基于支持向量机的平稳期儿童哮喘诊断方法研究

摘要

哮喘是一种对儿童生活质量有重大影响的慢性呼吸系统疾病，它的及时预测和准确诊断对哮喘儿童的健康至关重要。但对处于哮喘平稳期的儿童而言，哮喘发作时儿童的呼吸音中不存在明显的喘鸣音等特征音，所以在听觉上处于哮喘平稳期儿童的呼吸音与健康儿童的呼吸音无明显区别，导致医护人员难以使用传统的听诊方法诊断哮喘。选用机器学习中的支持向量机算法（SVM）对儿童进行哮喘预测，研究结果表明，SVM在哮喘与健康儿童呼吸音的分类预测中表现出色，其对吸气相的预测准确率达到96.53%，而对呼气相的预测准确率达到91.66%。由此可见，SVM在儿童哮喘诊断中具有较好可行性，提高了儿童哮喘诊断的准确性和效率，为该领域提供了可靠的诊断工具。

关键词

哮喘 / 预测 / 机器学习 / 支持向量机