基于无创生理参数的家用慢阻肺疾病分类方法
王慧泉1
赵伟标1
孟庆凯2
马建新2
童朝晖3
曹志新3
1.天津工业大学生命科学学院,天津 3003872.北京怡和嘉业医疗科技股份有限公司,北京1000413.首都医科大学北京朝阳医院呼吸与危重症医学科,北京呼吸医学研究所,北京呼吸与危重症医学工程技术研究中心,北京 100020
摘要：为实现居家环境下慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)患者的病期监测,本研究设计了不同病期患者呼吸波形的采集实验,探究了基于呼吸波形提取的 16 个无创生理参数(non-invasive physiological parameters,NPP)及13 个呼吸机统计参数(statistical parameters,STA)在COPD不同病期的分类效果,并基于支持向量机建立病期分类模型.结果表明,在NPP中,从压力波形中提取的峰值间隔序列一阶差分序列的标准差、均方根、方差和峰值间隔序列的变异系数对模型分类效果的贡献度最大.在三种输入不同特征参数的分类模型中,NPP、STA和NPP-STA的平均准确率分别为82％、67％和89％,AUC值分别为0.90、0.80 和0.95.NPP-STA分类模型更适用于居家环境下COPD患者的病情分类,可用于日常疾病状况筛查,辅助医生对COPD患者进行诊断和管理.
关键词：慢阻肺特征提取机器学习呼吸疾病管理呼吸波SHAP分析
分类号：R318(医用一般科学)TP301(计算技术、计算机技术)
资助基金：国家重点研发计划(2019YFC0119400)北京市科学技术委员会临床诊断与治疗技术方案研究与应用项目(Z201100005520032)天津市研究生科研创新项目(2021YJSS082)
论文发表日期：2023-03-25
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：7( 23-29 )
英文信息