面向客观腹部听诊：基于可穿戴传感器的肠鸣音模式自动分割与标注
声音
2026-03-10 v1 机器学习
音频与语音处理
信号处理
摘要
肠鸣音（BS）通常是瞬态且幅度较小的，这使得通过手动听诊准确检测变得困难，从而导致临床评估存在显著变异性。数字声学传感器允许获取高质量的 BS 数据，并可实现自动信号分析，从而为临床医生提供客观且定量的肠活动反馈。本研究提出了一种针对腹部听诊的自动化管线，用于肠鸣音的分割与分类。使用可穿戴声学 SonicGuard 传感器记录了来自 83 名受试者的 BS 信号。对 40 名受试者的数据进行了由临床专家手动标注，以训练自动标注算法；其余受试者数据用于进一步评估模型。开发了一种基于能量的事件检测算法，用于检测 BS 事件。随后使用预训练的 Audio Spectrogram Transformer（AST）模型对检测到的声音片段进行分类，以BS模式进行分类。分别对健康受试者和患病受试者评估了模型性能。最佳配置使用两个专门的模型，一个在健康受试者上训练，一个在患病受试者上训练，实现了（准确率：0.97，AUROC：0.98）用于健康组和（准确率：0.96，AUROC：0.98）用于患病组。自动标注方法将手动标注时间缩短约 70%，专家审核显示，少于 12% 的自动检测片段需要纠正。该提出的自动化分割和分类系统实现了对肠活动的定量评估，为临床医生提供了一个客观诊断工具，可改善消化系统功能的诊断，并支持大规模数据集的标注。
引用
@article{arxiv.2603.07215,
title = {Towards Objective Gastrointestinal Auscultation: Automated Segmentation and Annotation of Bowel Sound Patterns},
author = {Zahra Mansour and Verena Uslar and Dirk Weyhe and Danilo Hollosi and Nils Strodthoff},
journal= {arXiv preprint arXiv:2603.07215},
year = {2026}
}