乳牛咳嗽声与呼吸系统疾病的关系（译全文）

题目：Cough sound description in relation to respiratory diseases in dairy calves

【译文】

摘要：咳嗽是呼吸系统疾病的一种生物标志物。通过自动监测和分析咳嗽声，农民可以获得呼吸道感染爆发的早期预警。咳嗽音的特征可以是特定的声学特征(振幅、频率和持续时间)，这些特征是通过声音记录、标记和分析程序得到的。基于上述特征，可能会开发一个自动咳嗽识别系统。本研究旨在探讨幼儿马厩中咳嗽音与其他常见声音是否有可能区别开来。取鼻拭子和血液以确定引起呼吸问题的微生物制剂。将收集到的咳嗽声与养牛过程中常见的金属架声进行比较，以确定二者之间的声学差异。结果表明，咳嗽音长度与金属架音相比有显着性差异(0.34对0.37s，P<0.05)。此外，对振幅和基频的分析表明，两种类型的声音之间在持续时间和频率上存在显著差异(时间：0.21和0.18；频率：1326和3868HZ)。这表明，咳嗽音有可能区别于其他声音，咳嗽音可以作为年轻人群呼吸道疾病的一种非侵入性诊断工具。

关键字：咳嗽声；声音分析；牛

1.引言

      任何年龄的牛都可能患有严重急性呼吸窘迫综合征(ARDS)或普通牛呼吸道疾病(BRD) (Snowder et al., 2006).。传染性苯并症性小牛肺炎是小牛出生前几个月呼吸窘迫的主要原因。  它是由感染因素、环境、管理和小牛免疫状况决定的一种多因素疾病。犊牛在任何年龄都可能患此病，有慢性肺炎，或更严重的急性家畜源性犊牛肺炎。传染性病原体是最常见的病因，可作为单一病原体或不同细菌和/或病毒的组合对疾病症状负责。

        呼吸道疾病的爆发往往与住房条件和环境诱发因素有关，例如牛犊住房通风不良 (Anderson et al.,1978; Lamprecht, 1982; Pritchard, 1982)，寒冷或潮湿的天气，气温和压力的突然变化(Phillippo et al., 1987)。据估计，每头牛增重较低和治疗牛呼吸道疾病所造成的经济损失为14美元，不包括劳动和相关处理的成本 (Snowder et al., 2006)。BRD的诊断主要以体格检查、肺听诊和经验性诊断为主(Peek, 2005)。血清学和细菌学检查是为了确定病原体，通常使用大范围抗生素。然而，无论是在饲料中还是在水中，大量的药物治疗都有其有限的价值(Apley, 1997)，消费者和主要卫生组织(世卫组织、欧洲监督组织、FDA-美国)强烈呼吁和关注减少牲畜的使用，特别是亚治疗水平 (Bronzwaer et al.,2001).。大量治疗和晚期诊断病理突出表明缺乏足够的观察，需要训练有素的人员及早识别，以发现第一症状。精密畜牧养殖(PLF)是一种早期发现疾病的工具，它既能帮助农民迅速采取行动，防止疾病在畜群中传播，又能减少牲畜使用药物的需求和减少疾病的发生 (Berckmans, 2004).。为了早期发现，持续的动物观察是基本的，但它也需要大量的人力，这在大型奶牛场是没有的。因此，只有当感染发展到晚期时，才会对动物进行治疗。咳嗽声分析可能是一种有价值的PLF工具，可早期发现呼吸道疾病，病理性咳嗽可作为感染的标志；对这些咳嗽进行记录、标记、分析和量化，以考虑其声学特征(例如持续时间和频率)，使农民能够对呼吸系统疾病进行定量估计。咳嗽音分析技术的发展，为开发一种智能化的小牛咳嗽自动识别系统奠定了基础（Ferrari et al., 2008b;Exadaktylos et al., 2008) ，弥补缺乏连续的群体观察。本研究的目的是分析一组患呼吸道疾病的断奶小牛的声音记录，以探讨咳嗽音与其他声音之间是否有区别。

2.材料与方法

        在意大利北部一家奶牛场的断奶小牛的隔间里记录了咳嗽声。2008年3月~4月，对荷斯坦-弗里西亚公、母犊牛28头，年龄3~6个月，观察了5天。将动物饲养在3箱8~10只动物中。整个稳定建筑的尺寸为12m×6m，其内部分为3箱，每箱4m×4m，正面走廊为12m×2m。根据其他可能干扰高质量录音的管理活动，这些录音连续进行了一段时间，从半小时到2h不等。总共收集了8小时的录音。录音由一个全向麦克风(Monacor ECM 3005)进行，频率响应为50至16 000 Hz，连接到一台手提电脑上，由一位接线员携带，接线员走近咳嗽的小牛。封闭的环境和稳定的适度尺寸允许，在这种情况下，用一个麦克风录音。个别动物没有咳嗽，但记录时间内所听到的所有声音都被记录在案。记录的信号以32位的标准声卡Realteck AC97和44100 Hz的采样率数字化。在这种环境中，最初观察到牛犊之间不发声，盒子里铺着稻草；这些因素的结合使得它成为了一个安静的动物居住环境，所以没有必要用前置放大器来调节声音信号。咳嗽声很容易与其他声音区分开来，因为没有机器、蹄子或机械通风的背景噪音。

  图1  使用声音标记工具自动提取声音。上面的窗口显示连续记录的1分钟长的片段，下面的窗口显示所有提取的声音。

        音频文件回放是在一个专门设计的标签工具中运行的(Exadaktylos et al., 2009)。这个半自动程序是由参与这项研究的研究小组开发的，它可以根据声音信号的振幅来提取和分类单个声音。更具体地说，系统识别声音的能量包络，它是信号能量集中的地方的指示器。当能量包络超过自动选择的环境特定阈值时，相应的声音被选择，如图1所示。该方法的基本原理是大部分时间记录低幅噪声，当产生声音时，将其记录为高能信号。当包络的振幅高于特定的阈值时，就会认为需要识别声音的录音，而后一种识别是完全手动的，由一个负责的操作者做的，去听一听提取出来的声音，并对它们进行分类。在完成声音提取后，手动标记单个声音，将其按声源划分为类(金属架和咳嗽)。这有助于我们获得一个全面的记录，在连续记录的声音中需要识别的声音数量。随后的声音分析旨在根据声学的特点，如：持续时间，基频和振幅等，来区分收集到的两种最常见的声音，即咳嗽声和金属架音。这三个特征对于每一类声音来说都是典型的(Van Hirtum and Berckmans, 2002;Ferrari et al., 2008a,b) 。声音的持续时间是通过分析信号时间序列来定义的，从声波突然增大的点开始，直到它恢复到静音状态( Fig. 2)。对一个声音信号的频率进行了研究，它的基频(F0)是由任何特定的声源产生的最低频率(Gerhard, 2003) 。振幅分析采用均方根(RMS)。这个参数反映了信号幅度接近其最大值的时间的分数。在信号处理方面，我们使用了Matlab7.1。对调查参数(基频、持续时间和均方根)的值进行方差分析，验证其平均值是否与他们所提到的声音分类(rack或cough)有显著差异(Anova proc. in SAS version 8.2;2008)。负责录音和动物观察的研究人员选取了12只有呼吸道疾病症状的动物作为断奶组的代表:在试验的不同日子里观察到它们在咳嗽，并且在录音的最后一天取样。用棉签采集鼻样本(Amies传输介质Cultiplast)，用喷出玻璃管(Terumo)采集血液。对血琼脂平板(5%牛血)进行细菌学分析，检测多菌巴氏杆菌、产脓杆菌等挑剔微生物，对牛支原体PPLO琼脂进行细菌学分析。对鼻标本进行PCR检测(聚合酶链反应)，检测是否存在somni组嗜血杆菌和M. bovis，因为污染菌群可以抑制这些菌群的生长，也可以抑制这些细菌的生长。12份血样被用来表示暴露于呼吸道病毒。牛呼吸道合胞病毒(BRSV)、副流感病毒(PI/3)、牛疱疹病毒(BHV)抗体滴度 采用半定量ELISA法检测牛病毒性腹泻病毒(BVDV)。当抗体水平低于或等于阴性对照时，结果为阴性；当抗体水平等于或高于阳性对照时，为阳性； AK正，对于介于两者之间的值。

3.结果

        在为期五天的试验期间，畜舍监测和标记的最常见的声音是咳嗽和齿条声(resp:360和250个声音)。声音分析显示，咳嗽声(0.37 s)单音长度较金属架稍长(0.34秒)(P < 0.05).两种音型的均方根值差异显著(P<0.001)，咳嗽音0.21，金属架音0.18，基频分析t值有显着性差异(P<0.01)。 两类音的平均频率分别为1326 Hz和3868 Hz(P<0.001)。结果如表1所示：细菌学和血清学分析的结果表明，12只被测试的动物表现出被呼吸道疾病病原体感染(表2)。未检出牛M.和H.Somni，化脓性假单胞菌仅在1头小牛体内鉴定，10头小牛鼻拭子中检出多杀性疟原虫。一个实验对象的病原体无法分离，病毒感染似乎也不存在(212号病例)。所有细菌学阳性的动物均有呼吸道疾病的临床征象，证实了咳嗽音的致病性质。

                                                  表1 关于咳嗽音和鸣叫音持续时间、均方根音和基频的描述性信息

                                                                       表2 鼻拭子和血样的细菌学和血清学分析结果。

4.讨论

        过去，人类和动物都曾研究过咳嗽，以证明几种呼吸道感染与声音信号类型之间的相关性(Korpás et al., 1987, 1993; Ferrari et al., 2008a,b)。电子系统已被证明用于声音采集、分析。通过对电子系统进行声音采集、分析(Höglung and Michaelson, 1950; Reece et al., 1966; Subburaj et al., 1966) 和标记，将咳嗽声与其他环境信号进行区分(Robertsonand Benzie, 1989; Van Hirtum and Berckmans, 2003a; Aerts et al., 2005) 。后一种生物声学研究的重点是连续记录下咳嗽自动检测和定位的书写和测试算法(Van Hirtum and Berckmans, 2002, 2003b; Guarino et al., 2004; Jans et al., 2004; Exadaktylos et al., 2008). 。

        然而，特别是在动物养殖方面，对咳嗽声的分析和解释仍然缺乏很大的知识。为了及时、早期诊断，在实际现场条件下，首先要研究一定类型咳嗽与其相应疾病的关系。同样重要的是要考虑到农业条件提供了广泛的声音，这些声音即使在声学上与咳嗽非常不同，也可能干扰对咳嗽的正确识别，对这些声音的自动分析可能导致对咳嗽的错误定量。在野外条件下，实现声音分析自动识别咳嗽的第一步，将是能够自动选择和区分受感染动物产生的咳嗽声和牛棚中出现的所有其他声音。通过使用自动系统排除咳嗽以外的任何其他声音，我们将能够避免假阳性咳嗽声检测，从而提高检测系统的可靠性。通过对该病的客观卫生量化和定性，以及对所有咳嗽和“非咳嗽”声音的声音分析，我们可以扩大我们对动物声学的认识，以及将其用于诊断目的的方法。我们所调查的声学参数显示咳嗽声和齿条声有统计学差异，尤其是在均方根和频率上;这些差异可以作为进一步区分声音的起点，并为将声音分析应用于自动诊断系统提供机会。这种仪器的主要作用在于，通过在马厩里工作，它将记录和统计马厩中的咳嗽事件，使农民能够立即获得有关动物呼吸健康的信息。这个预测系统可以跟踪疾病的演变，当与良好的管理实践(初乳和疫苗接种、马厩卫生)协同使用时，它有助于改进呼吸道疾病的预防，节省单动物治疗的成本，并减少体重下降和产量下降(Gardner et al., 1998; Apley, 2006)。

5.结论

      我们的研究表明，生物声学声音分析是一种基于均方根、持续时间和频率等声学特征的有效工具，可以将咳嗽声与其他稳定的声音区分开来。 声音分析是一种生物标志物在线自动监测工具的候选，该工具可以显示农场中是否存在肺部疾病，有望用于自动咳嗽识别和呼吸道疾病的早期预警。

参考文献