⚡ electrical engineering

A New Non-Negative Matrix Factorization Approach for Blind Source Separation of Cardiovascular and Respiratory Sound Based on the Periodicity of Heart and Lung Function

Dieser Artikel schlägt einen modifizierten affinen Ansatz der nicht-negativen Matrixfaktorisierung vor, der die periodischen Eigenschaften von Herz- und Lungen signalen nutzt, um kardiovaskuläre und respiratorische Geräusche aus verrauschten digitalen Stethoskopaufnahmen effektiv blind zu trennen, und zeigt im Vergleich zu bestehenden Methoden verbesserte Leistungsmetriken auf.

Ursprüngliche Autoren: Yasaman Torabi, Shahram Shirani, James P. Reilly

Veröffentlicht 2026-05-27

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Yasaman Torabi, Shahram Shirani, James P. Reilly

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie stehen in einer belebten Küche. Auf einem Herd kocht ein Topf Suppe rhythmisch vor sich hin (das ist das Herz). Auf dem anderen pfeift ein Wasserkessel mit einem längeren, gedehnteren Ton (das sind die Lungen). Stellen Sie sich nun vor, jemand nimmt die gesamte Küche mit einem einzigen Mikrofon auf. Das Ergebnis ist eine chaotische Audiodatei, in der das Kochen und das Pfeifen miteinander vermischt sind, was es schwierig macht, eines der beiden Geräusche klar zu hören.

Genau diesem Problem stehen Ärzte gegenüber, wenn sie die Brust eines Patienten abhören. Herz und Lunge erzeugen gleichzeitig Geräusche, und ihre Frequenzen überlappen sich, wodurch ein „Küchengeräusch" entsteht, das schwer zu entwirren ist.

Diese Arbeit stellt ein neues digitales Werkzeug vor, um dieses Problem zu lösen. Hier ist die Funktionsweise, aufgeschlüsselt in einfache Konzepte:

1. Das Ziel: Die Suppe entmischen

Die Forscher wollten diese chaotische Aufnahme nehmen und wieder in zwei saubere Spuren zerlegen: eine nur für das Herz und eine nur für die Lungen. Dies nennt man Blind Source Separation (Blindquellentrennung). Sie nennen es „blind", weil der Computer nicht weiß, wie die ursprünglichen Geräusche aussahen; er muss es herausfinden, indem er sich nur die Mischung anhört.

2. Der alte Weg vs. der neue Weg

Frühere Methoden versuchten, diese Geräusche mit Standard-Mathematik-Tricks zu trennen, ließen aber oft „Geister" des anderen Geräusches zurück (wie ein schwaches Pfeifen in der Herzspur zu hören).

Die Autoren schlagen einen neuen Ansatz vor, der auf der Nicht-negativen Matrixfaktorisierung (NMF) basiert. Betrachten Sie NMF als einen sehr intelligenten Puzzle-Löser. Er betrachtet das chaotische Audio und versucht, es in zwei grundlegende Bausteine zu zerlegen:

Das Muster (A): Wie das Herzgeräusch normalerweise aussieht.
Das Muster (X): Wie das Lungen-Geräusch normalerweise aussieht.

3. Die drei geheimen Zutaten

Die Autoren benutzten nicht einfach einen Standard-Puzzle-Löser; sie bauten eine maßgeschneiderte Maschine mit drei speziellen Verbesserungen:

Der „Skalierung und Versatz"-Regler:
Herzgeräusche sind leise und scharf; Lungen-Geräusche sind lauter und langsamer. Standard-Mathematik hat Schwierigkeiten mit diesem Unterschied. Die Autoren fügten einen speziellen „Skalierung und Versatz"-Block hinzu. Stellen Sie sich dies als eine Brille vor, die Helligkeit und Kontrast des Bildes anpasst. Sie streckt die leisen Herzgeräusche und komprimiert die lauten Lungen-Geräusche, damit die Mathematik sie gleichermaßen gut verarbeiten kann.
Die „Zwei-Spur"-Fabrik (Parallele Struktur):
Anstatt eine Maschine zu verwenden, die versucht, beide Geräusche gleichzeitig zu finden, bauten sie zwei separate Maschinen, die nebeneinander laufen.
- Maschine A ist speziell darauf abgestimmt, das Herz zu jagen.
- Maschine B ist speziell darauf abgestimmt, die Lungen zu jagen.
  Das ist wie zwei Detektive in einem Raum: Der eine sucht nur nach roten Autos, der andere nur nach blauen Lastwagen. Sie verwechseln sich nicht, was zu einem viel saubereren Ergebnis führt.
Der „Rhythmus"-Detektor (Periodizität):
Dies ist der cleverste Teil. Das Herz schlägt in einem schnellen, regelmäßigen Rhythmus (wie eine Trommel). Die Lungen atmen in einem langsameren, anderen Rhythmus (wie eine Welle).
Der neue Algorithmus muss nicht im Voraus genau wissen, wie schnell das Herz schlägt. Stattdessen hört er den Ausgang beider Maschinen und fragt: „Welcher hat den schnellen, gleichmäßigen Trommelrhythmus?" Das ist das Herz. „Welcher hat die langsame Welle?" Das sind die Lungen. Er nutzt den natürlichen Rhythmus des Körpers, um zu entscheiden, welches Geräusch wohin gehört.

4. Die Ergebnisse

Das Team testete dies an 100 verschiedenen „Küchenaufnahmen" (synthetischen Mischungen aus echten Herz- und Lungen-Geräuschen). Sie verglichen ihr neues Werkzeug mit anderen beliebten Methoden.

Die Ergebnisse zeigten, dass ihre neue Methode das Rauschen viel besser bereinigte. Insbesondere:

Sie reduzierte die „Interferenz" (das Durchsickern des anderen Geräusches) erheblich.
Sie erzeugte eine klarere, genauere Trennung der beiden Geräusche als frühere Methoden.

Zusammenfassung

Kurz gesagt bauten die Autoren eine intelligentere digitale Stethoskop-Software. Anstatt nur zu raten, wie die Geräusche zu trennen sind, schufen sie ein System, das zwei spezialisierte Teams parallel arbeiten lässt, die Lautstärke automatisch anpasst und den natürlichen Rhythmus von Herz und Lungen nutzt, um sicherzustellen, dass das richtige Geräusch in der richtigen Datei landet. Dies erleichtert es Ärzten, genau zu hören, was im Inneren der Brust eines Patienten vor sich geht.

Technisches Fazit: Ein neuer Ansatz der nicht-negativen Matrixfaktorisierung zur blinden Quellentrennung von kardiovaskulären und respiratorischen Geräuschen

Problemstellung
Die kardiale und respiratorische Auskultation liefert entscheidende diagnostische Informationen für kardiovaskuläre und respiratorische Erkrankungen. Der klinische Nutzen der Auskultation wird jedoch häufig durch die Herausforderung von Rauschen und Signalinterferenzen beeinträchtigt. Herzgeräusche (kardial) und Lungengeräusche (respiratorisch) überlappen sich häufig im Frequenzbereich und interagieren physikalisch, was die Extraktion reiner akustischer Signale aus einer einzigen Aufnahme erschwert. Zwar existieren Techniken zur blinden Quellentrennung (BSS), doch Standardverfahren wie die Unabhängige-Komponenten-Analyse (ICA) erfordern oft Vorwissen bezüglich der Quellstatistiken (Mittelwert und Varianz), und bestehende Anwendungen der nicht-negativen Matrixfaktorisierung (NMF) in der Bioakustik hatten Schwierigkeiten mit Rauschkontamination und der Trennung von Signalen mit gemischten Vorzeichen. Darüber hinaus verlassen sich viele bestehende Ansätze auf manuelle Segmentierung oder spezifisches Vorwissen über Signalperioden, was ihre Automatisierung und Robustheit einschränkt.

Methodik
Die Autoren schlagen einen modifizierten NMF-Ansatz vor, der entwickelt wurde, um Herz- und Lungengeräusche, die von einem digitalen Stethoskop aufgenommen wurden, blind zu trennen. Die Methodik integriert mehrere unterschiedliche technische Komponenten:

Vorverarbeitung: Die Eingangssignale unterliegen einer Bandpassfilterung (50–250 Hz für das Herz, 60–300 Hz für die Lunge) und einer Normalisierung, um Rauschen zu mindern und die Amplitude zu standardisieren.
Modifizierte affine NMF: Der Kernalgorithmus nutzt ein $\alpha$ -NMF-Rahmenwerk, das die $\alpha$ -Divergenz minimiert. Um die Einschränkung der Standard-NMF bei der Wiederherstellung von Signalen mit gemischten Vorzeichen zu adressieren, führen die Autoren einen „Skalierungs- und Offset"-Block ein. Diese Modifikation umfasst einen einstellbaren Offset-Term ( $\lambda_2$ ), um die Nicht-Negativität sicherzustellen, sowie distincte Skalierungsfaktoren ( $\lambda_1$ ) für die Herz- und Lungen-Erkennungsblöcke. Dies ermöglicht dem Algorithmus, die Natur der gemischten Vorzeichen der rohen akustischen Daten zu handhaben, während er biologische Priors nutzt (z. B. dass Lungengeräusche langsamer und dominanter sind als Herzgeräusche).
Parallele Multilayer-Struktur: Im Gegensatz zur traditionellen einmodularen NMF verwendet das vorgeschlagene System eine parallele Struktur mit zwei separaten NMF-Modulen. Ein Modul ist darauf abgestimmt, Herzgeräusche zu extrahieren, das andere Lungengeräusche. Diese Struktur nutzt einen mehrschichtigen (hierarchischen) Ansatz, um das Risiko zu verringern, in lokalen Minima zu konvergieren, und bietet zusätzliche Freiheitsgrade, um Parameter (wie die Anzahl der Schichten und Skalierungsfaktoren) unabhängig für jeden Quellentyp einzustellen.
Periodizitätsbasierte Selektion: Eine wesentliche Innovation ist die Ausnutzung der periodischen Natur von Herz- und Lungenfunktion ohne Vorwissen über die spezifischen Periodenwerte. Nachdem die parallelen Module Kandidatensignale generiert haben, schätzt das System die Periode jedes Ausgangs mittels der Autokorrelationsfunktion. Das Modul mit der kleineren Periode wird als Herzgeräusch ausgewählt, während das andere als Lungengeräusch bezeichnet wird.

Hauptbeiträge
Die Arbeit identifiziert drei primäre Beiträge:

Neuartige algorithmische Struktur: Die Einführung einer parallelen, mehrschichtigen NMF-Architektur, die eine unabhängige Parametereinstellung für die Herz- und Lungenextraktion ermöglicht und die Trenngenauigkeit im Vergleich zu einmodularen Ansätzen verbessert.
Handhabung von Signalen mit gemischten Vorzeichen: Die Anpassung des affinen NMF-Algorithmus mit einem Skalierungs- und Offset-Block, wodurch die Methode in der Lage ist, Bioakustische Mischungen mit gemischten Vorzeichen effektiv zu verarbeiten.
Periodizitätsgetriebene Trennung: Die Nutzung der intrinsischen Periodizität von Herz- und Lungengeräuschen als Auswahlkriterium zur Quellidentifikation. Dieser Ansatz verbessert die Genauigkeit ohne manuelle Segmentierung oder präzises Vorwissen über Signalperioden, eine Eigenschaft, die den Autoren zufolge bisher nicht in NMF-basierter bioakustischer Trennung angewendet wurde.

Experimentelle Ergebnisse
Die Methode wurde an einem synthetisierten Datensatz mit 100 Fällen evaluiert, wobei jeder Fall aus zwei Mischungen realer Herz- und Lungenaufnahmen bestand. Die Leistung wurde mittels Source-to-Distortion Ratio (SDR), Source-to-Interference Ratio (SIR) und Source-to-Artifacts Ratio (SAR) gemessen.

Parameteroptimierung: Durch 100 Experimente wurden optimale Parameter identifiziert als $\alpha=0,5$ , wobei der Herz-Erkennungsblock 2 Schichten und der Lungen-Erkennungsblock 1 Schicht verwendet.
Leistungsmetriken: Die vorgeschlagene Methode erreichte eine durchschnittliche SIR von 30,9 dB, eine SAR von 17,1 dB und eine SDR von 21,2 dB.
Vergleichende Analyse: Im Vergleich zu aktuellen NMF-basierten Methoden (Tsai, Xie, Wang und Candas) zeigte der vorgeschlagene Ansatz überlegene Leistung, insbesondere bei der SIR, die laut Autoren die relevanteste Metrik für klinische Zwecke ist. Die Ergebnisse zeigten signifikante Verbesserungen gegenüber bestehenden Methoden, die oft niedrigere SIR-Werte lieferten (z. B. 10,4 dB bis 24,1 dB in vergleichenden Studien).

Bedeutung und Behauptungen
Die Arbeit behauptet, dass die vorgeschlagene Methode eine überlegene Lösung für die blinde Quellentrennung von Herz- und Lungengeräuschen bietet, indem sie parallele Verarbeitung, mehrschichtige Strukturen und die Ausnutzung von Periodizität kombiniert. Die Autoren betonen, dass die Methode hohe Genauigkeit erreicht, ohne manuelle Eingriffe oder umfangreiches Vorwissen über die Signalperioden zu benötigen. Obwohl die Ergebnisse auf synthetisierten Mischungen realer Messungen basieren, stellen die Autoren fest, dass die Methode „überlegene Quellentrennungsgenauigkeit" im Vergleich zu anderen aktuellen Methoden demonstriert. Sie schließen, dass der Ansatz vielversprechend für klinische Anwendungen ist, bemerken jedoch, dass weitere Tests an tatsächlichen klinischen Daten in zukünftigen Studien erforderlich sind. Die Arbeit wahrt einen bescheidenen Ton bezüglich zukünftiger Implikationen und konzentriert sich strikt auf die nachgewiesenen Verbesserungen der Trennmetriken (SDR, SIR, SAR) gegenüber bestehenden Techniken.