[논문 리뷰] Instant Preliminary Cardiac Analysis from Smartphone Auscultation: A Real-World Canine Heart Sound Dataset and Evaluation

Aswin Jose, Roeland P. J. E. Decorte외 1명|arXiv (Cornell University)|2026. 01. 20.

Phonocardiography and Auscultation Techniques인용 수 0

한 줄 요약

본 논문은 스마트폰에서 수집된 실세계 개 심장음 데이터셋을 제시하고 예비 심장 분석을 위해 SoNUS 3.2.x를 평가하며, 가변 녹음 조건에서 심박수 추정에 초점을 두고 품질 점수 모듈과 빠른 30–40초 변형을 도입합니다.

ABSTRACT

This study presents a real-world canine heart sound dataset and evaluates SoNUS version 3.2.x, a machine learning algorithm for preliminary cardiac analysis using smartphone microphone recordings. More than one hundred recordings were collected from dogs across four continents, with thirty eight recordings annotated by board certified veterinary cardiologists for quantitative evaluation. SoNUS version 3.2.x employs a multi-stage fallback architecture with quality-aware filtering to ensure reliable output under variable recording conditions. The primary sixty second model achieved mean and median heart rate accuracies of ninety one point six three percent and ninety four point nine five percent, while a fast model optimized for thirty to forty second recordings achieved mean and median accuracies of eighty eight point eight six percent and ninety two point nine eight percent. These results demonstrate the feasibility of extracting clinically relevant cardiac information from opportunistic smartphone recordings, supporting scalable preliminary assessment and telehealth applications in veterinary cardiology.

연구 동기 및 목표

• AI 기반 분석을 위한 실세계 스마트폰 기록 개 심장음 데이터의 부족 문제를 해결한다.
• 가변 녹음 조건에 대해 품질 게이팅을 갖춘 강건한 다중 단계 SoNUS 3.2.x 파이프라인을 개발하고 검증한다.
• 심박수 추정 벤치마드를 제공하고 수의 진료에서 가정용 원격 심장 진료의 타당성을 평가한다.

제안 방법

• 일상 조건에서 스마트폰 마이크를 사용하여 100마리 이상 개, 5대륙에 걸친 실세계 개 심장음 데이터셋을 수집한다.
• S1/S2 타이밍, 잡음, 이탈 심박, 부정맥 등에 대해 38개의 녹음을 공인 수의심장병 전문의가 주석 처리한다.
• 다중 단계 백업 아키텍처와 품질 점수 모듈을 갖춘 SoNUS 3.2.x를 개발한다.
• 짧은 길이와 긴 길이 성능을 평가하기 위해 빠른 30–40s 변형과 기본 60s 변형을 만든다.
• PhysioNet CinC 데이터셋에서 잡음 탐지 모델(ResNet)을 학습/미세조정하고 개 데이터에 적응시킨다.

실험 결과

연구 질문

• RQ1 실세계 녹음 조건에서 스마트폰으로 기록된 개 심장음이 신뢰할 수 있는 심박수 추정을 제공할 수 있는가?
• RQ2 다중 단계 백업 및 품질 게이팅 메커니즘이 녹음 변동성에 대한 강건성을 향상시키는가?
• RQ3 개에서 HR 추정을 위한 빠른 30–40s 모델과 기본 60s 모델의 성능 특성은 무엇인가?
• RQ4 도메인 적응 후 가정에서 기회적으로 녹음된 개 심장음에서 잡음 탐지가 실용적인가?

주요 결과

• Fast model (30–40s) achieves mean HR error 11.14%, mean HR accuracy 88.86%, and median HR accuracy 92.98%.
• Primary model (60s) achieves mean HR error 8.37%, mean HR accuracy 91.63%, and median HR accuracy 94.95%.
• Quality scoring (QS) filtering (threshold ≥70) improves percentile accuracy and reduces unreliable outputs, with 86% of short recordings and 84.21% of full-length recordings deemed suitable for results presentation.
• Quality scoring filtered results show higher 80th/90th percentile HR accuracies when QS ≥70 (e.g., 80th percentile 84.82-88.71; 90th percentile 76.49-86.29).
• SoNUS 3.2.x’s multi-stage fallback enhances robustness to variable recording quality, enabling recovery of valid results from lower-quality inputs.
• Murmur detection achieved state-of-the-art benchmark performance on PhysioNet CinC datasets but real-world murmur evaluation was limited by signal quality and ambient noise.