Manikin-Recorded Cardiopulmonary Sounds Dataset Using Digital Stethoscope

Resumo Técnico: Conjunto de Dados de Sons Cardiorrespiratórios Gravados em Manequim Utilizando Estetoscópio Digital

Declaração do Problema
As doenças cardiorrespiratórias continuam a ser uma das principais causas de mortalidade global, tornando necessária a análise precisa das funções cardíaca e pulmonar. Embora a auscultação seja uma ferramenta diagnóstica vital, os sinais acústicos envolvidos são fracos e exigem análise sofisticada. Embora a Inteligência Artificial (IA) e o aprendizado de máquina tenham avançado a tomada de decisão clínica, sua eficácia é limitada pela escassez de conjuntos de dados de alta qualidade e diversificados que contenham simultaneamente sons cardíacos e pulmonares. Conjuntos de dados existentes frequentemente focam exclusivamente em sons cardíacos ou respiratórios, carecem de gravações mistas ou dependem da mistura pós-hoc de arquivos separados em vez de captura simultânea. Além disso, muitos trabalhos anteriores utilizam estetoscópios eletrônicos mais antigos com resolução inferior comparada às alternativas digitais modernas.

Metodologia
Para abordar essas lacunas, os autores desenvolveram um conjunto de dados utilizando um ambiente controlado e isento de riscos, envolvendo um manequim de habilidades clínicas e hardware de gravação avançado.

• Fonte de Dados: As gravações foram geradas utilizando o simulador de paciente de fidelidade média CAE Juno™, que possui peles de tórso intercambiáveis para homens e mulheres e é capaz de simular ciclos cardíacos e ventilação sincronizados. O simulador foi controlado via software CAE Maestro em um tablet conectado por Wi-Fi, permitindo o ajuste em tempo real dos parâmetros de simulação.
• Hardware de Gravação: O estudo utilizou o Estetoscópio Digital 3M™ Littmann® CORE, conectado via Bluetooth a um aplicativo móvel para visualização e armazenamento. Este dispositivo oferece amplificação de até 40x, cancelamento ativo de ruído (redução de 85%) e filtros de frequência integrados.
• Protocolo de Gravação:
  • Ambiente: As gravações foram realizadas em um colaboratório de prática profissional silencioso e isento de ruídos, com o manequim em posição sentada.
  • Localizações: Os sons foram capturados em 12 marcos anatômicos distintos, incluindo locais padrão de auscultação cardíaca (Ápice, RUSB, LUSB, LLSB, RC, LC) e zonas pulmonares (Superior, Média e Inferior Anterior em ambos os lados direito e esquerdo).
  • Filtros: Três modos de filtro foram empregados com base no som-alvo: Modo Campânula (20–200 Hz) para sons cardíacos de baixa frequência, Modo Diafragma (100–500 Hz) para sons pulmonares de alta frequência e Modo Média (50–500 Hz) para gravações mistas.
  • Duração: Cada gravação durou 15 segundos, capturada a uma taxa de amostragem de 22.050 Hz no formato .wav.
• Composição dos Dados: O conjunto de dados final compreende 210 gravações (101 femininas, 109 masculinas) categorizadas em três grupos:
  1. Sons Cardíacos (HS): 50 gravações cobrindo sons normais e 9 anomalias (por exemplo, sopros, fibrilação atrial, taquicardia, S3/S4).
  2. Sons Pulmonares (LS): 50 gravações cobrindo sons normais e 5 anomalias (por exemplo, sibilos, crepitações, roncos, atrito pleural, borbulhamento).
  3. Sons Mistos (Mix): 110 gravações capturando sons cardíacos e pulmonares simultâneos com várias combinações das patologias mencionadas acima.
• Validação: Uma equipe de enfermagem verificou a identificação dos marcos de auscultação. Uma análise qualitativa foi realizada ouvindo os arquivos de áudio para garantir o alinhamento com os padrões fisiológicos esperados. O manequim passa por calibração anual para garantir precisão.

Contribuições Principais
A contribuição primária deste trabalho é o lançamento de um conjunto de dados novo que oferece gravações mistas cardiorrespiratórias simultâneas e naturalmente ocorrentes, uma característica que os autores observam estar ausente em conjuntos de dados anteriores importantes (por exemplo, os de Tsai et al., Fraiwan et al. e Oliveira et al.).

• Gravações Mistas Únicas: Ao contrário de conjuntos de dados onde sons cardíacos e pulmonares são gravados separadamente e misturados algoritmicamente, este conjunto de dados captura a sobreposição natural dos sinais, o que é crítico para o desenvolvimento de técnicas de separação não supervisionada, como a separação cega de fontes.
• Diversidade: O conjunto de dados inclui uma gama mais ampla de anomalias do que estudos anteriores baseados em simuladores, cobrindo dez tipos distintos de sons cardíacos e seis tipos de sons pulmonares.
• Alta Fidelidade: O uso de um estetoscópio digital com filtragem avançada e cancelamento de ruído fornece sinais de maior resolução e mais limpos em comparação com conjuntos de dados gravados com estetoscópios eletrônicos mais antigos.
• Metadados: Cada arquivo é acompanhado por um arquivo CSV contendo metadados detalhados, incluindo gênero, tipos específicos de sons e localização anatômica, seguindo uma convenção de nomenclatura estruturada.

Resultados e Validação
O estudo gerou com sucesso 210 arquivos de áudio de alta qualidade. Os autores validaram os dados através de:

1. Especificações Técnicas: Confirmação da resposta de frequência e capacidades de cancelamento de ruído do estetoscópio (Tabela 1).
2. Análise Qualitativa: Verificação por especialistas de que as formas de onda e espectrogramas gravados (visualizados nas Figuras 5 e 6) correspondiam aos padrões fisiológicos esperados.
3. Reprodutibilidade: O uso de um manequim padronizado e protocolo de gravação garante que o conjunto de dados possa ser reproduzido em cenários semelhantes.

Significado e Alegações
Os autores posicionam este conjunto de dados como um recurso valioso para as comunidades de pesquisa em engenharia biomédica e IA. Eles afirmam que sua utilidade específica reside em:

• Desenvolvimento de Algoritmos: Suporta tanto aprendizado supervisionado (para classificação de sons cardíacos/pulmonares distintos) quanto aprendizado não supervisionado (para agrupamento e separação cega de fontes de sinais mistos).
• Aplicações Clínicas: O conjunto de dados destina-se ao uso na detecção automatizada de doenças cardiorrespiratórias, classificação de sons e tarefas de processamento de sinais, como Análise de Componentes Principais (PCA), Análise de Componentes Independentes (ICA), Máquinas de Vetor de Suporte (SVM) e Redes Neurais Convolucionais (CNNs).
• Fundação para Trabalhos Futuros: Os autores observam que já utilizaram este conjunto de dados para propor um método modificado de fatoração de matriz não negativa afim (NMF) para separação cega, demonstrando sua aplicabilidade imediata à pesquisa avançada de processamento de sinais.

O artigo conclui que, ao fornecer gravações limpas, isoladas e mistas em um ambiente de simulação realista, este conjunto de dados aborda um gargalo crítico no treinamento de modelos de IA robustos para monitoramento cardiorrespiratório.