🧬 biology

AI-Driven Lumped-Element Modeling of Human Respiratory System for Studying Voice Mechanics

本文提出了一种新颖的由人工智能驱动且基于物理学的集总参数模型，该模型将深度学习提取的声带动力学与呼吸系统的弹簧-阻尼-质量表示相结合，用以模拟发声过程并预测如声门下压和能量传递机制等非侵入性可测参数。

原作者： Maruf Md Ik, Maryam Naghibolhosseini, Mohsen Zayernouri

发布于 2026-06-25

📖 1 分钟阅读☕ 轻松阅读

原作者： Maruf Md Ik, Maryam Naghibolhosseini, Mohsen Zayernouri

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

想象一下，你的声音不仅仅是喉咙发出的声音，而是一个复杂的机器，你的肺、气管和声带像工程师、弹簧驱动的活塞和一对扇动的门一样协同工作。

这篇论文介绍了一个全新的人类语音系统“数字孪生”模型。研究人员并没有孤立地观察声带，而是构建了一个计算机模型来模拟整个发声链条：从肺部排出的空气，经过富有弹性的气管，经过振动的声带，最后从口中排出。

以下是他们如何使用简单的类比进行拆解的：

1. 机舱：作为活塞的肺部

不要把你的肺仅仅看作一个气囊，而要把它看作圆柱体（类似于注射器）内部的一个弹簧驱动活塞。

弹簧： 当你呼气时，你的肺组织就像一根回弹的橡皮筋，将空气推向外侧。
阻尼器： 组织还具有一种“海绵状”的特性，可以减缓速度并吸收能量（粘性）。
模型： 研究人员将这一生物过程转化为了一个数学方程，其中一个重物（肺部质量）被一个弹簧推动，并被一个阻尼器减速。这使得计算机能够精确计算出胸腔内积聚了多少压力，而这在不通过手术的情况下，是无法直接测量活体人类内部数据的。

2. 柔性管道：可压缩的气道

气管和较小的气道并不是刚性的塑料管，它们是灵活的，可以挤压或扩张。

类比： 将气道想象成可塌陷的花园软管。当空气流过时，软管的壁会晃动并改变形状。
模型： 团队将这些气道建模为两个可以前后移动的平行“活塞”。这捕捉到了气道扩张和收缩的过程，增加了以往简单模型所缺失的真实感。

3. 门：声带

声带是守门人。

类比： 把它们想象成一对摆动的门，每秒钟会闭合并开启数百次。
数据来源： 为了让这些“门”动作得更真实，研究人员并没有仅凭猜测。他们利用**人工智能（深度学习）**观察真人喉咙的高速视频。AI 扮演了超高速摄像机的角色，追踪声带开启和关闭的精确形状，每秒钟追踪数千次。
结果： 计算机模型利用这些真实的“门”运动，来模拟空气是如何被切割成声波的。

4. 整个系统：一个连接的链条

这篇论文的魔力在于他们将所有这些部分连接成了一个链条：

肺部推动空气（像活塞一样）。
气道晃动并产生阻力（像柔性软管一样）。
声带切割空气（像摆动的门一样）。
口腔释放空气。

因为它们都是相互连接的，该模型展示了其中一部分的变化如何影响其他部分。例如，如果声带紧闭，声带后方的肺部压力就会增加，进而对下一次呼吸产生更大的推动力。

他们发现了什么？

通过运行这种模拟，研究人员能够看到通常无法看见的事物：

“不可见”的压力： 他们能够绘制出声带下方（声门下压力）发生的精确压力变化。在现实生活中，你无法在不伤害人的情况下将压力计插进去测量。模型显示，这种压力并不是一条平滑、稳定的直线；它会随着声带的节奏呈现上升和下降的特定模式。
“反向”波形： 他们发现，虽然空气流量（空气流动的量）看起来是一系列尖峰（上下波动），但胸腔内的压力看起来则相反：它保持高位然后急剧下降。这就像一个挡水的水坝；当闸门关闭时压力很高，当闸门打开时压力下降。
真实性高于完美性： 该模型并非完美无缺。它假设声带会完全且瞬间闭合，这是一种简化处理。在现实中，闭合过程会稍微缓慢一些，且具有三维立体感。然而，该模型成功捕捉到了语音系统的主要“心跳”特征。

为什么这很重要？

该论文声称，这是首次有模型成功模拟了呼吸系统（肺和气道）专门用于研究人类如何发声。

此前，科学家们通常只是假设来自肺部的空气是一股稳定、单调的气流（就像一阵持续的微风）。这篇论文证明了空气实际上是一种动态的、脉动的力量，它会随着每一次呼吸和每一次声带的振动而变化。通过更好地理解这个“引擎”，我们能更准确地了解人类声音的运作方式，并以健康人的真实数据作为基准。

技术摘要：用于研究语音机制的 AI 驱动人类呼吸系统集总参数建模

问题陈述
人类的发声依赖于三个子系统——呼吸系统（肺部和气道）、发声系统（声带）以及构音系统（声门上声道）之间紧密的耦合相互作用。从历史上看，发声的计算模型主要侧重于发声和构音子系统，通常将呼吸输入简化为均匀、稳定或正弦波形式的声门下压力/流速。这些简化未能捕捉到真实呼吸力学中固有的具有主体特异性、非线性和不规则性的动力学特征。因此，现有的模型忽略了由肺组织粘弹性、气道可压缩性和流动阻力所塑造的特定入口条件如何改变射流不对称性、湍流和声学负载。目前迫切需要一个统一的建模框架，能够生成针对特定受试者的、随时间变化的喉部边界条件，以精确模拟语音力学。

方法论
作者开发了一个统一的、预测性的物理模型，通过集总参数模型（LEM）将呼吸、发声和构音子系统整合为一个整体。

呼吸子系统： 肺部和可压缩气道被建模为弹簧-阻尼-质量控制的活塞-圆柱体系统。
- 肺部： 表示为一个单一的等效圆柱形腔室，其体积变化由活塞运动控制。该模型通过非线性弹簧（弹性回缩）以及线性与非线性阻尼元件（组织粘性和摩擦）纳入了肺组织的非线性粘弹性特性。
- 可压缩气道： 建模为两个平行的活塞-圆柱体组件，代表外周气道和主要支气管，考虑了壁弹性及粘性耗散。
- 流动阻力： 模型量化了不同解剖段的压力损失，包括肺组织变形 ( $R_{LT}$ )、小气道 ( $FR_s$ )、可压缩气道 ( $FR_c$ )、气管 ( $FR_T$ )、声带 ( $FR_{VF}$ )、上气道 ( $FR_U$ ) 以及口腔出口 ( $FR_E$ )。
发声子系统： 声带采用单质量模型表示。至关重要的是，声门面积波形（GAW）并非假设所得，而是利用基于深度学习分割框架（U-Net）的高速视频喉镜（HSV）数据提取的。该数据驱动了声带的动力学过程。
构音子系统： 表示为延伸至口腔的上气道，并考虑了在声音辐射前的空气动力学损失。
数值实现： 耦合动力学由非线性力平衡方程和体积连续性约束控制。系统使用四阶龙格-库塔（RK4）方案进行求解，时间步长为 $2.5 \times 10^{-4}$ 秒，与 HSV 数据的分辨率相匹配。采用粒子群优化算法来估计肺部阻尼系数。

核心贡献

整体集成： 本研究提出了第一个明确连接肺部气流模型与发声动力学的集总参数模型（LEM），超越了传统的仅限于呼吸的模型，实现了对持续发声的模拟。
数据驱动的边界条件： 通过集成基于 AI 的 HSV 数据提取 GAW 技术，该模型生成了具有主体特异性的、随时间变化的入口条件，而非依赖于理想化的正弦或稳态输入。
非线性粘弹性建模： 该框架捕捉了肺组织和可压缩气道的非线性粘弹性特性，提供了一个具有响应性的基准模型，能够扩展至患者特异性场景。
模拟不可测量变量： 该模型能够模拟在人类发声期间无法通过非侵入性手段直接测量的声门下压力分布和动态阻力。

结果
统一模型成功模拟了持续发声任务（持续发 /i/ 音）的随时间变化的动力学过程：

声门动力学： 模型重现了准周期的声门开启与闭合过程，峰值声门面积为 8–9 mm²，并在每个周期内实现完全闭合（面积为零）。声门流速在 200 至 240 ml/s 之间，表现出稳定的周期性行为。
压力动力学：
- 声门下压力 ( $P_{sub}$ )： 在 400 Pa 至 880 Pa 之间振荡。波形在声门闭合期间呈现出延长的压力平台（能量存储），随后在开启期间出现快速下降。
- 胸膜内压力 ( $P_{pl}$ )： 范围在 700 Pa 至 1090 Pa 之间，呈现出与声门下压力相似但更为显著的模式，反映了肺部的机械负荷。
流动阻力： 呼气阻力 ( $FR_E$ ) 表现出脉冲式行为，在高流速期间上升至 25–29 $\times 10^3$ Pa/(m³·s) 的峰值，并在声门闭合期间降至零。
验证： 模型通过了离体喉部实验数据（红鹿喉部）的验证。虽然在峰值声门开启附近出现了 13.33% 的局部偏差（由于模型无法捕捉 3D 射流分离），但平均周期平均误差仅为 2.96%，证实了模型捕捉主导压力动力学的能力。

意义与主张
本文声称建立了针对特定受试者发声建模的基础基准。通过超越理想化入口条件的局限性，该框架推进了对发声过程中声门下压力分布、动态阻力和能量传递机制的预测。作者认为，这项工作是迈向临床意义显著的计算模型（可针对影响发声的各种病理进行调整）的必要步骤。虽然目前的模型依赖于 2D 声门面积测量和单质量声带表示（限制了其捕捉 3D 运动细微差别和闭合期间精细压力振荡的能力），但它提供了具有生理意义的近似。作者指出，未来的工作旨在引入分布式声道声学、幂律流变学以及更详细的 3D 效应，以进一步完善该模型。