基于VGG算法的咳嗽音分析在预测儿童常见呼吸系统疾病中的应用研究

摘要

目的 儿科呼吸系统疾病的鉴别诊断具有挑战性。现有的诊断算法有着较高的错误率，导致误诊、抗生素使用不当以及较高的发病率和死亡率。声学工程和人工智能的最新进展表明，利用咳嗽音可以识别呼吸道疾病，减少对诊断服务和临床专业知识的依赖。本研究介绍了一项使用自动咳嗽声音分析诊断儿童呼吸道疾病的研究。方法 本研究招募了592名患呼吸系统疾病的受试者，并在临床环境中记录其咳嗽声音构建数据集。将咳嗽数据作为模型输入。将呼吸系统疾病诊断算法与儿科医生小组在审查医院病历和所有可用检查后达成的共识临床诊断进行比较。结果 共有592名年龄在29天至12岁之间的受试者纳入分析。呼吸系统疾病诊断算法与临床参考之间的阳性百分比和阴性百分比一致值如下：哮喘(97%,93%);肺炎(91%,89%);上呼吸道疾病(93%,88%);下呼吸道疾病(89%,88%);哮吼(87%,84%);细支气管炎(94%,91%)。结论 结果表明，该呼吸系统疾病诊断算法对常见儿童呼吸道疾病的诊断准确性较高。这为改进儿童呼吸道疾病的早期诊断和管理提供了支持，有可能减少不必要的抗生素使用，改善患者预后。

关键词

VGG算法 / 咳嗽音 / 呼吸系统疾病 / 人工智能