iMedic：面向AI驱动的儿童呼吸评估的基于智能手机的自听诊工具

呼吸听诊对于早期检测儿童肺炎至关重要，缺乏及时干预会使病情迅速恶化。在医生资源有限的地区，有效听诊具有挑战。我们提出了一个基于智能手机的系统，利用内置麦克风和先进的深度学习算法来检测表明肺炎风险的异常呼吸声。我们的端到端深度学习框架采用域泛化方法，将大型电子听诊器数据集与较小的智能手机数据集集成，实现对不使用昂贵设备即可进行准确呼吸评估的稳健特征学习。配套的移动应用程序指导护理者收集高质量的肺搏音样本，并提供潜在肺炎风险的即时反馈。用户研究显示，系统表现出强大的分类性能和高接受度，证明了其能够促进干预并减少可预防的儿童肺炎死亡。通过无缝集成到普遍可用的智能手机中，这一方法为实现更公平、全面的远程儿童护理提供了前景。