и даже просто при эмоциональном перенапряжении. Именно поэтому на основе одной только аускультации никогда не ставятся диагнозы. Лишь после полноценного обследования можно с точностью распознать причину, породившую отклонения в работе сердца.

Проекции клапанов сердца на переднюю поверхность грудной клетки и места их наилучшей аускультации

Виды диагностики

Процедуру подразделяют по способу прослушивания на:

1. прямой,
2. непрямой.

В первом случае к грудной клетке пациента прикладывается не специальный прибор, а ухо врача. Во втором уже используют стетоскоп. Прямая методика выслушивания применяется для определения тонов сердечной мышцы. Звуки слышатся четче и вероятность их искажения очень низка. Тем не менее, способ применяется очень редко из-за соблюдения этических и гигиенических соображений.

При помощи современных приборов получается прослушивать не только низкие, но и высокие звуковые частоты. Конечно, искажение при непрямом прослушивании происходит, но оно обычно незначительное. Плюсом является тот факт, что воспринимаются тоны лучше, их легче разграничить. Посредством аускультации прослушивают так же сосуды, живот, легкие.

Показания для проведения

Показанием для аускультации являются жалобы, предъявляемые пациентом по поводу своего состояния. Врач, после опроса сам способен провести процедуру, если посчитает нужным. Обследованию подлежат пожилые пациенты и дети, беременные женщины. Эта простая мера позволяет на ранних этапах выявить возможные кардиологические проблемы.

Обследованию подлежат люди из “группы риска”, имеющие склонности к развитию сердечных патологий. К таким особенностям относят:

Следующее видео расскажет более подробно о методике проведения аускультации сердца:

Противопоказания и безопасность

Противопоказаний для аускультации не существует, поскольку она безопасна абсолютно для любой категории граждан, включая беременных, пожилых и детей.

Безопасна ли процедура? Аускультация сердца при пороках сердца, ИБС, гипертонической болезни и других недугах в истории болезни – процедура абсолютно безопасна.

Подготовка к процедуре

Специфических подготовительных мер не существует. Пациент должен лишь перед ее проведением не заниматься физической активностью, избегать опасных ситуаций и меньше переживать, чтобы не исказить показания. Есть перед исследованием можно, но вот из питья следует исключить алкоголь и напитки, тонизирующие сердечную мышцу. Это энергетики, различные чаи, кофе.

Если на грудной клетке имеется густой волосяной покров, то желательно удалить его или же смочить, чтобы он не помешал изучению тонов биения. Хорошая проводимость во время обследования важна, так как врач должен услышать малейшие посторонние звуки в грудной клетке.

Далее расскажем о том, какой аускультация сердца предполагает алгоритм действия и какие точки выслушивания тонов задействованы у новорожденных, детей и взрослых.

Как проходит аускультация сердца?

Во время проведения аускультации нужно выполнять все просьбы доктора: принимать необходимое положение, делать физические упражнения, задерживать дыхание.

Существует ряд правил выполнения процедуры аускультации сердца:

1. Некоторое время доктор проводит в тишине. Это позволяет лучше услышать посторонние шумы при исследовании.
2. В помещении не должно быть посторонних звуков. Еще важна комфортная температура.
3. Прослушивание работы сердечной мышцы проводится в лежачем или стоячем положении.
4. Доктор устанавливает инструмент строго на определенные точки организма. Это особые зоны проведения шумов, они являются точной проекцией клапанов сердца на грудной клетке.
5. Тоны выслушиваются в разные периоды дыхания, поскольку некоторые из шумов способны усиливаться во время выдоха или вдоха.

Врач, проведя опрос, приступает к осмотру и аускультации. Пациент должен поднять верхнюю одежду, обнажив грудную клетку. Далее доктор прикладывает стетоскоп к следующим точкам на теле при аускультации сердца:

• клапан легочного ствола;
• митральный клапан;
• трикуспидальный клапан;
• точка Боткина;
• сонная артерия, подмышечная область и над ключицами;
• клапан аорты,
• поверхность сердца.

Иногда возможно задействование и дополнительных точек аускультации сердца. Пациент в период проведения процедуры не переносит никаких неприятных ощущений.

Далее разговор пойдет о заключении и результатах характеристики тонов сердца по точкам аускультации.

В видео ниже показаны точки выслушивания при аускультации сердца:

Расшифровка результатов

В ходе аускультации доктор выявляет целый ряд характеристик услышанных сердечных тонов:

1. наличие постороннего шума;
2. ритмичность тонов и правильность ритма;
3. слышимость и громкость;
4. тембр, совместность и другие особенности сердечных тонов.

Тонов у здорового человека выслушивается всего два.

• Первый (I) возникает в момент, когда происходит колебание легочной артерии и аорты под воздействием сокращения желудочков и смыкания створок AV клапанов.
• Второй (II) проявляется при напряжении закрывающихся створок клапанов легочной артерии и аорты, их колебаний на этапе завершения систолы желудочков. III тон услышать возможно лишь у малого круга людей, а IV зафиксировать получится только посредством фонокардиографии.

В верхнем отделе сердца будет слышаться I тон очень громко, далее наступит короткое затишье, а после этого можно услышать короткий II тон. За этим следует более продолжительная пауза. При наличии кардиологических патологий изменяется выраженность этих тонов и сила.

• Иногда слабость проявляющихся звуков бывает не связана с болезнью, а обусловлена лишь общим состоянием организма, ожирением и т. д. Громкие тона отмечаются у детей и пожилых людей. У взрослых пациентов эта особенность может говорить о пороке сердца и других серьезных заболеваниях.
• Изолированное изменение сердечных тонов говорит о серьезных патологиях, поэтому при обнаружении отклонений немедленно назначаются дополнительные методы обследования помимо проведения аускультации сердца.
• Шумы в сердце зачастую указывают на развитие кардиологических болезней, но иногда они прослушиваются даже у здоровых людей. Придается особое значение их интенсивности, характеру и области возникновения. Обязательно назначаются другие методы диагностики, а уже после получения результатов подбирают необходимое лечение.

Средняя стоимость

Аускультация бесплатна. При обращении в частные клиники эта процедура входит в консультацию профильного специалиста и отдельно не оплачивается.

Про дополнительные тоны в аускультации сердца поведает видеосюжет ниже:

точки выслушивания, тоны, шумы, расшифровка, норма

Аускуляция — это способ осмотра больного человека, состоящий в прослушивании фонических вибраций, производимых определенным органом. Аускультация сердца осуществляется посредством особых приборов – стетофонендоскопа и стетоскопа. Способ работы этих инструментов заключается в проводимости фонических волны к уху доктора.

Преимущества и недостатки

Ценнейшим способом предварительного, не лабораторного осмотра больного является аускультация сердца. В чем же заключаются преимущества и недостатки аускультации? Для этого метода не нужно особое оборудование, он помогает дать предположительное заключение, опираясь исключительно на навыках и умении доктора.

Процессы кровообращения в сердце, хорошо прослушиваются при аускультации

Конечно, опираться лишь на результаты прослушивания тона или шума сердца во время определения диагноза не возможно. Все больные с предположением на патологию сердца, по результатам аускультации, обязаны пройти глубокое обследоваться в лабораторно-медицинских условиях. Такой способ прослушивания тонов сердца дает возможность только поставить предварительный диагноз, а не доказать или опровергнуть его.

Когда назначается

Процедура осуществляется всем пациентам, не зависимо от пола и возраста, во время начального исследования врачами. Кроме того, умением прослушать сердце, обязан владеть любой врач и фельдшер.

Аускультация сердца несет в себе определенную информацию при таких болезнях:

• Порок сердца. Фонические патологии, состоящие в присутствии шума и добавочных тонов, природа которых состоит в нарушениях движения крови в середине камер сердца.
• Перикардит сердца. При сухом – прослушиваются трущие шумы в перикарде, состоящие в трении друг о друга воспалившихся листочков перикарда, при влажном — ослабевание и приглушенность тонов сердца.
• Нарушение сердечного ритма, характеризующиеся модификацией частотности сокращений сердца за 60 секунд.
• Бактериологический эндокардит, сопровождающийся шумом и тональностью, свойственными порокам сердца в результате воспалений сердечных клапанов.

Фонендоскоп — прибор для выслушивания сердца и лёгких

Алгоритм проведения

Алгоритм проведения аускультации сердца состоит в том, что доктор в своем кабинете, осматривая грудную клетку пациента, проводит начальное опрашивание. Дальше посредством стетоскопа или фонендоскопа после прослушивания легких, врач определяется с отметками для прослушивания сердца. Во время этого доктор сразу расшифровывает услышанные звуки.

Точки выслушивания при аускультации определяют исходя из расположения клапанов от камер сердца и переносятся на плоскость снаружи грудины, выявляются по межреберьям с обеих сторон от грудной клетки.

К примеру, проецирование митрального клапана (1 отметка) находится в межреберье под номером пять с нижней части левого соска. С целью прослушивания митрального клапана пациентов женского рода, нужно чтобы она приподняла левую грудь рукой.

Далее прослушивается отметка проецирования клапана аорты (2 отметка), который дает проекцию ко второму межреберному промежутку от правой стороны грудной клетки. В этом случае доктор может слышать два тона сокращений сердца.

Дальше фонендоскоп устанавливают в отметку проецирования клапана легочной артерии (3 отметка) во втором межреберье не далеко от левой стороны грудной клетки.

Еще одной фазой аускультации есть отметка прослушивания трехстворчатого клапана (4 отметка) — на расстоянии четвертого ребра недалеко от правого края грудиной клетки, и к низу от мечевидного отростка.

Последней фазой процедуры есть прослушивание области Боткина-Эрба (5 отметке), показывающая также фоническую проводимость из клапана аорты. Эта область расположена в межреберье номер три с левой стороны грудной клетки.

Прослушивание каждого района проводится при условии задержания дыхательной функции на несколько мгновений следом за глубоким дыханием. Кроме того выслуживание может осуществляться когда человек лежит, сидит, стоит, наклонившись либо нет.

Точки выслушивания сердца

Показания нормы

Аускультация сердца в норме состоит в присутствии пары тональностей, соответствующих чередующемуся сжиманию желудочков и предсердий. Кроме того, при нормальном течении, шумов и отклоняющейся от нормы ритмичности сердца не должно быть.

Шумовой эффект – это звуки, появляющиеся во время отклонения от нормы поврежденных клапанов — твердые при сужении клапана и смягченные, дующие при недостатке клапана.

Расшифровка

Результаты расшифровки аускультации сердца зависят от следующих показаний:

• Шумовой эффект сердца характеризуется в неверном течении крови сквозь узкое или широкое кольцо клапана. Так, при сужении митрального клапана – прослушиваться шум во время расслабления сердечной мышцы (в районе от 11 до 1 тона) снизу от соска левого бока, а шумовой эффект при сокращении левого и правого желудочков (в районе от 1 до 11 тона) в такой же точке характеризует стеноз митрального клапана.
• При сокращении левого и правого желудочков аортального клапана на сердце прослушивается шум между ребрами номер два, с правого бока, а во время недостатка аортального клапана — шумовой эффект в области Боткина-Эрба. Сердечная ритмичность, которая является отклонением, состоят в появлении звучания в промежутке между двумя основными тонами, дающими особенный звук. Так, если прослушиваются ритмы скачущего коня и трели перепелов, дается заключение порока сердца.

У детей

Аускультация сердца у детей похоже с процедурой, что у взрослых. Прослушивание производится в той же очередности и по тем же отметкам. Принято различать только расшифровки услышанного. Так, для сердца деток до 28 дней, нормальным является, то что промежутков между сокращениями сердца нет. В то время, как у деток более двухлетнего возраста, прослушивается акцентирование второй тональности на легочной артерии.

Аускультация сердца и ее шумы и тоны во время расслабления сердечной мышцы и при сокращении левого и правого желудочков у детей до трех лет, говорят о врожденных нарушениях, а после 4 лет — о ревматических сердечных заболеваниях. У подростков такие шумы сердца свидетельствуют всего лишь об изменениях организма.

Однако, не во всех случаях хорошая аускультация говорит о том, что человек здоров. Если начинают беспокоить негативные ощущения со стороны сердца, необходимо пройти хотя бы электрокардиограмму и ультразвуковое исследование сердца.

Аускультация сердца: точки выслушивания, алгоритм проведения

Современное кардиологическое обследование – это большой перечень функциональных и инструментальных процедур, от самых простых (электрокардиограмма) до самых сложных (ЭхоКГ, Холтер-исследование, СМАД ). Однако все манипуляции выполняются строго по показаниям кардиолога. При обращении человека в поликлинику в рамках физикального осмотра доктора применяют простейшие, но достаточно информативные диагностические исследования – осмотр, сбор анамнеза и анализ жалоб, перкуссия и аускультация сердца.

Перкуссия обозначает выстукивание и выполняется пальцами. Аускультация – это способ обследования, при котором врач пользуется фонендоскопом, с его помощью «слушает» тоны сердца с последующим анализом полученных данных. Точки аускультации сердца расположены спереди, вверху грудной клетки, при помощи фонендоскопа врач – профессионал по звуку может определить патологические изменения работы миокарда. Рассмотрим подробнее, как проводится аускультация сердца и какое диагностическое значение имеет.

Суть и история метода

Фонендоскоп в руках врача настолько привычен, что не вызывает никаких эмоций. Однако появился он по историческим меркам недавно – еще в 19 веке врачи выслушивали сердце и легкие пациента непосредственно ухом, прикладывая его к телу пациента. Первым не совсем приятную для врача процедуру усовершенствовал Рене Лаэннек, дабы исключить прямой контакт с телом пациентки, он прослушал сердце с помощью свернутого в трубку нотного листа. И очень искренне удивился, когда услышал сердечные тоны лучше и четче. Позже доктор изобрел примитивный стетоскоп, еще позже русский ученый П. Н. Коротков придумал фонендоскоп, которым доктора пользуются и сегодня.

Сердце – постоянно работающий орган. При его сокращениях формируются своеобразные звуки, которые хорошо передаются по тканевым структурам. Именно эти звуки и выслушивает доктор с помощью фонендоскопа.

Алгоритм аускультации сердца достаточно прост, но оценить его правильно может только доктор, имеющий практический опыт. Противопоказаний метод не имеет, его можно использовать для обследования пациентов любых возрастных групп.

Также имеет аускультация сердца точки выслушивания – определенные области на груди, куда детально проецируются различные части миокарда. Посредством аускультации можно:

1. Оценить ритм сердца.
2. Проанализировать сократительную силу миокарда.
3. Оценить тембральную окраску звуков, которые слышны при применении фонендоскопа.
4. Выявить посторонние шумы.

При помощи фонендоскопа врач может предварительно установить наличие следующих патологий:

Результаты аускультации определяют дальнейшую тактику ведения пациента. Заподозрив патологию, врач направит больного на дополнительные обследования, после которых сможет точно установить диагноз.

Какими бывают сердечные тоны

Если аускультация сердца в норме, тоны слышатся громко, ясно, не имеют дополнительных созвучий.

• 1 (систолический) тон. Образуется в период сокращения. В его формировании участвует несколько компонентов – мышечный (работа желудочков), клапанный (функции клапанов), сосудистый (кровоток по главным сосудам), предсердный ( деятельность предсердий). 1 тон слышен на проекции верхушки миокарда и возле мечевидного отростка, у его основания.
• 2 тон (диастолический) – слышен во 2 межреберье, справа и слева от грудины. Он образуется в начале диастолы и формируется работой клапанов и сосуда, поставляющего кровь в легкие.
• В норме тембр первого тона ниже, чем тембр второго. Также первый тон всегда длиннее второго. У худощавых людей сердечные звуки слышатся ярче, чем у полных пациентов — солидный жировой слой на груди несколько затрудняет аускультацию.
• Третий сердечный тон лучше выслушивать, когда пациент лежит на спине. Его образуют колебания желудочных стенок в начале диастолы. Проецируется звук на область верхушки или относительно в сторону, к ее внутренней стороне. Чаще выслушивается у молодых, тренированных пациентов. Тон негромкий, невыразительный, неопытный доктор может его не расслышать.
• Четвертый тон формируется в конце диастолы за счет предсердных сокращений. Чаще всего отсутствует, не выслушивается.

Патологические изменения

Слабое или слишком сильное звучание тонов всегда настораживает доктора. Причин изменения тембра много, они могут спровоцированы болезнями миокарда, а могут возникать в результате сторонних причин.

Снижение тембра основных тонов называется ослаблением и развивается в следующих случаях:

1. У пациента слишком хорошо развиты мышцы плечевого пояса. Это наблюдается у бодибилдеров, некоторых других спортсменов.
2. Ослабляются звуки миокарда и у тучных пациентов, четкому звучанию мешает подкожный жир на грудной клетке.

Эти причины не связаны с патологиями, лечение в таких случаях не назначается. Болезненные причины ослабления тонов следующие:

1. Инфаркт.
2. Кардиосклероз.
3. Воспалительные явления в ткани сердца.
4. Миокардиодистрофия.
5. Гипертонический криз.
6. Болезни перикарда.
7. Клапанная недостаточность.
8. Гипертрофия ЛЖ.
9. Экссудативный плеврит. В этом случае экссудат в легких создает дополнительные звуки, которые делают сердечные тоны глухими.

Если тоны слышны слишком четко, их называют усиленными. Усиление отмечают при следующих состояниях:

1. Переживания, напряжение, стресс.
2. Учащенное сердцебиение.
3. Анемии различного генеза.
4. Астения.
5. Большая нагрузка.

Причины усиления 1 тона, связанные с болезнями, следующие:

1. Экстрасистолия.
2. Тахикардия.
3. Стенокардия.
4. Митральный стеноз.

При неправильной работе эндокринных желез, склерозировании легких ткани тоже усиливается 1 сердечный тон.

Акцент

Понятие акцент применяется ко 2 тону и подразумевает его усиление. При анализе 2 тона доктор сравнивает громкость в основных точках и анализирует результат. «Аортальный» акцент возникает:

1. При высоком АД, если у больного диагностирована артериальная гипертензия.
2. При атеросклерозе 2-хстворчатого клапана.

Акцент в области легочного ствола развивается:

1. При митральном стенозе.
2. При клапанной недостаточности.
3. При эмфиземе
4. При фиброзе легочной ткани.
5. При гипотонии.

Расщепленные тоны

Если клапаны сердца работают не в унисон, сердечные звуки выслушиваются как два отдельных удара, гораздо короче по длительности, чем единичный тон. Причиной патологического расщепления первого тона может стать блокада правой ножки пучка Гиса, а также повышение аортального давления.

Физиологическое расщепление встречается у молодых здоровых людей и связано с фазами дыхания.

Добавочные тоны и патологические ритмы

Если кроме основных, врач слышит и добавочные звуки, это, скорее всего, свидетельствует о наличии патологии миокарда. Добавочные тоны возникают при следующих болезнях – инфаркт, митральный пролапс, митральный стеноз, перикардит и др. Вот примеры патологических ритмов, при которых отчетливо слышны добавочные звуки:

• Ритм галопа. При аускультации сердца, проводимой по 5 точкам, врач слышит дополнительные тоны на верхушке и в 5 точке. Таким образом, сердечные тоны напоминают топот лошади. Прослушайте ритм в предлагаемом видео:

• Ритм перепела. Развивается при сужении атриовентрикулярного отверстия слева. Первый тон в этом случае усилен, второй – раздвоен. Прослушать ритм перепела предлагаем здесь:

• Перикард – тон. Возникает при резком растяжении ЛЖ, на фоне утолщенного перикарда.
• Систолический щелчок – развивается дополнительный тон при митральном пролапсе.
• Ритм маятника.

Все добавочные тоны следует отличать от физиологического раздвоения. Сделать это в состоянии только кардиолог-профессионал.

Обязательные правила аускультации

Для результативного проведения сердечной аускультации необходимо соблюдать несколько важных правил:

1. Каждый врач пользуется только своим, индивидуальным фонендоскопом.
2. Аускультация сердца у детей требует использования специального детского фонендоскопа или детских насадок для стандартного фонендоскопа.
3. Процедура не терпит лишних звуков, обследование проводится при отсутствии каких-либо посторонних шумов. Абсолютная тишина в кабинете – оптимальный вариант.
4. Перед обследованием пациент освобождает от одежды верхнюю часть тела. Освобождать только часть грудной клетки неправильно.
5. В кабинете должно быть тепло. Насадка фонендоскопа также не должна быть холодной.
6. Фонендоскоп должен идеально прилегать к коже. При наличии волосяного покрова на грудной клетке, кожа смазывается специальным гелем или маслом.
7. Обследовать пациента нужно в комфортной позе. Можно проводить аускультацию, когда пациент стоит, сидит или лежит.

Как проводится обследование

Существует определенная техника аускультации сердца, которую хорошо знают все врачи. В ее основе лежит выслушивание сердца по определенным точкам. Выделяют 6 точек для проведения аускультации – 4 считаются основными, 2 дополнительными. Каждой точке присвоен номер от одного до шести. Выслушивание проводится в строго определенном порядке от первой до шестой точки. Молодые врачи могут перед наложением фонендоскопа использовать пальпацию для точного определения каждой точки.

• 1 точка расположена слева от грудины, по срединно-ключичной линии, в 5 межреберье. Сюда проецируется верхушечный толчок и хорошо выслушивается митральный клапан.
• 2 точка расположена справа от грудной кости, во втором межреберье. Это область выслушивания аортального клапана.
• 3 аускультативная точка располагается напротив второй, слева, находится во втором межреберье. Здесь прослушивается легочный клапан.
• 4 точка находится у основания мечевидного отростка. В этой области выслушивают 3-х створчатый клапан.
• 5 точка – выслушивается аортальный клапан. Эта точка получила название – точка Боткина-Эрба. При наложении фонендоскопа врач должен следить, чтобы большая часть фонендоскопа лежала слева, в 3 межреберье, а остальная часть – на грудной кости.
• Дополнительная шестая точка позволяет слушать митральный клапан и располагается слева от грудной кости в 4 межреберье.

Врачебные тонкости

Врачам знакомы и тонкости аускультации в зависимости от фазы дыхания. К примеру, патологии трехстворчатого клапана выслушиваются лучше при задержке дыхания на вдохе, в положении лежа на левом боку лучше оценивается работа аортального клапана, остальные клапаны лучше выслушивать при задержке дыхания после спокойного выдоха.

Если тоны слышны нечетко, следует предложить пациенту выполнить 5 – 6 приседаний или походить в течение нескольких минут. Небольшая нагрузка усилит кровообращение, что сделает тоны более значимыми.

Детская аускультация сердца: особенности

Особенности выслушивания детского миокарда в первую очередь заключаются в применении специального детского фонендоскопа. Звуки, которые слышит доктор при обследовании, интерпретируются немного иначе, чем у взрослого человека. Например, отчетливое появление 3 и 4 тона у детей дошкольного возраста считается нормальным явлением, а у взрослого человека свидетельствует о наличии патологий. Детская грудная клетка тоньше, чем у взрослых людей, поэтому звуки проводятся отчетливо.

Методика детской аускультации та же — выслушивают сердце ребенка по тем же точкам, что и у взрослого. Характерно отчетливое усиление второго тона у детей, также паузы между тонами у новорожденных обычно одинаковы по времени. Если бы такие паузы присутствовали у взрослого человека, врач мог бы предположить наличие патологического ритма маятника. Для новорожденных ритм маятника считается нормой.

Появление сердечного шума сразу после рождения может свидетельствовать о врожденных дефектах развития миокарда, пороках, у ребенка до 5 лет дополнительный шум может быть признаком ревматических болезней.

У мальчиков 13 – 15 лет нередко выявляются физиологические шумы, которые не считаются патологическим, а лишь подтверждают, что организм ребенка вступил в период роста и сопряженной с ним перестройки гормонального фона.

Если сердце «шумит»

Сердечный шум – это звук, который возникает аорте, в полостях органа, в области легочного ствола при появлении вихревого потока крови. Такие завихрения может провоцировать аневризма, анемия, тиреотоксикоз, патологии сердечных перегородок и клапанов. Также появление внесердечного шума встречается при заболеваниях легких. Шумы, связанные с какой-либо патологией, называются органическими.

Второй тип сердечных шумов – функциональные. Они иногда выслушиваются у абсолютно здоровых пациентов. Функциональные шумы связаны с усилением тока крови, иногда они же встречаются при анемии у детей.

Шумы разделяют по частоте колебаний звука на следующие группы:

• низкочастотные;
• высокочастотные;
• среднечастотные.

Шумы, связанные с систолой, называют систолическими, с диастолой – диастолическими.

При аускультации пациента врач сначала оценивает тоны сердца, после выявляет шумы. Наличие шума обнаруживается по тем же точкам, по которым оценивают всю работу миокарда. В конце аускультации врач спокойно передвигает фонендоскоп по всей грудной клетке, тщательно прослушивая всю область проекции миокарда – это позволяет выяснить, в области какого клапана шум слышен четче.

Оттенки шумов бывают разными, оценивается место их появления, степень интенсивности и громкости выявленных звуков. Тембрально выделяют следующие разновидности патологических шумов:

• нежные;
• свистящие;
• шипящие;
• воющие;
• грубые;
• слабые.

Дифференцировать сердечные шумы, вызванные болезнью, в первую очередь следует от звуков, вызванных паракардиальными причинами. Это шумы, возникающие при трении перикарда, сращении плевральных листков, других заболеваниях легких.

Все патологические симптомы, выявленные при аускультации пациента, не могут являться окончательными факторами для точной диагностики. Дефекты сердечных тонов, патологические ритмы, шумы в сердце всегда являются основанием для более подробного обследования пациента. Аускультация требует определенных навыков от врача-кардиолога или терапевта. От того, насколько точно и тонко он определит функциональные способности сердечной мышцы при данном методе обследования, зависит план дальнейших диагностических мероприятий.

Всем больным с подозрением на патологии миокарда в срочном или плановом порядке назначается кардиограмма – основной метод обследования деятельности сердца. Дополнительно доктор направляет больного на ультразвуковое исследование, при аритмиях и артериальной гипертензии очень показательны результаты холтеровского мониторирования и СМАД, для определения функциональных способностей миокарда применяют функциональные пробы. Также для диагностики имеют значение клинические исследования крови.

Аускультация и другие обследования сердца – процессы сложные. Поэтому всегда обращайтесь к профессиональным специалистам. Это залог вашего здоровья.

Видео

Понравилась статья?
Сохраните ее!

Остались вопросы? Задавайте их в комментариях! На них ответит врач-кардиолог Мариам Арутюнян.

Окончил Уральский государственный медицинский университет по специальности «Лечебное дело». Врач-терапевт

Алгоритм глубокого обучения для автоматического обнаружения сердечного шума с помощью платформы цифрового стетоскопа

Актуальность темы Клиницисты заметно различаются по своей способности обнаруживать шумы во время аускультации сердца и определять лежащие в основе патологические особенности. Подходы глубокого обучения показали себя многообещающими в медицине, превратив собранные данные в клинически значимую информацию. Целью этого исследования является оценка эффективности алгоритма глубокого обучения для обнаружения шумов и клинически значимых пороков сердца с использованием записей с коммерческой платформы цифрового стетоскопа.Методы и результаты Используя более 34 часов ранее полученных и аннотированных записей сердечного звука, мы обучили глубокую нейронную сеть обнаруживать шумы. Чтобы протестировать алгоритм, мы включили 962 пациента в клиническое исследование и собрали записи в 4 местах первичной аускультации. Основополагающая истина была установлена ​​с использованием эхокардиограмм пациентов и аннотаций 3 опытных кардиологов. Эффективность алгоритма обнаружения шумов имеет чувствительность и специфичность 76,3% и 91,4% соответственно. Если исключить более мягкий шум, то чувствительность повысилась до 90.0%. Применение алгоритма в соответствующем месте анатомической аускультации выявило стеноз аорты от умеренной до тяжелой или большей степени с чувствительностью 93,2% и специфичностью 86,0%, а также митральную регургитацию от средней до тяжелой или большей степени с чувствительностью 66,2% и специфичностью. 94,6%. Выводы Способность алгоритма глубокого обучения обнаруживать шумы и клинически значимый стеноз аорты и митральную регургитацию сопоставима с возможностями опытных кардиологов на основе аннотированной части нашей базы данных.Полученные данные предполагают, что такие алгоритмы могут быть полезны в качестве передовых инструментов клинической поддержки, чтобы помочь клиницистам в скрининге сердечных шумов, вызванных пороком сердца. URL для регистрации: https://clinicaltrials.gov; Уникальный идентификатор: NCT03458806.

Ключевые слова: аускультация; машинное обучение; нейронные сети; физический осмотр; клапанный порок сердца.

Предлагаемый алгоритм анализа тонов сердца и расчета их временных интервалов

Тоны сердца играют решающую роль в клинической оценке пациентов.Стетоскопы используются для обнаружения тонов сердца и диагностики потенциальных аномальных состояний. Однако некоторые параметры сердечных тонов не могут быть извлечены традиционными стетоскопами. В данной статье представлен предлагаемый алгоритм, основанный на обнаружении пиков. Помимо способности фильтровать сигналы сердечных тонов, временные интервалы этих звуков в дополнение к частоте сердечных сокращений были рассчитаны с помощью предложенного алгоритма эффективным способом. Для оценки эффективности алгоритма использовались сигналы сердечных тонов от двух источников.Первым источником были данные, полученные от 14 участников, тогда как вторым источником был бесплатный набор данных, спонсируемый PASCAL. Алгоритм показал разную точность определения основных тонов сердца в зависимости от источника данных, использованных в исследовании. Точность составила 93,6% при использовании данных, зарегистрированных из первого источника, тогда как 76,194% для данных из второго источника.

Ссылки

[1] Martini FH, Nath JL, Bartholomew EF. Основы анатомии и физиологии, 9-е изд.Сан-Франциско: Pearson Education, 2012. Поиск в Google Scholar

[2] Potes C, Parvaneh S, Rahman A, Conroy B. Набор классификаторов на основе функций и глубокого обучения для обнаружения аномальных звуков сердца. Конференция по вычислительной технике в кардиологии, 2016 г. (CinC). Ванкувер, Британская Колумбия, Канада: IEEE, 2016: 621-4. Доступно по ссылке: https://ieeexplore.ieee.org/abstract/document/7868819. Искать в Google Scholar

[3] Варгис В.Н., Рамачандран К.И. Новая система определения активности сердечного тона для автоматического анализа сердечного тона.Биомедицинское управление сигнальным процессом 2014; 13: 174–88. Искать в Google Scholar

[4] Гамеро Л., Уотроус Р. Обнаружение первого и второго тона сердца с помощью вероятностных моделей. Материалы 25-й ежегодной международной конференции Общества инженеров IEEE в медицине и биологии (IEEE Cat No. 03Ch47439). Канкун, Мексика: IEEE, 2003: 2877-80. Доступно по ссылке: https://ieeexplore.ieee.org/abstract/document/1280519. Искать в Google Scholar

[5] Wang H, Chen J, Hu Y, Jiang Z, Samjin C.Система измерения и анализа сердечного звука с цифровым стетоскопом. 2009 2-я Международная конференция по биомедицинской инженерии и информатике. Тяньцзинь, Китай: IEEE, 2009: 1-5. Доступно по ссылке: https://ieeexplore.ieee.org/abstract/document/5305287. Искать в Google Scholar

[6] Эль-Сегайер М., Лилья О, Луккаринен С., Сёрнмо Л., Сеппонен Р., Песонен Э. Компьютерное обнаружение и анализ сердечного звука и шума. Энн Биомед Энг 2005; 33: 937–42. Искать в Google Scholar

[7] Garcia TB, Garcia DJ.Распознавание аритмии: искусство интерпретации. Берлингтон, Массачусетс: Jones & Bartlett Publishers, 2019. Поиск в Google Scholar

[8] Силланмяки С., Липпонен Дж. А., Тарвайнен М. П., Лайтинен Т., Хедман М., Хедман А. и др. Взаимосвязь между электрической и механической диссинхронией у пациентов с блокадой левой ножки пучка Гиса и здоровой контрольной группы. Журнал Nucl Cardiol 2019; 26: 1228–39. Ищите в Google Scholar

[9] UCSFHealth.org. Полная блокада сердца, Калифорнийский университет в Сан-Франциско.Доступно по адресу: https://www.ucsfhealth.org/conditions/complete_heart_block/. Доступ: 7 сентября 2019 г. Поиск в Google Scholar

[10] Джордано Н., Кнафлитц М. Новый метод измерения времени компонентов звука сердца с помощью цифровой фонокардиографии. Датчики 2019; 19: 1868. Искать в Google Scholar

[11] Kamran H, Salciccioli L, Pushilin S, Kumar P, Carter J, Kuo J, et al. Характеристика сердечных интервалов у здоровых шляпных макак (Macaca radiata) с помощью электронного стетоскопа.J Am Assoc Lab Anim Sci 2011; 50: 238–43. Искать в Google Scholar

[12] Кумар Д., Карвалью П., Антунес М., Энрикес Дж., Эухенио Л., Шмидт Р. и др. Обнаружение сердечных тонов S1 и S2 по высокочастотным сигнатурам. 2006 Международная конференция Общества инженеров IEEE в медицине и биологии [Интернет]. Нью-Йорк, Нью-Йорк, США: IEEE, 2006: 1410-6. [цитировано 18 февраля 2020 г.]. Доступно по ссылке: https://ieeexplore.ieee.org/abstract/document/4462026. Искать в Google Scholar

[13] Dao AT.Беспроводной фонокардиограф и диагностика на базе портативного компьютера. PeerJ 2015; 3: e1178. Искать в Google Scholar

[14] Стейнтон С., Цименидис С., Мюррей А. Характеристики сигналов фонокардиографии, влияющие на автоматическое распознавание признаков. Конференция по вычислительной технике в кардиологии, 2016 г. (CinC). Ванкувер, Британская Колумбия, Канада: IEEE, 2016: 1173-6. Доступно по ссылке: https://ieeexplore.ieee.org/abstract/document/7868957. Искать в Google Scholar

[15] Qassim HM, Eesee AK, Osman OT, Jarjees MS. Управление моторизованной электрической инвалидной коляской на основе наклона лица.Био-алгоритмы Med-Systems 2019; 15: 1–7. DOI: 10.1515 / bams-2019-0033. Искать в Google Scholar

[16] Рой Дж., Рой Т., Мандал Н., Постолач О. Простой метод обнаружения и идентификации сердечного тона с использованием фильтра Калмана в режиме анализа в реальном времени. Международный симпозиум 2018 года по зондированию и приборостроению в эпоху Интернета вещей (ISSI). Шанхай, Китай: IEEE, 2018: 1-8. Доступно по ссылке: https://ieeexplore.ieee.org/abstract/document/8538255. Искать в Google Scholar

[17] Bajelani K, Navidbakhsh M, Behnam H, Doyle JD, Hassani K.Обнаружение и идентификация первого и второго тонов сердца с использованием разложения эмпирического режима. Proc Inst Mech Eng Pt H J Eng Med 2013; 227: 976–87. Искать в Google Scholar

[18] Deperliğlu Ö. Классификация сегментированных тонов сердца с помощью искусственных нейронных сетей. Int J Appl Math Elec 2018; 6: 44–39 Поиск в Google Scholar

[19] Цао Й, Линь Т.Х., Чен Ф., Чанг Ю.Ф., Ченг С.Х., Цай К.Х. Надежное распознавание сердечного звука S1 и S2 на основе спектрального восстановления и разносторонних тренировок.Управление процессами биомедицинских сигналов 2019; 49: 173–80. Поиск в Google Scholar

[20] Гомес Э.Ф., Бентли П.Дж., Коимбра М., Перейра Э., Дэн Й. Классификация сердечных тонов: подходы и результаты для задачи ПАСКАЛЬ. В: Proc. 6-я Международная конференция по информатике здравоохранения, HealthInf, 2013, Барселона, Испания, 2013. Поиск в Google Scholar

Алгоритм глубокого обучения для автоматического обнаружения сердечного шума с помощью платформы цифрового стетоскопа — Northwestern Scholars

@article {6bfabb9dfec5423f91d54d41d6e9a058,

» Алгоритм глубокого обучения для автоматического обнаружения сердечных шумов с помощью платформы цифрового стетоскопа «,

abstract =» ИСТОРИЯ: Клиницисты значительно различаются по своей способности обнаруживать шум во время аускультации сердца и выявлять лежащие в основе патологические особенности.Подходы глубокого обучения показали себя многообещающими в медицине, превратив собранные данные в клинически значимую информацию. Целью этого исследования является оценка эффективности алгоритма глубокого обучения для обнаружения шумов и клинически значимых пороков сердца с использованием записей с коммерческой платформы цифрового стетоскопа. МЕТОДЫ И РЕЗУЛЬТАТЫ: Используя более 34 часов ранее полученных и аннотированных записей сердечного звука, мы обучили глубокую нейронную сеть обнаруживать шумы.Чтобы протестировать алгоритм, мы включили 962 пациента в клиническое исследование и собрали записи в 4 местах первичной аускультации. Основополагающая истина была установлена ​​с использованием эхокардиограмм пациентов и аннотаций 3 опытных кардиологов. Эффективность алгоритма обнаружения шумов имеет чувствительность и специфичность 76,3% и 91,4% соответственно. Если исключить более мягкий шум, то чувствительность повысилась до 90,0%. Применение алгоритма в соответствующем месте анатомической аускультации выявило стеноз аорты от средней до тяжелой или большой степени с чувствительностью 93.2% и специфичность 86,0%, митральная регургитация от умеренной до тяжелой или более выраженной, с чувствительностью 66,2% и специфичностью 94,6%. ВЫВОДЫ. Способность алгоритма глубокого обучения {\ textquoteright} обнаруживать шумы, клинически значимый стеноз аорты и митральную регургитацию сопоставима с возможностями опытных кардиологов на основе аннотированной части нашей базы данных. Полученные данные предполагают, что такие алгоритмы могут быть полезны в качестве передовых инструментов клинической поддержки, чтобы помочь клиницистам в скрининге сердечных шумов, вызванных пороком сердца.РЕГИСТРАЦИЯ: URL: https: // clini caltr ials.gov; Уникальный идентификатор: NCT03458806. «,

keywords =» Аускультация, Машинное обучение, Нейронные сети, Физикальное обследование, Порок клапанов сердца «,

author =» Чорба, {Джон С.} и Шапиро, {Ави М.} и Ле Ле и Джон Девы, Джон Принс, Стив Фам и Канзава, {Миа М.} и Барбоза, {Дэниел Н.}, Кэролайн Карри, Кэтрин Брукс и Уайт, {Брент Э.} и Анна Хаскин, Джейсон Пэк, Джек Геокарис и Динату Эльнатан и Риа Ронкильо, Рой Ким и Алам, {Зенит Х.} и Махадеван, {Вайком С.} и Фуллер, {Софи Г.}, и Сталкер, {Грант В.} и Браво, {Сара А.}, и Дина Джин, и Ли, {Джон Дж.} и Медеона Гьерджиндрей, и Михос, {Christos G.} и Forman, {Steven T.} и Subramaniam Venkatraman and McCarthy, {Patrick M.} and Thomas, {James D.} »,

note =« Информация о финансировании: этот проект был поддержан Национальными институтами Health R43HL144297 (доктору Девушкам и Чорбе) и K08HL124068 (доктору Чорбе). Доктор Томас был частично поддержан грантом Ирен Д.Фонд Прицкера. Эко спонсировала и частично финансировала это исследование. Авторские права издателя: {\ textcopyright} 2021 Авторы и Eko Devices, Inc. Опубликовано от имени Американской кардиологической ассоциации, Inc., компанией Wiley. «,

год =» 2021 «,

месяц = ​​май,

день = «4»,

doi = «10.1161 / JAHA.120.019905»,

language = «English (US)»,

volume = «10»,

journal = «Журнал Американской кардиологической ассоциации»,

issn = «2047-9980»,

publisher = «Wiley-Blackwell»,

number = «9»,

}

Аускультация с использованием искусственного интеллекта при обнаружении врожденных пороков сердца | European Heart Journal — Digital Health

Абстрактные

Цели

Компьютерная аускультация стала доступной для оказания помощи клиницистам в проведении физических обследований для выявления врожденных пороков сердца (ВПС).Однако его точность и эффективность еще предстоит оценить. Это исследование направлено на оценку точности аускультации аномальных сердечных тонов с помощью платформы для аускультации с искусственным интеллектом (AI-AA), которую мы создаем.

Методы и результаты

Первоначально в исследование были включены 1397 пациентов с ИБС. Образцы тонов их сердца были записаны и загружены на платформу с помощью цифрового стетоскопа. На платформе проводилась как удаленная аускультация командой опытных кардиологов из Шанхайского детского медицинского центра, так и автоматическая аускультация образцов сердечного звука.Образцы 35 пациентов были признаны непригодными для анализа; поэтому были проанализированы оставшиеся образцы от 1362 пациентов (средний возраст 2,4 ± 3,1 года, 46% женщины). Чувствительность, специфичность и точность были рассчитаны для удаленной аускультации по сравнению с аускультацией лицом к лицу экспертов и для автоматической аускультации искусственного интеллекта по сравнению с аускультацией лицом к лицу экспертов. Были измерены коэффициенты Каппа. По сравнению с аускультацией лицом к лицу, удаленная аускультация выявила аномальный звук сердца с чувствительностью 98%, специфичностью 91%, точностью 97% и коэффициентом каппа 0.87. AI-AA продемонстрировал 97% чувствительность, 89% специфичность, 96% точность и коэффициент каппа 0,84.

Выводы

Дистанционная аускультация и автоматическая аускультация с использованием платформы AI-AA показали высокую точность аускультации при обнаружении аномального звука сердца и продемонстрировали превосходное соответствие с аускультацией при личной встрече экспертов. Следовательно, платформа может предоставить реальный способ скрининга и обнаружения CHD.

Введение

Врожденный порок сердца (ВПС) — один из наиболее распространенных врожденных дефектов и ведущая причина смерти среди младенцев. ¹ Примерно один или два из 1000 новорожденных имеют критические ВПС и требуют инвазивного вмешательства в неонатальном периоде. ² Без своевременной диагностики и лечения примерно треть детей с ИБС умрет в течение первого года после рождения. Поэтому точное и своевременное выявление ИБС имеет решающее значение. Сообщается, что сочетание аускультации сердца и насыщения кислородом является важной и эффективной процедурой для скрининга ИБС. ² Географическое распределение медицинских ресурсов в Китае заметно несбалансировано. ³ В некоторых районах Китая шум в сердце может быть первым и единственным признаком выявления ИБС. ⁴ Некоторым врачам первичной медико-санитарной помощи обычно требуется достаточная подготовка, чтобы точно определить шум в сердце. Процесс обучения трудоемкий и требует больших усилий и ресурсов. ⁵ Неспособность точно определить шум в сердце может привести к поздней диагностике и лечению ИБС. ⁶ Проблема особенно остро стоит в связи с нехваткой медицинских ресурсов и персонала, например, специализированных детских кардиологов, в некоторых отдаленных сельских районах Китая.

Недавно стала доступна компьютерная аускультация, чтобы помочь врачам при физикальном обследовании сердца. ^{4 , 7 , 8} Это позволяет опытным кардиологам оценивать образцы сердечного звука, которые собираются и передаются из географически удаленных районов. Следовательно, дети, находящиеся в таких местах, могут быть своевременно диагностированы опытными кардиологами. Кроме того, компьютер может автоматически анализировать загруженные образцы и различать аномальные и нормальные тоны сердца, а затем быстро диагностировать.Для оценки точности компьютерной аускультации был проведен значительный объем исследований. Можно увидеть разработки алгоритмов обработки сигналов и классификации, которые были разработаны для анализа сердечных шумов. ⁵ Несмотря на все усилия, внедрение данной технологии в клиническую практику не получило широкого распространения; это связано с тем, что точность и эффективность компьютерной аускультации еще предстоит тщательно оценить. ^{4 , 6 , 8}

Таким образом, исследование было направлено на (i) создание эффективной платформы для скрининга и оценку чувствительности и специфичности дистанционной аускультации и автоматической аускультации при выявлении аномальных звуков сердца через платформа для аускультации с помощью искусственного интеллекта (AI) (AI-AA) и (ii) оценка осуществимости платформы AI-AA, которую мы создали.

Методы

Дизайн исследования и популяция

Это исследование было проведено в соответствии с Хельсинкской декларацией и одобрено этическим комитетом Шанхайского детского медицинского центра (SCMCCIRB-K2020039-1). Устное информированное согласие было получено от родителей участников. Мы включили 1397 детей с диагнозом ИБС, которые были госпитализированы в Детский медицинский центр Шанхая. Всем больным была проведена эхокардиография.Мы исключили детей, ранее оперированных по поводу ИБС. Блок-схема этого исследования показана на рис. 1 .

Рисунок 1

Блок-схема данного исследования.

Рисунок 1

Блок-схема данного исследования.

Исходные характеристики

Данные о характеристиках пациентов, включая истории болезни и диагноз, были получены из системы электронных медицинских карт нашего центра.

Платформа АИ-АА и аудиозаписи

Была создана платформа AI-AA, с помощью которой опытные кардиологи и AI могли выслушивать загруженные образцы и проводить диагностику. Платформа состояла из набора звуков сердца и системы аускультации. Он работал с цифровым стетоскопом, ноутбуком и программным приложением. Образцы звука сердца собирали с помощью цифрового стетоскопа (электронный стетоскоп 3M ™ Littmann ^® , модель 3200, Миннесота, США).Затем они были переданы через Bluetooth на ноутбук и загружены на платформу AI-AA для удаленной аускультации специалистами национального кардиологического центра. Тоны сердца с 10-секундным интервалом регистрировались в четырех основных областях аускультации — легочном клапане, аортальном клапане, митральном клапане и трикуспидальном клапане. Все записи и эхокардиограммы были сделаны в один день. После того, как сердечные тоны были загружены и переданы на платформу, опытные кардиологи могли дистанционно выслушивать образцы вовремя или сразу, если необходимо, и маркировать их, войдя на платформу с помощью компьютера.Кроме того, ИИ может обеспечить автоматическую аускультацию примерно за 5 секунд и отобразить на платформе диагностику нормальных или аномальных сердечных тонов. Об анализе каждой записи сообщалось отдельно.

Эхокардиография

Всем пациентам поставлен диагноз предоперационной эхокардиографии. Некоторым пациентам также была проведена катетеризация сердца.

Обработка тонов сердца

Сверточная нейронная сеть (CNN) обучена классифицировать тоны сердца.Мы случайным образом делим все 3000 файлов сердечного звука на пять частей равного размера, чтобы выполнить пятикратную перекрестную проверку. Каждый файл звука сердца длится 10 секунд и записывается с частотой дискретизации 4 кГц. Сначала они сегментируются на 2-х фреймы с перекрытием в 1 с. Затем каждый кадр подвергается полосовой фильтрации до 16 поддиапазонов с использованием банков фильтров гамматона. Мы используем преобразование Гильберта для извлечения признаков одномерного конверта размером 32 для каждого поддиапазона. Затем признаки огибающей 16 поддиапазонов складываются, чтобы сформировать двумерное, частотно-временное и подобное изображению представление признаков.Следовательно, каждый кадр преобразуется в двумерное изображение на входе CNN. Сеть состоит из двух сверточных слоев, слоя максимального объединения и трех полностью связанных слоев. Размер ядра сверточных слоев равен 3, количество обоих выходных каналов — 32, а шаг — 1. Шаг уровня объединения равен 2. Выходные размеры трех полностью связанных слоев — 64, 16 и 2, соответственно. Функция активации — ReLU. Размер пакета установлен на 128. Функция потерь представляет собой двоичную кросс-энтропийную потерю, потому что существует два класса: нормальный и патологический.На каждой итерации сеть настраивала параметры модели, используя обратное распространение, чтобы минимизировать разницу между предсказанной вероятностью и помеченным классом наземной истинности. Полученные вероятности кадров были усреднены как окончательный прогноз на уровне выходного файла.

Аускультация кардиологов

Личная аускультация проводилась опытными кардиологами, и их мнение считалось золотым стандартом для выявления шума в сердце.С ней сравнивались как дистанционная, так и ИИ аускультация на платформе.

Два опытных кардиолога выполнили удаленную аускультацию на платформе AI-AA и отметили аномальные сердечные тоны. Третий кардиолог был проконсультирован, чтобы преодолеть любые сомнения. Для проведения дистанционной и личной аускультации были выбраны разные кардиологи. Все кардиологи не знали о результатах эхокардиографии во время аускультации.

Статистический анализ

Были рассчитаны чувствительность, специфичность и точность дистанционной автоматической аускультации и искусственного интеллекта для обнаружения аномальных сердечных тонов с использованием платформы AI-AA.Статистический анализ выполняли с использованием программного обеспечения SPSS версии 21.0 (IBM Corp). Непрерывные значения были выражены как среднее и стандартное отклонение, тогда как категориальные значения были выражены как абсолютные числа и проценты. Категориальные переменные сравнивали с использованием критерия χ ² или точного критерия Фишера.

Согласованность между различными подходами оценивалась путем анализа коэффициента каппа ( κ ). κ коэффициенты> 0,8 считались отличным согласием.

Результаты

Образцы 35 субъектов были удалены из-за — громкого плача или неудачного сбора. Следовательно, образцы тонов сердца 1362 пациентов подходили для анализа. В исследование были включены пациенты (626 женщин, 46%) со средним возрастом 2,4 года (стандартное отклонение — 3,1, медиана — 0,9 и возрастной диапазон — от 1 дня до 15,9 лет). При личной аускультации у 1194 пациентов был диагностирован ненормальный звук сердца, а у 168 — нормальный. Кардиологические диагнозы, установленные с помощью эхокардиографии, обобщены в Таблице 1 .

Таблица 1

Диагнозы сердца, определенные с помощью эхокардиографии

2

Диагноз .	Число (%) .
Дефект межжелудочковой перегородки (VSD)	584 (43)
Дефект межпредсердной перегородки (ASD)	239 (18)
Tetralogy
Атрезия легких (PA)	85 (6)
Коарктация аорты (COA)	39 (3)
Правый желудочек с двойным выходом (DORV)	37
Стеноз аортального клапана (AS)	32 (2)
Дефект атриовентрикулярной перегородки (AVSD)	32 (2)
Митральная недостаточность (MR)	902 Открытый артериальный проток (PDA)	31 (2)
Легочный стеноз (PS)	22 (2)
Полное аномальное соединение клапана легочной артерии (TAPVC)	19 (1)
Аномалия Эбштейна	18 (1)
Коронарное происхождение из легочной артерии	12 (1)

2

Диагноз .	Число (%) .
Дефект межжелудочковой перегородки (VSD)	584 (43)
Дефект межпредсердной перегородки (ASD)	239 (18)
Tetralogy
Атрезия легких (PA)	85 (6)
Коарктация аорты (COA)	39 (3)
Правый желудочек с двойным выходом (DORV)	37
Стеноз аортального клапана (AS)	32 (2)
Дефект атриовентрикулярной перегородки (AVSD)	32 (2)
Митральная недостаточность (MR)	902 Открытый артериальный проток (PDA)	31 (2)
Легочный стеноз (PS)	22 (2)
Полное аномальное соединение клапана легочной артерии (TAPVC)	19 (1)
Аномалия Эбштейна	18 (1)
Коронарное происхождение из легочной артерии	12 (1)

Таблица 1

Диагнозы сердца, определенные с помощью эхокардиографии

2

Диагноз .	Число (%) .
Дефект межжелудочковой перегородки (VSD)	584 (43)
Дефект межпредсердной перегородки (ASD)	239 (18)
Tetralogy
Атрезия легких (PA)	85 (6)
Коарктация аорты (COA)	39 (3)
Правый желудочек с двойным выходом (DORV)	37
Стеноз аортального клапана (AS)	32 (2)
Дефект атриовентрикулярной перегородки (AVSD)	32 (2)
Митральная недостаточность (MR)	902 Открытый артериальный проток (PDA)	31 (2)
Легочный стеноз (PS)	22 (2)
Полное аномальное соединение клапана легочной артерии (TAPVC)	19 (1)
Аномалия Эбштейна	18 (1)
Коронарное происхождение из легочной артерии	12 (1)

2

Диагноз .	Число (%) .
Дефект межжелудочковой перегородки (VSD)	584 (43)
Дефект межпредсердной перегородки (ASD)	239 (18)
Tetralogy
Атрезия легких (PA)	85 (6)
Коарктация аорты (COA)	39 (3)
Правый желудочек с двойным выходом (DORV)	37
Стеноз аортального клапана (AS)	32 (2)
Дефект атриовентрикулярной перегородки (AVSD)	32 (2)
Митральная недостаточность (MR)	902 Открытый артериальный проток (PDA)	31 (2)
Легочный стеноз (PS)	22 (2)
Полное аномальное соединение клапана легочной артерии (TAPVC)	19 (1)
Аномалия Эбштейна	18 (1)
Коронарное происхождение из легочной артерии	12 (1)

Результаты удаленной аускультации кардиологами с использованием платформы AI-AA сравнивались с результатами прямой аускультации. выслушивание лица.Результаты показали, что дистанционная аускультация кардиологов выявила аномальные сердечные тоны с чувствительностью, специфичностью и точностью 98% [95% доверительный интервал (ДИ): 97–99%], 91% (95% ДИ: 87–95%), и 97% (95% ДИ: 96–98%) соответственно. Коэффициент k оказался равным 0,87 (95% ДИ: 0,83–0,91). См. Таблица 2 .

Таблица 2 Дистанционная аускультация

кардиологов в сравнении с личной аускультацией

902 902 902 902 902 9022 9022 9022 902

Дистанционная аускультация .	Личная аускультация .		.
	Аномальный звук сердца .	Нормальный тон сердца .	Итого .
Аномальный звук сердца	1171	15	1186
Нормальный звук сердца	23	153	176

902 902 902 902 902 9022 9022 9022 902

Удаленная аускультация .	Личная аускультация .		.
	Аномальный звук сердца .	Нормальный тон сердца .	Итого .
Аномальный звук сердца	1171	15	1186
Нормальный звук сердца	23	153	176

Таблица 2

Дистанционная аускультация кардиологов в сравнении с личной аускультацией

902 902 902 902 902 9022 9022 9022 902

Дистанционная аускультация .	Личная аускультация .		.
	Аномальный звук сердца .	Нормальный тон сердца .	Итого .
Аномальный звук сердца	1171	15	1186
Нормальный звук сердца	23	153	176

902 902 902 902 9022 9022 9022 902

Удаленная аускультация .	Личная аускультация .		.
	Аномальный звук сердца .	Нормальный тон сердца .	Итого .
Аномальный звук сердца	1171	15	1186
Нормальный звук сердца	23	153	176

Автоматическая аускультация AI сравнивалась с аускультацией лицом к лицу.Результаты показали, что автоматическая аускультация AI обнаруживает аномальные сердечные тоны с чувствительностью, специфичностью и точностью 97% (95% ДИ: 96–98%), 89% (95% ДИ: 84–94%) и 96%. (95% ДИ: 95–97%) соответственно. Коэффициент k составил 0,84 (95% ДИ: 0,79–0,88). Более подробную информацию можно найти в Таблица 3 .

Таблица 3 Автоматическая аускультация

AI в сравнении с аускультацией лицом к лицу

902 902 902 902 902 902 902 902 902 902 902 902 9022 9022 902

AI .	Личная аускультация .		.
	Аномальный звук сердца .	Нормальный тон сердца .	Итого .
Аномальный звук сердца	1162	18	1180
Нормальный звук сердца	32	150	182

902 902 902 902 902 902 902 902 902 902 902 902 9022 9022 902

AI .	Личная аускультация .		.
	Аномальный звук сердца .	Нормальный тон сердца .	Итого .
Аномальный звук сердца	1162	18	1180
Нормальный звук сердца	32	150	182

Таблица 3 Автоматическая аускультация

AI в сравнении с аускультацией лицом к лицу

902 902 902 902 902 902 902 902 902 902 902 902 9022 9022 902

AI .	Личная аускультация .		.
	Аномальный звук сердца .	Нормальный тон сердца .	Итого .
Аномальный звук сердца	1162	18	1180
Нормальный звук сердца	32	150	182

902 902 902 9022 9022 9022 902 902 902 902 902 9022 902 902

AI .	Личная аускультация .		.
	Аномальный звук сердца .	Нормальный тон сердца .	Итого .
Нарушение тона сердца	1162	18	1180
Нормальный звук сердца	32	150	182

Дополнительно мы проанализировали характеристики фонокардиограмм сердечных тонов с помощью ИИ.Репрезентативные фонокардиограммы пациентов с дефектом межжелудочковой перегородки и митральной регургитацией с диагнозом AI показаны на Рис. 2 . Каждая фонокардиограмма представлена ​​как исходной, так и преобразованной вейвлет-сигналом. Шумы в сердце обычно наблюдаются между первым (S1) и вторым (S2) тоном сердца.

Рисунок 2

Репрезентативные фонокардиограммы диагноза AI по сравнению с аускультацией лицом к лицу. ( A ) Типичная фонокардиограмма пациента с ДМЖП.( B ) Типичная фонокардиограмма пациента с МРТ. Каждая фонокардиограмма представлена ​​в виде двух волновых форм ( и ), исходной формы волны тона сердца и ( b ) волны после вейвлет-преобразования. Шумы в сердце расположены между первым (S1) и вторым (S2) тоном сердца.

Рисунок 2

Репрезентативные фонокардиограммы диагностики AI по сравнению с аускультацией лицом к лицу. ( A ) Типичная фонокардиограмма пациента с ДМЖП. ( B ) Типичная фонокардиограмма пациента с МРТ.Каждая фонокардиограмма представлена ​​в виде двух волновых форм ( и ), исходной формы волны тона сердца и ( b ) волны после вейвлет-преобразования. Шумы в сердце расположены между первым (S1) и вторым (S2) тоном сердца.

Обсуждение

Мы создали платформу AI-AA и оценили точность обнаружения аномальных тонов сердца у пациентов с ИБС, поступивших на операцию, с помощью удаленной аускультации опытными кардиологами и AI.Мы сравнили как дистанционную аускультацию, так и аускультацию искусственным интеллектом с аускультацией лицом к лицу опытными кардиологами. Мы обнаружили, что как дистанционная аускультация кардиологов, так и автоматическая аускультация с использованием искусственного интеллекта с использованием платформы имели более высокую чувствительность и специфичность и показали отличное согласие с аускультацией при личной встрече.

Традиционно для выслушивания тонов сердца используется стетоскоп. Методика во многом зависит от клинического опыта и обширной тренировки слуха.Это важный шаг для ранней диагностики ИБС. Несмотря на низкую стоимость, традиционная аускультация ограничена в условиях ограниченных ресурсов и нехватки квалифицированных кардиологов. ⁹ В нашей стране из-за отсутствия достаточных способностей к аускультации у врачей первичного звена, расположенных в некоторых сельских районах, дети с ИБС из таких районов часто остаются необнаруженными. Это приводит к поздней диагностике и лечению. Предыдущее исследование показало, что уровень пропущенного диагноза тяжелой ИБС до выписки из роддома составлял 71%. ¹⁰ Следовательно, очень важно проводить скрининг на ИБС в раннем неонатальном периоде. Появление и развитие электронных стетоскопов способствует более совершенной дистанционной диагностике и, следовательно, своевременному выявлению ИБС в сельской местности. ^{11 , 12} Предыдущие исследования показали, что удаленная аускультация экономически эффективна для скрининга ИБС и обеспечивает надежный диагноз. ^{11 , 13} Однако их результаты были ограничены небольшим размером выборки.В этом исследовании тоны сердца 1397 пациентов были записаны с помощью цифрового стетоскопа и загружены на установленную платформу AI-AA. Мы обнаружили, что удаленная аускультация может обнаруживать аномальные сердечные тоны с высокой точностью 97% по сравнению с традиционной аускультацией лицом к лицу. Было достигнуто тесное согласие между удаленной аускультацией и аускультацией лицом к лицу, что предполагает, что удаленная аускультация кардиологами через платформу AI-AA может достигать результатов, аналогичных аускультации лицом к лицу.Своевременное и точное обнаружение шумов в сердце у пациентов с ИБС в отдаленных районах, где медицинские ресурсы скудны и ограничены, может быть достигнуто с помощью платформы AI-AA. В этом случае детям был поставлен своевременный и точный диагноз, что позволило сократить отсрочку лечения. Используя установленную платформу AI-AA, можно сэкономить большое количество времени и затрат на обучение традиционному обнаружению ИБС в отдаленных районах. Местным педиатрам нужен только цифровой стетоскоп и iPad, чтобы собирать и загружать тоны сердца.

Наблюдается значительный рост интереса к использованию технологии искусственного интеллекта для аускультации сердца для выявления ИБС. Алгоритмы искусственного интеллекта достигли большого прогресса в обнаружении шумов в сердце. ^{5 , 6 , 14–16} Однако, прежде чем рекомендовать их клиническое использование, требуется несколько клинических проверок, чтобы подтвердить их точность. Предыдущие исследования подтвердили точность диагнозов ИИ. Однако размер их выборки был небольшим. ^{4 , 7 , 17} В этом исследовании были записаны тоны сердца 1362 пациентов, что на сегодняшний день является самым большим размером выборки, насколько нам известно.Мы сравнили аускультацию с помощью искусственного интеллекта с аускультацией лицом к лицу опытными кардиологами и обнаружили, что аускультация с помощью искусственного интеллекта правильно выявила аномальные сердечные тоны с чувствительностью 97% и специфичностью 89%. Аускультации AI обладают высокой чувствительностью и специфичностью для обнаружения аномальных сердечных тонов, аналогичными уровням, о которых сообщается при аускультации лицом к лицу. Это делает аускультацию ИИ потенциально полезным инструментом для скрининга ИБС. По сравнению с обычными алгоритмами, наш метод использует CNN для изучения представления признаков.CNN может повысить точность диагностики, используя массивные данные и непрерывное обучение. Более того, разработанная сверточная сеть использует преимущества локальной пространственной когерентности и имеет меньший вес, поскольку некоторые параметры являются общими, что делает ее лучшим выбором для извлечения признаков. ^{6 , 18} Несмотря на то, что записи были сделаны в загруженной клинической среде, алгоритм мог отфильтровать шум и обнаруживать аномальные сердечные тоны с высокой точностью, аналогичной таковой у кардиолога, что указывает на его потенциальную клиническую осуществимость.Пятьдесят (3,6%) записей были неправильно диагностированы. Причины этих ошибочных диагнозов включают наличие волн малой амплитуды и плохое качество звука. Для этих записей, поскольку и кардиологи, и искусственный интеллект могут непрерывно выполнять аускультацию и маркировать результаты на платформе, алгоритм можно непрерывно обучать и оптимизировать для получения более высокой точности аускультации в будущем.

Ограничения

Полученные данные проливают свет на высокую точность аускультации и возможность применения платформы AI-AA для выявления ВПС.Однако есть некоторые ограничения. Сначала всем пациентам поставили диагноз ИБС и подготовили к операции на сердце. Это может вызвать некоторую предвзятость. По этой причине мы держим кардиологов слепыми к диагнозу пациентов, чтобы уменьшить систематическую ошибку. Во-вторых, из-за большого количества пропущенных диагнозов в некоторых регионах нашей страны многие дети не могут быть диагностированы и вылечены вовремя, что стало тяжелым бременем для общества. Таким образом, платформа направлена ​​на обнаружение аномальных сердечных тонов без различения невинных и патологических шумов в сердце.Это может вызвать небольшую потерю ресурсов. Учитывая высокий уровень обнаружения и точность платформы, мы считаем, что это того стоит.

Заключение

В этом исследовании мы создали платформу AI-AA и продемонстрировали, что она очень точна при обнаружении аномального звука сердца и продемонстрировала отличное согласие с результатами личной аускультации экспертов. Он имеет большой потенциал для использования для скрининга ИБС у детей из отдаленных районов, где отсутствие навыков и технологий препятствует своевременному выявлению ИБС.Раннее выявление ИБС у детей из отдаленных районов стало возможным благодаря внедрению платформы AI-AA.

Благодарности

Мы хотели бы поблагодарить Editage (www.editage.com) за редактирование на английском языке, Shanghai FitGreat Network Technology Corporation за координацию исследования и Jihong Huang за статистические консультации.

Финансирование

Это исследование было поддержано Шанхайским комитетом по науке и технологиям (194410), Шанхайской городской комиссией экономики и информатизации (Шанхайский экспериментальный сценарий применения искусственного интеллекта), Национальным фондом естественных наук Китая (81970267 и

464), Шанхайской городской комиссией здравоохранения (2019SY046). ), Комиссия по науке и технологиям муниципалитета Шанхая (20025800300) и Медицинский факультет Шанхайского университета Цзяотун (Zh3018ZDA24 и DLY201815).

Справка о доступности данных

Авторы подтверждают, что данные, подтверждающие выводы настоящего исследования, доступны в статье и дополнительных материалах к ней.

Конфликт интересов: не объявлен.

Список литературы

1

Бенджамин

EJ

,

Muntner

P

,

Алонсо

А

,

Bittencourt

MS

,

Callaway

CW

,

Карсон

AP

,

Чемберлен

AM

,

Чанг

AR

,

Ченг

S

,

Das

SR

,

Деллинг

FN

,

Djousse

L

,

Элкинд

MSV

,

Фергюсон

JF

,

Fornage

M

,

Иордания

LC

,

Хан

SS

,

Кисела

BM

,

Кнутсон

KL

,

Кван

TW

,

Лэкленд

DT

,

Льюис

TT

,

Lichtman

JH

,

Longenecker

CT

,

Петля

MS

,

Лютси

PL

,

Мартин

SS

,

Мацусита

К

,

Моран

AE

,

Муссолино

ME

,

О’Флаэрти

М,

,

Пандей

А,

,

Перак

AM

,

Розамонд

WD

,

Рот

GA

,

Сампсон

UKA

,

Satou

GM,

,

Шредер

EB

,

Шах

Ш

,

Спартано

NL

,

Стокса

А

,

Тиршвелл

DL

,

Tsao

CW

,

Турахия

МП

,

VanWagner

LB

,

Wilkins

JT,

,

Вонг

SS

,

Вирани

SS

; Комитет по статистике эпидемиологии и профилактики Американской кардиологической ассоциации и Подкомитет по статистике инсульта.

Обновление статистики сердечных заболеваний и инсульта за 2019 г .: отчет Американской кардиологической ассоциации

.

Тираж

2019

;

139

:

e56

—

e528

,2

Чжао

QM

,

млн. Лет

XJ

,

Ge

XL

,

Лю

Ф

,

Ян

WL

,

Wu

L

,

Ye

M

,

Лян

XC

,

Чжан

Дж

,

Гао

Y

,

Jia

B

,

Хуанг

GY

; Группа скрининга неонатальных врожденных пороков сердца.

Пульсоксиметрия с клинической оценкой для скрининга врожденных пороков сердца у новорожденных в Китае: проспективное исследование

.

Ланцет

2014

;

384

:

747

—

754

.3

He

Y

,

Xu

Вт

,

Su

Z

,

Лю

К,

,

Чжан

Х.

Решение проблемы растущего бремени врожденных пороков сердца в Китае

.

Ланцет для здоровья детей и подростков

2020

;

4

:

e7

.4

Ли

C

,

Ранкин

КН

,

Zuo

кДж,

,

Mackie

AS.

Компьютерная аускультация шумов у детей: оценка имеющегося в продаже программного обеспечения

.

Cardiol Young

2016

;

26

:

1359

—

1364

.5

Ахмад

MS

,

Мир

Дж

,

Улла

MO

,

Шахид

М,

,

Syed

MA.

Эффективная система распознавания шумов в сердце и классификации сердечно-сосудистых заболеваний

.

Australas Phys Eng Sci Med

2019

;

42

:

733

—

743

,6

Канг

S

,

Дорошоу

R

,

МакКонахи

Дж,

,

Шехар

р.

Автоматическая идентификация невинного ропота у детей

.

IEEE Trans Biomed Eng

2017

;

64

:

1326

—

1334

,7

Преториус

E

,

Cronje

ML,

,

Стридом

О.

Разработка детской кардиологической компьютерной системы поддержки принятия решений при аускультации

.

Conf Proc IEEE Eng Med Biol Soc

2010

;

2010

:

6078

—

6082

.8

Томпсон

WR

,

Рейниш

AJ

,

Унтербергер

МДж,

,

Schriefl

AJ.

Аускультация сердечных шумов с помощью искусственного интеллекта: подтверждение виртуальным клиническим испытанием

.

Педиатр Кардиол

2019

;

40

:

623

—

629

,9

Ленг

S

,

Тан

RS

,

Чай

КТ

,

Ван

С

,

Ghista

D,

,

Чжун

Л.

Электронный стетоскоп

.

Biomed Eng Online

2015

;

14

:

66

.10

млн лет назад

X-J,

,

Хуанг

G-Y.

Текущее состояние скрининга, диагностики и лечения неонатальных врожденных пороков сердца в Китае

.

World J Pediatr

2018

;

14

:

313

—

314

.11

Pyles

L

,

Hemmati

P

,

Поддон

J

,

Ю

Х

,

Лю

К

,

Ван

Дж

,

Цакистос

А

,

Желева

Б

,

Шао

Вт,

,

Ni

Q.

Первые полевые испытания облачной системы аускультации сердца для определения этиологии шума в сельских районах Китая

.

Педиатр Кардиол

2017

;

38

:

656

—

662

.12

Лахе

A

,

Содхи

I

,

Warrier

J,

,

Sinha

V.

Разработка цифрового стетоскопа для телемедицины

.

J Med Eng Technol

2016

;

40

:

20

—

24

,13

Finley

JP

,

Уоррен

AE

,

Шаррат

GP,

,

Амит

м.

Оценка тонов сердца детей на расстоянии с помощью цифровых записей

.

Педиатрия

2006

;

118

:

2322

—

2325

.14

Андрисевич

N

,

Ejaz

K

,

Риос-Гутьеррес

F

,

Альба-Флорес

R

,

Nordehn

G,

,

Бернс

С.

Обнаружение шумов в сердце с помощью вейвлет-анализа и искусственных нейронных сетей

.

J Biomech Eng

2005

;

127

:

899

—

904

.15

El-Segaier

M

,

Лиля

O

,

Луккаринен

S

,

Сорнмо

L

,

Сеппонен

R,

,

Песонен

E.

Компьютерное определение и анализ звука и шума сердца

.

Энн Биомед Энг

2005

;

33

:

937

—

942

.16

Zuhlke

L

,

Майер

L,

,

Mayosi

BM.

Перспективы компьютерной аускультации при скрининге структурных заболеваний сердца и клиническое обучение

.

Cardiovasc J Afr

2012

;

23

:

405

—

408

,17

Grgic-Mustafic

R

,

Baik-Schneditz

N

,

Schwaberger

B

,

Mileder

L

,

Binder-Heschl

C

,

Анютины глазки

Дж

,

Koestenberger

M

,

Урлесбергер

Б

,

Авиан

А,

,

Пихлер

Г.

Новый алгоритм для скрининга шумов в сердце с использованием компьютерной аускультации у новорожденных: проспективное одноцентровое пилотное обсервационное исследование

.

Минерва Педиатр

2019

;

71

:

221

—

228

.18

Кочарян

A

,

Сепехри

AA

,

Janani

A,

,

Малакан-Рад

E.

Эффективность, чувствительность и специфичность автоматического аускультационного диагностического прибора для обнаружения и распознавания шумов в сердце у детей

.

Иран Дж. Педиатр

2013

;

23

:

445

—

450

.

Заметки автора

© Автор (ы) 2021. Опубликовано Oxford University Press от имени Европейского общества кардиологов.

Это статья в открытом доступе, распространяемая в соответствии с условиями некоммерческой лицензии Creative Commons Attribution (http://creativecommons.org/licenses/by-nc/4.0/), которая разрешает некоммерческое повторное использование, распространение, и воспроизведение на любом носителе при условии правильного цитирования оригинала.По вопросам коммерческого повторного использования обращайтесь по адресу [email protected].

Алгоритм глубокого обучения для автоматического обнаружения сердечных шумов с помощью платформы цифрового стетоскопа

Резюме

Предпосылки У клиницистов есть различия в их способности обнаруживать шум во время аускультации сердца и определять лежащую в основе патологию. Подходы глубокого обучения показали себя многообещающими в медицине, превратив собранные данные в клинически значимую информацию.

Цель Целью данного исследования является оценка эффективности алгоритма глубокого обучения для обнаружения шумов и клинически значимых пороков сердца с использованием записей с коммерческой платформы цифрового стетоскопа.

Методы Используя более 34 часов ранее полученных и аннотированных записей сердечного звука, мы обучили глубокую нейронную сеть обнаруживать шумы. Чтобы протестировать алгоритм, мы включили 373 пациента в клиническое исследование и собрали записи в четырех местах первичной аускультации.Основополагающая истина была установлена ​​с использованием эхокардиограмм пациентов и аннотаций трех опытных кардиологов.

Результаты Чувствительность и специфичность алгоритма обнаружения шумов составляют 76,3% и 91,4% соответственно. Путем исключения более мягких шумов (уровень шума 1) чувствительность повышается до 90,0%. Алгоритм обнаруживает стеноз аорты от умеренной до тяжелой или большей степени с чувствительностью 97,5% и специфичностью 77,7% и обнаруживает митральную регургитацию от умеренной до тяжелой или большей степени с чувствительностью 64.0% и специфичность 90,5%.

Заключение Способность алгоритма глубокого обучения обнаруживать шумы, клинически значимый стеноз аорты и митральную регургитацию сравнима с возможностями опытных кардиологов. Результаты исследования подтверждают надежность и полезность таких алгоритмов в качестве передовых инструментов клинической поддержки для помощи клиницистам в скрининге сердечных шумов, вызванных пороком клапанов сердца.

Введение

Стетоскоп — это культовый медицинский инструмент, почти синоним западной медицины.С ним легко обращаться, он недорогой, и его использование повсеместно признано — даже ожидаемо — как часть медицинского осмотра. Тем не менее, чтобы стетоскоп был полезным инструментом, он требует, чтобы провайдер улавливал и правильно интерпретировал диагностические звуки пациента. Хотя почти все провайдеры могут выполнять аускультацию с минимальным обучением, интерпретация собранных данных затруднена даже для опытных и специализированных провайдеров. Надежность между наблюдателями для идентификации классического аускультативного результата — «шума» — в лучшем случае удовлетворительна ^1,2 , а способность провайдера идентифицировать истинную патологию, лежащую в основе этого вывода, еще хуже ³ .Более того, эти проблемы усугубляются шумной и суетливой обстановкой, что является нормой в современной практике. Несмотря на скудность данных в этой области, как ни странно, эти выводы верны для широкого круга поставщиков медицинских услуг. Поскольку аускультация сердца остается краеугольным камнем физического обследования, диагностическая помощь в ее интерпретации может оказаться очень полезной.

Классическое обучение аускультативному исследованию сердца и, в частности, шумов, сосредоточено на диагностике порока сердца.Во всем мире порок клапанов сердца (ВПС) является основной причиной смертности и снижения качества жизни десятков миллионов пациентов во всем мире ^4–8 . По мере увеличения продолжительности жизни увеличивается и распространенность ВБС у пожилых людей. Ежегодная смертность от VHD в США с 1979 года увеличивалась на 2,8% каждый год и, по прогнозам, удвоится в течение следующих 25 лет ^5,9 . Многие формы ВБС проявляются длительным бессимптомным периодом, который может быть опасен, если его не выявить. Было показано, что у пациентов с бессимптомным тяжелым стенозом аорты (AS), распространенной формой VHD, которые не подвергаются немедленной замене аортального клапана, частота внезапной смерти составляет 3–13% ¹⁰ в год.

Эхокардиография остается золотым стандартом диагностики ВБС, учитывая минимальный физический риск и отличные тестовые характеристики ¹¹ . Тем не менее, для эхокардиографии требуются как высококвалифицированные сонографы для сбора данных, так и интерпретация изображений квалифицированными кардиологами. Соответственно, эхокардиография стоит дорого: только для участников программы Medicare общие ежегодные затраты составляют 1,2 миллиарда долларов ¹² . Несмотря на широкое распространение, он также требует наличия подозрений со стороны направляющего врача и может быть недоступен на местном уровне для пациентов в районах с недостаточным медицинским обслуживанием.Поскольку VHD ассоциируется с результатами аускультации ¹³ из учебников, аускультация сердца может быть широко распространенным, быстрым и недорогим инструментом для улучшения доступа к скринингу VHD, облегчения более раннего выявления VHD и уменьшения необходимости в ненужной эхокардиографии. Чтобы приступить к решению этой проблемы, мы исследовали полезность платформы электронного стетоскопа для разработки алгоритма глубокого обучения для выявления сердечных шумов.

Подходы глубокого обучения показали впечатляющие результаты в решении проблем в области медицины в последние годы, используя данные визуализации, такие как радиологические исследования ¹⁴ и эхокардиограммы ¹⁵ для разработки интерпретирующих алгоритмов.Интерес к использованию глубокого обучения для анализа звука с помощью стетоскопа также расширился в последние годы, что привело к его приложениям для классификации звуков легких ¹⁶ и сердца ¹⁷ . Действительно, независимо разработанный алгоритм, ориентированный на бинарное различие между патологией и нормой, прошел положительные испытания в педиатрической когорте, что вселяет уверенность в этом подходе ¹⁸ . Глубокое обучение также показало многообещающие возможности использования вспомогательных данных, которые не должны быть частью исходного набора данных ¹⁹ , демонстрируя его способность превращать, казалось бы, тривиальные данные в полезную информацию.Основываясь на традиционном обучении кардиологов выявлению и сортировке патологии клапана на основе аускультативных характеристик, мы выдвинули гипотезу о том, что можно разработать подход глубокого обучения, который будет работать так же, если не лучше, чем эти специалисты.

Методы

Разработка алгоритма

Алгоритм обнаружения сердечных шумов Eko был одобрен FDA 510 (k) очистки ²⁰ и интегрирован с цифровым стетоскопом Eko и программной платформой ЭКГ для оценки записей одного сердечного звука.Алгоритм был обучен на записях из коллекции, соответствующей требованиям HIPAA, состоящей из 400 000 аудиозаписей с электронных стетоскопов Eko CORE и DUO. Обучающий набор состоял из 5 878 деидентифицированных аудиозаписей общей продолжительностью более 34 часов от 5 318 уникальных пациентов. Первоначально записи были выбраны случайным образом из первых 60 000 собранных записей, а затем отобраны подгруппы, чтобы обеспечить достаточное количество примеров шума для обучения модели. Таким образом, качество обучающих данных является репрезентативным для того, что мы ожидаем от реального клинического использования.Записи тестового набора, используемые для измерения эффективности классификации обученного алгоритма, полностью отделены и собираются специально для этой цели.

Чтобы завершить набор тренировок для задачи контролируемого обучения, аудиозаписи и фонокардиограммы (PCG) были просмотрены и помечены одним врачом как один из трех классов: отсутствие шума в сердце, шум в сердце или плохой сигнал. Записи звуков легких, шума, человеческой речи и т. Д. Были примерами данных, помеченных как плохой сигнал.

Модель нейронной сети, используемая для классификации PCG, использует архитектуру глубокой сверточной нейронной сети ResNet ²¹ .Перед отправкой в ​​модель входные записи фильтруются с использованием высокочастотного фильтра Баттерворта 8 ^{-го порядка} на 30 Гц и субдискретизируются до 2000 Гц. Конечным выходом сети является трехкомпонентное распределение вероятностей, используемое для классификации записи.

Сквозной алгоритм принимает последовательность двоичных решений для получения одного из трех возможных выходов. Во-первых, он определяет, имеет ли запись достаточное качество сигнала, чтобы классифицировать его как шум / отсутствие шума, используя выходной сигнал нейронной сети, соответствующий «плохому сигналу», в качестве меры качества сигнала.Если качество сигнала оказывается ниже заранее заданного порога, запись классифицируется как «плохой сигнал». В противном случае классификатор затем определяет, показывает ли сигнал наличие «шума в сердце» или его можно классифицировать как «отсутствие шума в сердце» на основе другого установленного порогового значения. Все параметры модели и пороги фиксируются во время обучения.

Для проверки сквозного алгоритма отдельные специалисты-клиницисты были задействованы для аннотирования тестового набора из 1774 записей, собранных у 373 пациентов в ходе текущего многоцентрового исследования.Для этапа классификации двоичного сигнала хороший / плохой выходной сигнал алгоритма качественно сравнивался с аннотациями качества сигнала. На последнем этапе обнаружения шума выходные данные алгоритма сравниваются с аннотациями наличия систолического и диастолического шума с использованием первичных аналитических мер чувствительности и специфичности. В качестве вторичного анализа была рассчитана чувствительность и специфичность для PCG, стратифицированных по положению и устройству записи, в то время как чувствительность была рассчитана для PCG с шумами, стратифицированными по степени.

Чтобы показать, что алгоритм выявляет шумы, связанные с клинически значимыми VHD, такими как стеноз аорты и митральная регургитация, мы дополнительно сравниваем прогнозы для подгруппы пациентов из набора тестов с эхокардиографической оценкой VHD.

Дизайн клинического исследования

Чтобы получить данные для тестирования, мы предприняли перекрестное исследование субъектов, поступающих в лабораторию эхокардиографии и клиники структурных заболеваний сердца в больнице Northwestern Memorial Hospital (Чикаго, Иллинойс) и Медицинском центре UCSF (Сан-Франциско). , CA) для получения парных записей электронного стетоскопа с результатами клинической эхокардиографии.По возможности, мы предварительно проверили потенциальных субъектов на предмет наличия подозреваемых пороков сердца, чтобы обогатить нашу целевую популяцию сердечных шумов. Протокол был одобрен как исследование минимального риска каждой из институциональных комиссий участвующих центров, и все пациенты дали письменное информированное согласие.

Записи стетоскопа

Записи фонокардиограммы (ФКГ) были выполнены обученным исследовательским персоналом для каждого объекта стандартизированным способом. Каждому субъекту выполнялись 15-секундные записи в четырех стандартных положениях аускультации (аортальный: 2 ^nd межреберье, правая граница грудины; легочный: 2 ^nd межреберное пространство, левый край грудины; трикуспидальный канал: 5 ^th межреберье, левое грудинное пространство. граница; митральный: 5 ^-е межреберье, срединно-ключичная линия).Эти записи были получены с помощью стандартного клинически доступного мобильного приложения Eko, подключенного по беспроводной сети сначала к стетоскопу Eko CORE, а затем к Eko DUO. Записанные данные PCG и ЭКГ были сохранены в виде файлов WAV с частотой дискретизации 16 бит, 4000 и 500 Гц, соответственно, и были синхронизированы в реальном времени с облачным хранилищем, совместимым с HIPAA, и отправлены в алгоритмы для анализа. Записи аускультации были просмотрены исследователями для контроля качества.

Аннотации фонокардиограмм

Используя специализированную веб-платформу, эксперты-аннотаторы прослушивали записи сердечного звука в наушниках, просматривая график ГКГ.Экспертами-аннотаторами были кардиологи, прошедшие стажировку по кардиологии и каждый из которых имел не менее 10 лет клинической практики. Две сенсорные модальности помогли аннотаторам оценить качество сигнала (шкала от 1 до 5 с определенной рубрикой), наличие систолического и диастолического шума (истинный или ложный для каждого) и степень (шкалы Левина 1-6 или 1-4 ²² ). Поскольку степень шума определялась только путем записи, систолический шум 5 и 6 степени не использовался. Чтобы установить единый набор достоверных меток для записи, мы собрали ответы трех кардиологов.Для бинарного присутствия каждого типа шума мы использовали большинство голосов. Для качества сигнала и уровня шума, оба из которых были необязательными, мы использовали медианное значение ответов, если их было три, и арендодателя, если их было только два.

Эхокардиографические данные

Отчеты о клинических эхокардиограммах соответствовали рекомендациям Американского общества эхокардиографии (ASE), которые позволяли классифицировать VHD следующим образом: нет, легкая, умеренная или тяжелая. ^23,24 Лаборатории эхокардиографии в наших исследовательских центрах включали дополнительные категории тривиальных, от незначительных до легких, от легких до умеренных, от умеренных до тяжелых и критических.Окончательные клинические отчеты об эхокардиограммах субъектов были деидентифицированы и связаны с субъектами исследования в местах исследования, с особым вниманием к наличию и степени клапанного стеноза и регургитации каждого из четырех клапанов. Для нашей скрининговой оценки заболеваний мы определяем «клинически важные» или «значимые» случаи ВБС как случаи, классифицированные от умеренной до тяжелой или более тяжелой, поскольку это может охватывать все уровни заболевания, которые могут потребовать своевременного вмешательства, помимо серийного мониторинга.Мы определяем контрольную группу как субъектов без клапанных, структурных или врожденных пороков сердца, без клапанной регургитации или стеноза сверх тривиальной или физиологической степени тяжести.

Статистический анализ

Анализ и визуализация данных выполнялись на Python с использованием стандартных пакетов numpy, pandas, seaborn и matplotlib. Доверительные интервалы вычислялись методом начальной загрузки, а не приближениями, которые требуют допущений о распределении данных. Для сравнения пропорций, таких как чувствительность, на разных выборках данных, для статистической значимости использовался критерий хи-квадрат «N-1».

Результаты

Популяция валидационного исследования

Из 373 субъектов 362 имели достаточную эхокардиографическую информацию для включения в окончательный анализ, и их характеристики суммированы в таблице 1. Популяция пациентов имела тенденцию к пожилому населению, была преимущественно белой и почти поровну по полу, что соответствует случаям клапанных пороков сердца, наблюдаемых в академических медицинских центрах.

Таблица 1:

Характеристики исследуемых пациентов

Эффективность обнаружения шума

Сначала мы сравнили выходные данные алгоритма на тестовом наборе из 1774 записей с их аннотированными наземными истинами.Кардиологи оценили шум / отсутствие шума и порядковую оценку для каждой из этих записей, в то время как алгоритм реагировал на шум / отсутствие шума только для записей с достаточным качеством сигнала. Чтобы оценить эффективность этого скрининга «плохого сигнала», который исключил 226 записей из последующего обнаружения шума, мы построили гистограммы медианного качества звука аннотатора, разбитые по выходным данным алгоритма на Рисунке 1. Мы заметили, что записи «плохого сигнала» имеют низкие оценки качества сигнала аннотатора. , показывая, что алгоритм не предотвращает анализ потенциальных шумов при хорошей записи.Алгоритм смог просмотреть 1548 записей или 87% тестового набора и, таким образом, стал бы полезным клиническим инструментом. Весь дальнейший анализ производительности был основан на этом подмножестве тестового набора.

Рисунок 1:

Прогнозируемое и аннотированное качество сигнала показывает хорошее согласие. График справа показывает, что записи, предсказанные алгоритмом как «плохой сигнал», имеют низкое качество сигнала по оценке аннотаторов-кардиологов.

Отфильтровывая только хорошие записи сигнала, мы напрямую сравнили прогноз с клинически определенной достоверной информацией в матрице неточностей в таблице 2.Эффективность алгоритма имела чувствительность и специфичность для обнаружения шумов 76,3% (95% ДИ: 72,9–79,3%) и 91,4% (95% ДИ: 89,6–93,1%), соответственно (Таблица 3), и прогностическая ценность положительного результата 86,6 % (95% ДИ: 84,0–89,3%) с использованием распространенности шума из этого набора тестов. Положительные и отрицательные отношения правдоподобия составляют 8,89 (95% ДИ: 7,35–11,08) и 0,259 (95% ДИ: 0,225–0,297), соответственно (Таблица 3).

Таблица 2:

Матрица неточностей для обнаружения шума при однократной записи с использованием достоверных данных аннотатора.

Таблица 3:

Чувствительность обнаружения шума по оценке кардиолога по степени интенсивности

Чувствительность нашего алгоритма по сравнению с аннотациями может показаться низкой, по крайней мере частично, потому что эксперты-аннотаторы сами были очень чувствительны и могли слышать шумы очень низкой степени. Отсутствие мягких шумов (степень 1, агрегированная аннотатором), которые с меньшей вероятностью указывают на значимое заболевание ^2,25,26 , чувствительность значительно увеличилась до 90,0% ( p <0,0001, таблица 3).

Затем мы оценили, отличается ли производительность нашего алгоритма в зависимости от аускультативного местоположения.Этот анализ представлен в таблице 4. В целом эти характеристики были схожими, о чем свидетельствуют перекрывающиеся доверительные интервалы. Примечательно, что в этой подгруппе было больше записей в позиции легочной артерии, поскольку меньшее количество записей в этой позиции было удалено алгоритмом как «плохой сигнал».

Таблица 4:

Работа алгоритма по позиции аускультации

Записи производятся с двух устройств: стетоскопа Eko CORE и Eko DUO, который также записывает ЭКГ в 1 отведении.Таким образом, мы оценили, отличается ли производительность алгоритма в зависимости от конкретного устройства, используемого для захвата звуков. Характеристики обнаружения для каждого устройства приведены в таблице 5, при этом чувствительность записей CORE немного, но значительно выше, чем у записей DUO ( p <0,05). Однако при контроле качества сигнала (таблица 6) алгоритм не всегда более чувствителен к записям CORE, что является примером хорошо известного парадокса Симпсона.

Таблица 5:

Производительность алгоритма записывающим устройством

Таблица 6:

Производительность алгоритма в зависимости от качества сигнала и устройства записи.Чувствительности CORE и DUO существенно различаются только при p <0,05 для записей с качеством сигнала, равным 2.

Допуская изменение границы положительного и отрицательного решения алгоритма, мы можем построить кривую рабочей характеристики приемника (ROC), чтобы показать разные компромиссы между чувствительностью и специфичностью. Однако одобренный FDA алгоритм обнаружения шума работает в одной точке на этой кривой ROC с характеристиками, описанными выше. На рисунке 2 показана эта кривая ROC с наложенной рабочей точкой программного обеспечения Eko.Стратификация кривой ROC на основе степени шума снова показывает, что алгоритм обнаружения работает со значительно улучшенными характеристиками с более высокой степенью шума (рис. 2, зеленая линия).

Рисунок 2:

Производительность алгоритма обнаружения шума. Показаны кривые ROC для всех записей (синий) и шумы, отфильтрованные по минимальной интенсивности (зеленый). Программное обеспечение Eko работает с параметрами, показывающими оранжевый маркер. Планки погрешностей указывают 95% доверительный интервал.

Эффективность скрининга клапанных заболеваний

Оценив алгоритм на отдельных записях, мы можем измерить его эффективность в качестве инструмента скрининга пациентов на клапанные пороки сердца, сравнив прогнозы с эхокардиограммами.Во-первых, мы рассматриваем стеноз аорты (СА). Из 373 пациентов, представленных в тестовой выборке, мы исключили 60 пациентов с заменой клапана и 11 с недостаточными отчетами эхокардиограммы. Из оставшихся мы группируем 40 пациентов со стенозом аорты степени тяжести как минимум от умеренного до тяжелого в качестве случаев и 103 пациента без структурного заболевания сердца (, т.е. . Отсутствие клапанного заболевания выше тривиальной степени тяжести и отсутствие врожденного заболевания) в качестве контроля. Как упоминалось ранее, порог серьезности заболевания был выбран для включения случаев, которые потребовали бы оценки для механического вмешательства.Рисунок 3 иллюстрирует поток участников исследования. Важно отметить, что в то время как для алгоритма обнаружения шума «золотой стандарт» — это просто клиническая интерпретация (и, вероятно, более подверженная вариабельности между наблюдателями), для скрининга клапанных пороков сердца «золотым стандартом» является эхокардиограмма. Поскольку шум при стенозе аорты обычно громкий, мы определили положительный тест как тест, при котором шум обнаруживается либо в аортальном, либо в легочном отделах. Отрицательный тест — это тест, при котором не обнаруживается шума в аортальном и легочном отделах.Небольшая часть субъектов в обеих группах пациентов (то есть случаях и контроле) имела записи, ограниченные классификацией «плохой сигнал», и при необходимости были исключены из анализа.

Рисунок 3:

Поток участников исследования VHD. Мы определили случаи VHD как случаи от умеренной до тяжелой или более тяжелой, чтобы охватить все уровни заболевания, которые могут потребовать своевременного вмешательства, помимо серийного мониторинга. Мы определили контрольную группу как субъектов без клапанных, структурных или врожденных пороков сердца, без клапанной регургитации за пределами тривиальной или физиологической степени тяжести.

Мы показываем ROC-кривую результатов теста для обнаружения стеноза аорты у 143 субъектов на рисунке 4. Отдельные точки взяты из таблицы 7. В целом, алгоритм обнаружения шума Eko в производстве выгодно отличается от опытных клиницистов с более высокая чувствительность, чем у всех аннотаторов, и более высокая специфичность, чем у двух из трех.

Таблица 7:

Результаты скрининга на стеноз аорты в 40 случаях и 103 контроле.

Рисунок 4:

Выполнение скрининга стеноза аорты с помощью алгоритма обнаружения шума.Кривая ROC алгоритма показана синим цветом. Программное обеспечение Eko работает на оранжевом маркере. Работоспособность отдельных кардиологов отображается зелеными, красными и пурпурными маркерами. Планки погрешностей указывают 95% доверительный интервал.

Мы также можем проводить скрининг митральной регургитации (МР) с помощью алгоритма обнаружения шума. Используя ту же когорту пациентов и те же критерии включения и исключения, что и для стеноза аорты, за исключением тестирования в одном месте митрального клапана / верхушки, у нас есть 32 случая и 84 контроля.Меньше контрольных субъектов для МРТ, потому что существует большее количество записей «плохого сигнала» в митральном положении. Кривая ROC представлена ​​на рисунке 5. Алгоритм выгодно отличается от аннотаторов, производительность которых падает вдоль кривой ROC. Показатели производительности с доверительными интервалами приведены в таблице 8.

Таблица 8:

Результаты скрининга митральной регургитации в 32 случаях и 84 контрольных группах,

Рисунок 5:

Показатели скрининга митральной регургитации с помощью алгоритма обнаружения шума.Кривая ROC алгоритма показана синим цветом. Программное обеспечение Eko работает на оранжевом маркере. Работоспособность отдельных кардиологов отображается зелеными, красными и пурпурными маркерами. Планки погрешностей указывают 95% доверительный интервал.

Обсуждение

Наши результаты показывают, что в рамках нашего набора тестов алгоритм обнаруживает шум любой степени с чувствительностью 76,3% и специфичностью 91,4% и обнаруживает стеноз аорты от умеренной до тяжелой или большей с чувствительностью 97,5% и специфичностью 77.7%. Эти числа более чувствительны, чем все специалисты-аннотаторы-кардиологи, и более конкретны, чем все, кроме одного из них. Алгоритм обнаруживает митральную регургитацию от умеренной до тяжелой или более выраженной с чувствительностью 64,0 % и специфичностью 90,5%, что является более специфичным, но менее чувствительным, чем аннотаторы. Примечательно, что как сами «алгоритмы» аннотаторы попадают почти прямо на кривую ROC алгоритма глубокого обучения применительно к митральной регургитации. Как видно из результатов обнаружения стеноза аорты и митральной регургитации, эффективность аннотаторов значительно различается, даже среди высококвалифицированных экспертов.Это, вероятно, представляет собой различия в реальной практике среди врачей, что является серьезной проблемой. Это подчеркивает необходимость в инструменте реального времени, который мог бы устранить эту изменчивость между наблюдателями, и алгоритм, протестированный здесь, в сочетании с электронным стетоскопом, делает именно это.

Алгоритм, представленный здесь, предназначен в качестве инструмента поддержки принятия решений для врачей, и наши данные подтверждают его использование для обнаружения шумов, связанных с пороком клапанов сердца. Для сравнения: в общей популяции пожилых людей, где распространенность хирургически вмешиваемого аортального стеноза составляет приблизительно 5% ²⁷ , отрицательный тест с отрицательным отношением правдоподобия 0.032, практически исключит диагноз, снизив его вероятность до <0,2%. И наоборот, применение положительного отношения правдоподобия 4,37 в условиях положительного результата увеличит вероятность заболевания до 19%, хотя это будет включать нехирургическое заболевание VHD, учитывая дизайн нашего исследования. Однако в обоих случаях эти изменения почти наверняка повлияют на клиническое ведение. Более того, вполне вероятно, что общая точность постановки клинического диагноза VHD будет выше, если объединить интерпретацию тонов сердца поставщиком услуг с результатами алгоритма ²⁸ .Мы ожидаем, что такой инструмент будет особенно полезен в спешке, например, в отделении неотложной помощи, где особенно важно минимизировать время, необходимое для получения результатов диагностических тестов, а также нагрузить поставщиков. Хотя возникающая среда не была явно зафиксирована в нашем наборе тестов, мы целенаправленно регистрировали тоны сердца в реальных клинических условиях, чтобы повысить обобщаемость наших результатов.

Важно отметить, что протестированный здесь алгоритм разработан исключительно для оценки наличия сердечного шума в отдельных записях.Однако аускультативные данные намного богаче, чем просто наличие или отсутствие шума. Действительно, классическое учение о стенозе аорты включает характеристики отсутствия шума, такие как «мягкость» компонента А2 второго тона сердца и время пика систолического шума, как индикаторы степени тяжести ¹³ . Разумно предположить, что расширенный алгоритм, который включает больше известных признаков VHD в процесс принятия решений, поэтому будет иметь лучшую производительность в качестве полного скринингового теста.Это область активных исследований и разработок для нашей группы, поскольку низкая надежность между наблюдателями при идентификации других характеристик шума или даже пациентов с конкретными заболеваниями создает множество проблем для сбора богато размеченных наборов данных, достаточно больших для обучения комплексным моделям сердечного звука. Это, однако, подчеркивает необходимость дополнительных исследований в этой области. Хотя популяции тестового набора могут хорошо представлять население США, они могут не отражать популяции в развивающихся странах, где распространенность и этиология VHD различны.Поскольку эти группы населения, вероятно, очень выиграют от потенциально недорогого инструмента поддержки, подобного этому, необходимы дальнейшие исследования в этих группах.

Наши результаты также показывают, что кардиологи и алгоритм работают лучше при обнаружении стеноза аорты, чем при обнаружении митральной регургитации. Это может быть связано со стенозом аорты, имеющим более заметную аускультативную подпись. Более того, его характерный шум можно услышать как в аортальном, так и в легочном отделах при аускультации, предлагая дополнительные данные как для людей, так и для лиц, принимающих решения на компьютере.С физиологической точки зрения митральная регургитация — это шум, зависящий от нагрузки, поэтому степень регургитации может заметно варьироваться в зависимости от ежеминутной гемодинамики пациента. Более того, МРТ может быть направленным, и поэтому некоторые типы МРТ могут просто не иметь шумов в одном месте аускультации, например, на верхушке сердца. Более высокие показатели плохого сигнала от митрального положения в нашем исследовании только усугубляют эти проблемы. Дальнейшее изучение дополнительных мест аускультации или альтернативных аускультативных характеристик без шума может быть полезным для повышения эффективности алгоритмов обнаружения VHD.

Протестированный алгоритм удовлетворяет потребность в эффективном, надежном и доступном методе выявления шума и, в конечном итоге, обнаружения VHD. Во-первых, алгоритм глубокого обучения является точным и надежным, с низкой вариабельностью между операторами. Он показывает сопоставимые характеристики с работой опытного кардиолога, что позволяет предположить, что он может предоставить опыт кардиологии передовым клиницистам в этой области. Потенциальные преимущества включают в себя возможность врачам выявлять ВБС раньше и более последовательно и потенциально снизить заболеваемость и смертность из-за более раннего клинического вмешательства ²⁹ .Во-вторых, алгоритм может обнаруживать шумы в сердце в месте оказания медицинской помощи через сотовую связь или Wi-Fi со стетоскопом и мобильной платформой. Инструмент, который может служить доступной альтернативой для диагностики VHD, был бы очень ценным, поскольку эхокардиография по-прежнему ограничена по стоимости, времени и доступу, особенно в сельских и недостаточно обслуживаемых районах, страдающих от нехватки кардиологов ³⁰ . В-третьих, в свете недавней и продолжающейся пандемии COVID-19 ³¹ , возможность предоставления диагностики экспертного уровня с помощью телемедицины, тем самым ограничивая передачу очень заразной болезни, также является особенно привлекательной.Кроме того, используемую здесь платформу цифрового стетоскопа можно было бы расширить для исследования других результатов аускультации, таких как звуки легких, что может помочь улучшить скрининг на такое заболевание. В-четвертых, поскольку алгоритм может точно исключить клапанные пороки, он может снизить нагрузку на ненужную эхокардиографию. В целом, наше исследование показывает перспективность этого инструмента в качестве дополнения к клинической помощи и демонстрирует потенциал его расширения во что-то еще большее.

Рассматриваемый здесь алгоритм глубокого обучения предназначен для использования в качестве инструмента скрининга с участием клиницистов.Подобно результатам анализа крови, алгоритм может давать ложноположительные и ложноотрицательные результаты, поэтому важно, чтобы результаты алгоритма помещались в соответствующий клинический контекст. Мы отмечаем, что алгоритм обнаружения шума был разработан с использованием, насколько нам известно, крупнейшей в мире базы данных по записи звука сердца для парных эхокардиограмм взрослых. Забегая вперед, эта база данных потенциально может быть использована при разработке других клинических инструментов, включая алгоритмы для различения невинных и патологических шумов, а также алгоритмы для определения конкретных типов VHD, таких как стеноз аорты, митральная регургитация и трикуспидальная регургитация.

Таким образом, порок клапанов сердца становится все более распространенным проявлением плохого состояния сердечно-сосудистой системы как в развитых, так и в развивающихся странах. Алгоритм поддержки принятия клинических решений, способный выявлять и классифицировать пороки сердца, может улучшить здоровье населения, сократив количество ненужных направлений на эхокардиографию и способствуя раннему и точному скринингу в недостаточно обслуживаемых районах. Используя платформу электронного стетоскопа, мы развернули первый этап такого инструмента: алгоритм глубокого обучения для определения сердечных шумов как проявлений порока сердца.

Доступность данных

Дополнительные подтверждающие данные доступны по запросу у соответствующих авторов. Программный код, связанный с обработкой данных и не являющийся предметом обязательств по интеллектуальной собственности или конфиденциальности, будет предоставлен по запросу. Все запросы на необработанные и проанализированные данные, а также связанные с ними материалы будут рассмотрены соответствующими авторами и юридическим отделом Eko, чтобы убедиться, что запрос является предметом обязательств по интеллектуальной собственности или конфиденциальности.Любые данные и материалы, которые могут быть переданы, будут переданы в рамках Соглашения о передаче материала. Данные о пациентах, не включенные в документ, были получены в рамках продолжающегося проспективного клинического исследования (NCT03458806) и могут подлежать конфиденциальности пациента и рассмотрению IRB.

Вклад авторов

Концепция и дизайн: ЗАО, JM. Сбор данных: DNB, MMK, BEW, JaP, SGF, GWS, SAB, DJ. Анализ данных: AMS. Интерпретация данных: JSC, AMS, LL, JM, SP, SV, BEW, PMM, JDT. Создание программного обеспечения: AMS, JM, DNB, JoP, SV.Генерация рукописи: ООО «АМС». Редакция рукописи: JSC, AMS, LL, JM, SP, SV, JDT.

Конкурирующие интересы

Eko спонсировала и частично финансировала это исследование. AMS, LL, JM, JoP, SP, MMK, DNB и SV являются сотрудниками Eko. PMM получает долю в качестве члена научно-консультативного совета Eko. АО является неоплачиваемым консультантом Eko.

Заявление о доступности кода и данных

Дополнительные подтверждающие данные доступны по запросу у соответствующих авторов. Программный код, связанный с обработкой данных и не являющийся предметом обязательств по интеллектуальной собственности или конфиденциальности, будет предоставлен по запросу.Все запросы на необработанные и проанализированные данные, а также связанные с ними материалы будут рассмотрены соответствующими авторами и юридическим отделом Eko, чтобы убедиться, что запрос является предметом обязательств по интеллектуальной собственности или конфиденциальности. Любые данные и материалы, которые могут быть переданы, будут переданы в рамках Соглашения о передаче материала. Данные о пациентах, не включенные в документ, были получены в рамках продолжающегося проспективного клинического исследования (NCT03458806) и могут подлежать конфиденциальности пациента и рассмотрению IRB.

Благодарности

Этот проект был поддержан NIH R43HL144297 (для JM и JSC) и K08HL124068 (для JSC). JDT частично поддерживался грантом Фонда Ирен Д. Прицкер.

FDA зеленые огни Шумы в сердце Эко, алгоритм a-fib

Этим утром стартап Eko, занимающийся цифровым здоровьем сердца, объявил, что его алгоритм обнаружения фибрилляции предсердий и шума в сердце получил разрешение FDA на 510 (k). Новые алгоритмы предназначены для интеграции со стетоскопом Eko, который уже представлен на рынке, и могут использоваться поставщиками медицинских услуг.

Компания заявила, что планирует добавить больше алгоритмов в будущем. Следующим шагом будет алгоритм на основе ЭКГ, который в декабре получил статус прорыва FDA; однако это еще не было очищено.

Это объявление появилось через несколько месяцев после того, как Eko выпустила , вторую версию своего стетоскопа CORE , которая включает в себя возможности шумоподавления и функцию усиления звука.

ПОЧЕМУ ЭТО ВАЖНО

В США сердечные заболевания являются основной причиной смерти, согласно CDC .По оценкам агентства, болезни сердца обходятся стране в 219 миллиардов долларов в год.

Все чаще мы видим новаторов в области цифрового здравоохранения, которые стремятся решить эту проблему с помощью технологий, с помощью новейших инструментов Eko, специально ориентированных на обнаружение. В небольшом исследовании сердца у детей, опубликованном в Circulation , прибор Eko для измерения шума в сердце показал себя наравне с кардиологами.

«Спустя два столетия после изобретения стетоскоп по-прежнему остается передовым инструментом для обнаружения сердечно-сосудистых заболеваний», — сказал д-р.Патрик Маккарти, исполнительный директор Института сердечно-сосудистой системы им. Блума в Северо-западной медицине и член Научного консультативного совета Eko, заявил в своем заявлении. «Разработка Eko алгоритмов искусственного интеллекта, которые помогут клиницистам лучше интерпретировать звуки, выявлять аритмию и обнаруживать шумы в сердце во время медицинского осмотра, существенно повлияет на нашу способность заботиться о пациентах».

БОЛЬШОЙ ТРЕНД

Компания Eko, основанная в 2013 году, специализируется на кардиологических и цифровых стереоскопах.Он получил свой первый Оригинальный Eko Core получил зеленый свет FDA в 2015 году — последняя версия Eko Core была выпущена в 2019 году. Компания также работала над другими продуктами. В 2018 году Steth IO выпустила свой цифровой стетоскоп на базе смартфона , который встроен непосредственно в защитный чехол iPhone врача (модели 6 и выше), что позволяет им слушать и измерять частоту сердечных сокращений или звуки легких во время бега. приложение и поднесите телефон к груди пациента.

В то время как Eko фокусируется на пространстве поставщиков, ориентированные на потребителя продукты также все чаще добавляют кардио-функции. Наиболее примечательными были Apple Watch Series 4 , получившие разрешение FDA как на алгоритм обнаружения фибрилляции предсердий, так и на ЭКГ. С тех пор Withings представила свои последние часы с функциями ЭКГ (хотя они все еще ожидают разрешения FDA).

Обзор методов компьютерного обнаружения звука сердца

Сердечно-сосудистые заболевания стали одной из самых распространенных угроз для здоровья человека во всем мире.Как неинвазивный вспомогательный диагностический инструмент, методы обнаружения тона сердца играют важную роль в прогнозировании сердечно-сосудистых заболеваний. В этой статье были рассмотрены последние разработки компьютерных методов обнаружения сердечного тона за последние пять лет. В основном это следующие аспекты: теории сердечных тонов и взаимосвязь между сердечными тоном и сердечно-сосудистыми заболеваниями; ключевые технологии, используемые при обработке и анализе звуковых сигналов сердца, включая шумоподавление, сегментацию, выделение признаков и классификацию; с акцентом на применение алгоритма глубокого обучения в обработке звука сердца.В конце концов, исследуются некоторые области будущих исследований в области компьютерных методов обнаружения тонов сердца, в надежде дать ссылку на прогнозирование сердечно-сосудистых заболеваний.

1. Введение

В связи с распространением нездорового образа жизни сердечно-сосудистые заболевания (ССЗ) стали одной из основных угроз для здоровья человека. Согласно последним статистическим данным Всемирной организации здравоохранения (ВОЗ) [1], число смертей от сердечно-сосудистых заболеваний в 2016 году достигло 17,9 миллиона; Сердечно-сосудистые заболевания являются ведущей причиной смертности во всем мире.В настоящее время только в Китае около 290 миллионов человек страдают сердечно-сосудистыми заболеваниями, поэтому профилактика и лечение сердечно-сосудистых заболеваний стали актуальной проблемой для людей, заботящихся о своем здоровье.

Тоны сердца — звуки, производимые систолой и диастолой сердца — могут быть записаны как звуковые сигналы сердца, также известные как фонокардиография (ФКГ), получение которых неинвазивно и легко. Благодаря обработке и анализу данных PCG результаты можно использовать в качестве вспомогательного диагностического инструмента для прогнозирования сердечно-сосудистых заболеваний.Однако из-за характеристик звуковых сигналов сердца и влияния шума в окружающей среде обнаружение звуковых сигналов сердца сталкивается с большими проблемами. С одной стороны, случайность и вариабельность симптомов сердечно-сосудистых заболеваний приводят к сложности и разнообразию проявления сигнала. С другой стороны, звуковые сигналы сердца относительно слабые, и на процесс сбора исходных сигналов могут влиять различные шумы и помехи, что приводит к зашумлению собранных данных, что может снизить точность извлечения связанных параметров и увеличить неопределенность диагноза. .

Компьютерная технология обнаружения — это быстрый, эффективный и экономичный инструмент [2], который может применяться для количественного сбора и анализа сигналов сердечного тона. Извлекая ключевые параметры в PCG и сравнивая последовательность мониторинга пациента с помеченной базой данных, эксперты с их клиническими знаниями могут не только автоматически получить более интуитивно понятные диагностические результаты, но и сделать вывод о потенциальном сердечно-сосудистом заболевании. В последние годы компьютерная технология обнаружения сигналов сердечного тона достигла значительных успехов и вызвала большой интерес [3, 4].

В настоящее время интеллектуальная технология аускультации не получила широкого распространения в клинической диагностике, и основным методом, используемым для обнаружения тона сердца, является аускультация вручную. Таким образом, исследование и применение компьютерных методов обнаружения тона сердца будет в значительной степени способствовать развитию в области диагностики сердечно-сосудистых заболеваний.

Цель данной статьи — дать обзор компьютерных методов обнаружения тонов сердца за последние годы. Сначала представлены клинические характеристики звуковых сигналов сердца.Затем рассматриваются некоторые многообещающие методы обработки и анализа для обнаружения тона сердца, разработанные за последние пять лет. Далее обсуждается алгоритм глубокого обучения, который может быть применен к обработке и анализу PCG. Наконец, рекомендуются некоторые многообещающие области исследований в области компьютерных методов обнаружения тонов сердца.

2. Звуки сердца и сердечно-сосудистые заболевания

Вибрации, вызванные сердечной деятельностью, такой как сокращение миокарда, закрытие сердечного клапана и окклюзия стенки желудочка, передаются через ткань на поверхность грудной стенки и формируют звуковые сигналы сердца, которые могут восприниматься человеческим ухом и записываться электронными приборами.На рисунке 1 показано расположение сердечных клапанов и артерий, связанных с аускультацией. В соответствии с порядком появления в сердечном цикле звук сердца делится на четыре компонента: первый тон сердца (S1), второй тон сердца (S2), третий тон сердца (S3) и четвертый тон сердца (S4). ). Для каждого из 4 компонентов физиологическое состояние сердца разное. На рис. 2 показаны изменения кровотока по частям сердечного тона в сердце. Интенсивность, частота и соотношение сердечного звука отражают состояние сердечного клапана, функцию миокарда и внутрисердечный кровоток.В таблице 1 показан механизм генерации сердечных тонов, включая причину, особенности и значение сердечных тонов [5].

9222 9222 902 ) клапаны, открытие полулунного клапана. Звук сердца Причина Характеристики Значимость Частота: 50–150 Гц Для диагностики сократимости желудочков и функции атриовентрикулярного клапана, миокардита, кардиомиопатии, инфаркта миокарда или сердечной недостаточности. Время: 50–100 мс S2 Замедление кровотока в аорте и легочной артерии, закрытие полулунного клапана, открытие атриовентрикулярного клапана. Частота: 50–200 Гц Относится к функциональному состоянию артериальной стенки, высокому / низкому артериальному давлению, атеросклерозу, легочно-сердечной недостаточности, первичному / легочному стенозу, врожденному пороку сердца с шунтом слева направо. Время: 25–50 мс S3 Кровь, быстро вытекающая из желудочка, ударяется о стенку камеры из предсердия, вызывая внезапное напряжение и вибрацию стенки желудочка, хорд и папиллярных мышц. Частота: 25–70 Гц Встречается у некоторых здоровых молодых людей. Время: 120–150 мс S4 Напряжение и вибрация, вызванные атриовентрикулярным клапаном и связанными с ним структурами. Частота: <30 Гц Относится к патологическим сердечным тонов, появляется у некоторых пожилых людей и людей с ранней ишемической болезнью сердца. Время: до S1 около 90 мс

Основные тоны сердца (FHS) [6], используемые в клинической диагностике, включают S1 и S2 (S3 появляется только в сердечных циклах у некоторых здоровых молодых людей, и S4 не появляется в нормальных сердечных циклах).Период между S1 и S2 в одном сердечном цикле называется систолой, а период между S2 и S1 в следующем цикле называется диастолой. Нормальная продолжительность систолы составляет около 0,35 секунды, а диастолы — около 0,45 секунды, всего 0,8 секунды за полный цикл. Эти значения тесно связаны с возникновением сердечно-сосудистых заболеваний. На рисунке 3 показаны два нормальных сердечных цикла.

Диагностика тона сердца с ручной аускультацией — качественный метод, полностью основанный на опыте специалиста путем анализа тона и интенсивности сердечных тонов.Компьютерные методы обнаружения для анализа тона сердца позволяют получить квантованные характеристические параметры, которые помогают найти взаимосвязь между тоном сердца и соответствующими заболеваниями. Это способствует последующему отслеживанию данных, а также созданию базы данных. Поэтому исследования в области неинвазивной диагностики сердечно-сосудистых заболеваний имеют большое значение.

3. Компьютерные методы обнаружения сердечных тонов

Компьютерная обработка сердечных тонов включает шумоподавление [7], сегментацию [8], выделение признаков и классификацию [9].

3.1. Устранение шумов

Из-за влияния внешней среды звуковые сигналы сердца обычно сочетаются с электромагнитными помехами, помехами промышленной частоты, случайным шумом, помехами от человеческого тела, звуками дыхания и легкими [10]. На диагностическую точность обнаружения напрямую влияет качество сигналов и впоследствии извлекаемых признаков. Следовательно, шумоподавление — это первый важный шаг к повышению точности автоматического определения сердечных тонов.Методы, используемые для шумоподавления тона сердца, включают дискретное вейвлет-преобразование (DWT), адаптивную фильтрацию шумоподавления, разложение по сингулярным значениям (SVD) и т. Д. Кроме того, для улучшения эффектов применяются комбинированные методы, которые помогают улучшить качество сигнала и точность обнаружения.

Jain et al. [11] предложили алгоритм шумоподавления сигнала PCG на основе DWT с использованием вейвлета «Coif-5» в качестве исходного вейвлета и в сочетании с методом оценки адаптивного порога, методом нелинейных промежуточных функций и генетическим алгоритмом для оптимизации традиционного дискретного вейвлет-преобразования. (DWT) алгоритм.Усовершенствованный алгоритм устранил внеполосные шумы и удалил коэффициенты более низкого уровня детализации, дополнительно улучшив характеристики шумоподавления. Mondal et al. [12] представил новый метод шумоподавления сердечного тона, основанный на комбинированной структуре преобразования вейвлет-пакетов и SVD. В соответствии со стандартом измерения взаимной информации были выбраны наиболее распространенные узлы в вейвлет-дереве, а шумовая составляющая от звуковых сигналов сердца была подавлена ​​с использованием метода SVD для обработки коэффициентов, соответствующих выбранным узлам.Али и др. [13] выбрали различные семейства DWT, типы порогов и уровни разложения сигналов для подавления звуковых сигналов сердца и оценили влияние различных вейвлет-функций и уровней вейвлет-разложения на эффективность алгоритма шумоподавления. Они пришли к выводу, что вейвлет Db10 и дискретный вейвлет Мейера с разложением четвертого порядка могут получить максимальное SNR (отношение сигнал / шум) и минимальное RMSE (стандартная ошибка) стандартных тонов сердца. Zheng et al.[14] предложили инновационную структуру шумоподавления, основанную на комбинации модифицированного SVD и Compressed Sensing (CS), которая может хорошо поддерживать исходные морфологические характеристики сердечных тонов. По сравнению с традиционными методами, такими как DWT и разложение по эмпирическим модам (EMD), эта структура может получить больший SNR. Звуковые сигналы сердца с шумоподавлением по-прежнему имели самую высокую корреляцию с исходными звуковыми сигналами сердца. Дэн и Хан [15] предложили адаптивный алгоритм шумоподавления. По сравнению с обычным вейвлет-методом предложенный алгоритм имеет лучший эффект шумоподавления.

3.2. Сегментация

Сегментация часто выполняется на необработанном сигнале или шумоподавленном сигнале. Цель сегментации — найти начало и конец сердечных тонов и выделить сегменты S1, S2, систолу и диастолу для последующего выделения признаков. На сегодняшний день методы, используемые для сегментации тонов сердца, в основном включают скрытые модели Маркова (HMM), WT, матрицы коэффициентов корреляции и т. Д. В таблице 2 обобщены некоторые из литературы по сегментации тонов сердца за последние пять лет.

902 902 902 al.[21] [25]2 902 902 902 902 902 902 902 902 902 902 902 902 902 Год Автор Метод сегментации Набор данных Результат Выборочная популяция из 24 здоровых субъектов с одновременными записями фонокардиографии в течение 10 минут F1 из 99,2% 2019 Oliveira et al.[17] HSMM-GMM PhysioNet [18], PASCAL [19] и педиатрический набор данных, состоящий из 29 тонов сердца Оценка F- 92% 2019 Kamson et al. [20] HSMM Training-set-a of 2016 PhysioNet / computing in cardiology challenge Чувствительность + F1 98.28 98,45 98.36 HSMM-CNN PhysioNet Чувствительность: 93,9% 2018 Liu et al. [22] Анализ во временной области, анализ в частотной области и анализ в частотной области Библиотека звуков и шумов сердца UMich Чувствительность: 98,63% 2018 Belmecheri et al. [23] Матрица коэффициентов корреляции База данных из 21 чистого тона сердца Чувствительность: 76% 2018 Alexander et al.[24] HMM 3240 записей PCG из PhysioNet и PASCAL Чувствительность Специфичность 90,3% 89,9% 2017 VMD База данных: Чувствительность + Точность PhysioNet 98.90 96.07 95.14 Мичиган [26] 100 100 100 eGeneralMedical [27] 100 100 100 Сигналы PCG21 в реальном времени 100 Сигналы PCG21 в реальном времени 100 97,08 2017 Varghees et al. [28] EWT PhysioNet, PASCAL, Michigan, eGeneralMedical и сигналы PCG в реальном времени Чувствительность Pp OA 94,38% 902 9022 9022 9022% 902 Liu et al. [29] HSMM Более 120 000 секунд сердечных тонов, записанных из восьми независимых баз данных сердечных тонов F1 из 98.5% 2016 Thomas et al. [30] Фрактальное разложение (FD) Мичиган (23 различных тона сердца и записи 6 пациентов, сделанные в реальной клинической среде) Чувствительность + DER 96,97 99,58 2016 Springer et al. [31] HSMM 405 синхронных 30–40-секундных записей PCG и ЭКГ от 123 деидентифицированных взрослых пациентов F1 из 95.63 ± 0,85% 2015 Salman et al. [32] Шаблон интервалов пиков 1089 циклов из 62 наборов нормальных и аномальных сигналов Частота обнаружения правильного цикла 83,38%

3.3. Выделение и классификация признаков

Цель выделения признаков — выявить небольшое количество репрезентативных признаков для замены необработанных сигналов большой размерности.В целом модель классификации, основанная на обучении признаков, более эффективна и точна, чем модель, основанная на обучении необработанных сигналов. Извлечение признаков часто выполняется на сигнале с сегментацией. DWT, непрерывное вейвлет-преобразование (CWT), кратковременное преобразование Фурье (STFT) и частотный кепстр-коэффициент Mel (MFCC) — широко используемые методы для извлечения признаков сердечного тона. Без сегментации выделение признаков можно проводить на необработанном сигнале или сигнале с шумоподавлением.

Классификация может выполняться по признакам, необработанным сигналам и шумоподавленным сигналам. Цель классификации — представить качественные результаты обнаружения, разделив звуковые сигналы сердца на нормальные и ненормальные. Методы классификации сердечных тонов включают HMM, машину опорных векторов (SVM), искусственные нейронные сети (ANN), k-Nearest Neighbor (kNN), евклидово расстояние и т. Д. В таблице 3 приведена репрезентативная литература по выделению признаков и классификации звуковые сигналы сердца за последние пять лет.

0 902 902 902 902 902 [33] 902 : 98% 92 и др. [44] Логистическая регрессия 9022 Логистическая регрессия из 3,179 Наивысшая точность Год Автор Методы извлечения признаков Классификатор База данных Результат Алгоритм извлечения признаков Springer AdaBoost PhysioNet и PASCAL ACC: 96.36% 2019 Nogueira et al.[34] MFCC SVM PhysioNet Чувствительность Специфичность Точность 91,87% 82,05% 97% 2019 902 без сегментации Автокорреляция конверта SVM Набор данных HSCT11 Точность может достигать 100% 2018 Meintjes et al. [36] CWT SVM, kNN PhysioNet MAcc: 86% 2018 Hamidi et al.[37] Аппроксимация кривой, MFCC Евклидово расстояние Набор данных A из PhysioNet MAcc: 92% Набор данных B из PhysioNet MAcc: 81% 2018 Juniati et al. [38] DWT кНН, кластеризация нечетких c-средних 40 нормальных тонов сердца, 40 дополнительных систол, 40 шумов MAcc: 86,17% 2017 Kay et al.[39] CWT, MFCC Нейронные сети BP PhysioNet MAcc: 85,2% 2017 Karar et al. [40] DWT Дерево классификации на основе правил 22 набора данных сердечных тонов и шумов из общедоступной базы данных медицинской школы CliniSurf MAcc: 95,5% 2017 Zhang et al. [41] Разложение тензора SVM Набор данных A: нормальные сердечные тоны, дополнительная систола, шумы, искусственные сердечные тоны MAcc: 76% Набор данных B: нормальные сердечные тоны, экстрасистола, шумы MAcc: 83% Набор данных C: нормальные тоны сердца, аномальные тоны сердца MAcc: 88% 2017 Лэнгли и Мюррей (без сегментации) [42] / Вейвлет 922 энтропия PhysioNet Чувствительность Специфичность Точность 94% 65% 80% 2017 Whitaker et al.[43] Редкое кодирование SVM PhysioNet Чувствительность Специфичность MAcc 84,3% 77,2% 80,7% БПФ Нейронные сети ВР PhysioNet Чувствительность Специфичность MAcc 68,36% 94,01% 88,56% MAcc 75.68% 87,71% 72,56% 2016 Deng and Han (без сегментации) [45] DWT SVM-DM Набор данных A от PASCAL Всего Набор данных B из PASCAL Наивысшая общая точность 2,03 2015 Zheng et al. [46] EMD SVM Набор данных, собранный у здоровых добровольцев и пациентов с ХСН Чувствительность Специфичность Точность 96.59% 93.75% 95.39% 2015 Safara [47] Дерево вейвлет-пакетов Кумулянты высшего порядка (HOC) Набор из 59 сердечных тонов из разных категорий: нормальные сердечные тоны , митральная регургитация, стеноз аорты и аортальная регургитация. Наилучшая точность классификации: 99,39% 2011 Yuenyong et al. (без сегментации) [48] DWT Нейронная сеть Несколько онлайн-баз данных, записанные с помощью электронного стетоскопа Десятикратная перекрестная проверка: 0.92 для случая отсутствия шума, 0,90 при белом шуме с отношением сигнал / шум (SNR) 10 дБ и 0,90 при импульсном шуме длительностью до 0,3 с

Эти методы (SVM, kNN, нейронная сеть BP и логистическая регрессия) все используют машинное обучение — алгоритм, который позволяет компьютерным системам эффективно получать доступ и анализировать данные для корректировки и улучшения работы на основе шаблонов и опыта без необходимости явного программирования.В последние годы машинное обучение широко используется для классификации сердечных тонов. Поскольку частота сердечно-сосудистых заболеваний увеличивается, объем данных сердечного звука, которые необходимо обрабатывать, также увеличивается. Чтобы обеспечить точность классификации при обработке большого количества данных, появился алгоритм глубокого обучения.

4. Применение глубокого обучения в классификации звуков сердца

Глубокое обучение — это ветвь машинного обучения, которое имитирует работу человеческого мозга с помощью искусственных нейронных сетей — сложных алгоритмов, созданных самим мозгом.Таким образом, он может автоматически извлекать характеристики исходных сигналов и определять правила среди данных посредством более глубокого обучения, чем традиционное машинное обучение, тем самым повышая точность и эффективность классификации. Концепция глубокого обучения была предложена Hinton et al. [49] в 2006 году. Глубокое обучение использует относительную взаимосвязь пространства и объединяет модели низкого уровня для формирования более сложных моделей высокого уровня, что значительно улучшает эффективность обучения системы.В последние годы он показал хорошую практичность и надежность в областях распознавания речи [50], распознавания изображений [51], анализа биомедицинских данных [52, 53], обработки сигналов [54], автоматического вождения [55] и других областях. . Модели глубокого обучения применялись для классификации звуковых сигналов сердца, и эти модели в основном включают глубокие нейронные сети (DNN), сверточные нейронные сети (CNN), рекуррентные нейронные сети (RNN) и т. Д. В таблице 4 представлена ​​репрезентативная литература по глубокому обучению. применялась при классификации звуковых сигналов сердца за последние пять лет.

2424 и др. [56]% 85,5% 2017 902 Sujadevi et al. [67] 22 Точность 9024% 9 Год Автор Метод сегментации Набор данных Производительность CNN PhysioNet (2575 нормальных сердечных тонов и 665 аномальных сердечных тонов) Тестирование выдержки Чувствительность Специфичность Точность 86.47% 2019 Abduh et al. [57] DNN PhysioNet Чувствительность Специфичность Точность 89,30% 97% 95.50% 2018 Gharehbaghi ​​and Lindén [58] DTGNN 130 записей сердечного звукового сигнала Чувствительность Специфичность % CR 22 % CR 22 2018 Chen et al. [59] DNN PASCAL Чувствительность Специфичность Точность Точность 98% 88.5% 93% 89,1% 2018 Yaseen et al. [60] DNN 5 категорий звукового сигнала сердца, 200 на класс (N, AS, MR, MS, MVP) Чувствительность Специфичность 94,5% 98,2% 2018 Han et al. [61] CNN 2575 нормальных записей и 665 аномальных записей MAcc Чувствительность Специфичность 91.50% 98,33% 84,67% 2018 Ren et al. [62] CNN PhysioNet На 19,8% выше, чем базовая точность, полученная с использованием традиционных функций обработки звука и поддержки векторных машин. 2018 Morales et al. [63] CNN PhysioNet Точность Чувствительность Специфичность 97% 93.20% 95,12% 2018 Baris et al. [64] CNN База данных UoC-шумов (невинный шум в сравнении с патологическим шумом) и база данных PhysioNet-2016 (нормальный и патологический) MAcc Специфичность Чувствительность 81302% 84,5% 2018 Messner et al. [65] DNN PhysioNet F1 ≈ 96% 2017 Ghaemmaghami et al.[66] DNN 128 записей мужчин и женщин со здоровым сердцем Точность Чувствительность Специфичность 95,8% 83,2% 99,2% RNN & LSTM & GRU Набор данных A из PhysioNet Точность Точность RNN 4 слоя 53.8% 55,8% LSTM 4-слойный 76,9% 83,3% GRU 4-слойный 75,3% 78,2% Прецизионность RNN 4 слоя 65,2% 68,1% LSTM 4 слоя 74,7% GR2 94,5% 69,7% 2017 Chen et al. [68] DNN 311 S1 и 313 S2 от 16 человек (11 мужчин и 5 женщин) Точность: 91,12% 2017 Yang and Hsieh [69] RNN Physio MAcc: 84% 2017 Чжан и Хан [70] CNN Набор данных A из PASCAL Нормализованная точность: 0,77 Набор данных B из PASCAL .71 2017 Faturrahman et al. [71] DBN MITHSDB [72] Точность: 84,89% AADHSDB [73] Точность: 86,15% 2017 Maknickas 2 222 CNN PhysioNet Точность обучения: 99,7% Точность валидации: 95,2% 2016 Thomae et al. [75] DNN PhysioNet Чувствительность Специфичность Оценка 96% 83% 0.89 2016 Тшаннен и Доминик [76] CNN PhysioNet Чувствительность Специфичность Оценка 84,87622 84,87622% Potes et al. [77] AdaBoost & CNN PhysioNet Чувствительность Специфичность MAcc 94,24% 77.81% 86.02%

Глубокое обучение показало хорошее превосходство в компьютерной классификации звуковых сигналов сердца, но оно также сталкивается с некоторыми проблемами. Прежде всего, существует слишком много параметров модели глубокого обучения, требующий большого объема данных для оптимизации, длительного времени выполнения и большого набора обучающих данных. Во-вторых, моделирование с глубоким обучением требует более высокой конфигурации компьютера с мощным процессором и графическим процессором для расчетов, поэтому стоимость эксперимента высока, а модель непригодна для домашних компьютеров и микрокомпьютеров.Однако портативные устройства для измерения сердечного ритма имеют большой потенциал развития и хорошие перспективы применения.

5. Выводы

В связи с ростом заболеваемости сердечно-сосудистыми заболеваниями в последние годы все большее внимание уделяется неинвазивной технологии обнаружения сердечного тона. В этом исследовании были рассмотрены последние исследования компьютерных методов обнаружения сердечных тонов за последние пять лет, с акцентом на приложениях глубокого обучения к классификации сердечных тонов.

Что касается потенциального вклада технологии в укрепление здоровья человека, рекомендуются следующие области для будущих исследований. Для дополнения базы данных сердечных тонов необходим большой объем данных о сердечном тоне. Данные сердечного тона — надежный источник информации для выявления скрытых особенностей сердечно-сосудистых заболеваний. Следовательно, необходимо дополнить и улучшить базу данных сердечных тонов и соответствующие экспертные аннотации для лучшего обучения модели и более точной диагностики помощником.Поскольку крупномасштабные компьютерные системы уже доступны в больницах, стало возможным создать сложную модель глубокого обучения, которая сможет обрабатывать данные сердечного звука. Таким образом, методы обработки данных и оптимизации параметров требуют более глубокого изучения. Моделирование глубокого обучения требует более высоких конфигураций компьютеров с мощной поддержкой графического процессора, но сжатые алгоритмы глубокого обучения могут работать на ПК или микрокомпьютерах. Поскольку модель классификации сердечных тонов, основанная на сжатых алгоритмах глубокого обучения, является более точной, чем модели, основанные на традиционных алгоритмах, дальнейшее изучение модели классификации сердечных тонов на основе сжатых алгоритмов глубокого обучения полезно для популяризации и применения портативного обнаружения сердечного звука.

Конфликт интересов

Авторы заявляют об отсутствии конфликта интересов в отношении публикации этой статьи.

Финансирование

Это исследование было поддержано Национальной программой исследований и разработок в области ключевых технологий Китая (№ 2016YFC0303101) и Национальным фондом естественных наук провинции Цзилинь, Китай (№ 20180101049JC).