[论文解读] Multimedia Respiratory Database (RespiratoryDatabase@TR): Auscultation Sounds and Chest X-rays

Gökhan Altan, Yakup Kutlu+3 more|arXiv (Cornell University)|Jan 21, 2021

Phonocardiography and Auscultation Techniques被引用 5

一句话总结

本论文介绍了RespiratoryDatabase@TR，这是一个创新的多媒体呼吸数据库，整合了75名受试者（30名健康者，45名患有肺部疾病者）的同步肺部和心脏音、胸部X光片、肺功能测试（PFT）以及SGRQ-C问卷。该数据集支持听诊、影像学与临床指标的综合分析，通过多模态数据融合，推动基于人工智能的呼吸系统与心脏疾病诊断研究。

ABSTRACT

Auscultation is a method for diagnosis of especially internal medicine diseases such as cardiac, pulmonary and cardio-pulmonary by listening the internal sounds from the body parts. It is the simplest and the most common physical examination in the assessment processes of the clinical skills. In this study, the lung and heart sounds are recorded synchronously from left and right sides of posterior and anterior chest wall and back using two digital stethoscopes in Antakya State Hospital. The chest X-rays and the pulmonary function test variables and spirometric curves, the St. George respiratory questionnaire (SGRQ-C) are collected as multimedia and clinical functional analysis variables of the patients. The 4 channels of heart sounds are focused on aortic, pulmonary, tricuspid and mitral areas. The 12 channels of lung sounds are focused on upper lung, middle lung, lower lung and costophrenic angle areas of posterior and anterior sides of the chest. The recordings are validated and labelled by two pulmonologists evaluating the collected chest x-ray, PFT and auscultation sounds of the subjects. The database consists of 30 healthy subjects and 45 subjects with pulmonary diseases such as asthma, chronic obstructive pulmonary disease, bronchitis. The novelties of the database are the combination ability between auscultation sound results, chest X-ray and PFT; synchronously assessment capability of the lungs sounds; image processing based computerized analysis of the respiratory using chest X-ray and providing opportunity for improving analysis of both lung sounds and heart sounds on pulmonary and cardiac diseases.

研究动机与目标

• 创建一个综合性、多模态的呼吸数据库，整合听诊、影像学与临床功能数据，以提升疾病诊断能力。
• 实现从多个解剖位置同步记录肺部与心脏音，以提高诊断准确性。
• 支持胸部X光片的计算机化图像分析，同时结合听诊与功能呼吸数据，实现对疾病的全面评估。
• 提供经过验证、临床标注的数据集，用于训练和评估呼吸病学领域的人工智能模型。

提出的方法

• 使用数字听诊器同步记录4导联心脏音（主动脉、肺动脉、三尖瓣、二尖瓣）与12导联肺音（前/后、上/中/下肺部及肋膈角）。
• 为每位受试者采集后前位胸部X光片、肺量计曲线及SGRQ-C问卷。
• 由两名肺科医生通过PFT、X光片与听诊的临床评估对所有数据进行验证与标注。
• 采用图像处理技术对胸部X光片进行计算机化分析，以支持自动化呼吸系统疾病检测。
• 将多模态数据（声学、放射学、功能）整合至统一数据库，支持跨模态研究。
• 应用结构化数据标注，确保下游人工智能应用中临床相关性与可重复性。

实验结果

研究问题

• RQ1 与单导联记录相比，同步的多导联肺音与心脏音记录是否能提升对肺部与心脏异常的检测能力？
• RQ2 将胸部X光影像与听诊及PFT数据结合，能否提升呼吸系统疾病诊断的准确性？
• RQ3 对胸部X光片的计算机化分析在识别呼吸系统病理方面，能在多大程度上补充肺音与心脏音的声学分析？
• RQ4 将SGRQ-C问卷数据与生理及声学数据整合，能否改善慢性呼吸系统疾病患者的表型分类？
• RQ5 统一的、多模态呼吸数据库在呼吸病学人工智能模型训练中的可行性与临床价值如何？

主要发现

• 该数据库包含75名受试者（30名健康者，45名患有哮喘、COPD或支气管炎），为呼吸研究提供了多样化的队列。
• 来自12个肺部与4个心脏音位置的同步多通道听诊数据，支持对呼吸音的详细空间定位。
• 由两名肺科医生进行的临床验证确保了听诊、PFT与影像学发现标签的高可靠性。
• 将PFT肺量计曲线与SGRQ-C数据整合至声学与影像学数据中，实现了全面的患者表型分类。
• 该数据库通过支持声音、影像与功能数据的跨模态分析，推动了多模态人工智能研究。
• 提供经计算机化图像处理预处理的胸部X光片，有助于推动肺部影像中自动化诊断工具的开发。