基于深度学习的慢性阻塞性肺病的诊断模型研究

作者：余辉; 赵婧; 仇兆禹; 刘冬怡; 陈振; 垢程翔; 孙敬来^*; 赵晓赟^*

来源：中国生物医学工程学报, 2022, 41(05): 558-566.

• 慢性阻塞性肺病
• 肺音
• 二阶谱
• 卷积神经网络

慢性阻塞性肺病(COPD)是一种常见的以持续气流受限为特征的慢性呼吸道疾病，具有很高的发病率和死亡率。目前临床上对COPD的诊断方式十分复杂，不仅耗时且有创或有辐射伤害，不适用于日常筛查。本研究设计了一种基于深度学习的COPD诊断模型。首先，将RespiratoryDatabase@TR多媒体呼吸数据库中42位COPD患者的肺音数据和来自天津大学胸科医院的24位COPD患者以及37位健康受试者的临床采集肺音数据相结合，分别运用高通滤波器和基于集合经验模态分解(EEMD)及小波熵的去噪算法进行去噪处理，然后通过归一化、交叠剪切、数据扩增完成预处理过程；然后利用二阶谱分析技术提取肺音特征；最后，将特征输入到改进的19层卷积神经网络模型中，实现健康受试者与COPD患者的二分类。实验结果表明，所提出的模型能够有效诊断COPD,其准确度、敏感度、特异性、F1分数和Kappa系数分别达到了98.93%、98.47%、99.41%、98.95%和97.86%,且由于采用了双中心数据并进行了去噪处理，模型可靠性更高，具有重要的临床意义。

• 单位
  天津大学; 电子工程学院