用于居家呼吸疾病监测与呼吸评估的机器学习算法
机器学习
2024-09-06 v1
摘要
呼吸系统疾病给全球健康带来了沉重负担，目前的诊断和管理实践主要依赖于专科临床检测。本研究旨在开发基于机器学习的算法，以促进接受持续气道正压通气（CPAP）治疗患者的居家呼吸疾病监测与评估。数据收集自30名健康成年人，包含三种呼吸条件（正常呼吸、急促呼吸和深呼吸）下的呼吸压力、流速以及动态胸腹周长测量值。训练了多种机器学习模型，包括随机森林分类器、逻辑回归和支持向量机（SVM），以预测呼吸类型。随机森林分类器表现出最高的准确率，特别是在将呼吸率作为特征纳入时。这些发现支持了人工智能驱动的呼吸监测系统将呼吸评估从临床环境转移到家庭环境的潜力，从而提高了可及性和患者自主性。未来的工作包括在更大、更多样化的人群中验证这些模型，并探索其他机器学习技术。
引用
@article{arxiv.2409.03180,
title = {Machine learning-based algorithms for at-home respiratory disease monitoring and respiratory assessment},
author = {Negar Orangi-Fard and Alexandru Bogdan and Hersh Sagreiya},
journal= {arXiv preprint arXiv:2409.03180},
year = {2024}
}
备注
10 pages, 2 figures