The application of impulse oscillometry system based on machine learning algorithm in the diagnosis of chronic obstructive pulmonary disease
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Abstract Objective . Diagnosing chronic obstructive pulmonary disease (COPD) using impulse oscillometry (IOS) is challenging due to the high level of clinical expertise it demands from doctors, which limits the clinical application of IOS in screening. The primary aim of this study is to develop a COPD diagnostic model based on machine learning algorithms using IOS test results. Approach . Feature selection was conducted to identify the optimal subset of features from the original feature set, which significantly enhanced the classifier’s performance. Additionally, secondary features area of reactance (AX) were derived from the original features based on clinical theory, further enhancing the performance of the classifier. The performance of the model was analyzed and validated using various classifiers and hyperparameter settings to identify the optimal classifier. We collected 528 clinical data examples from the China–Japan Friendship Hospital for training and validating the model. Main results . The proposed model achieved reasonably accurate diagnostic results in the clinical data (accuracy = 0.920, specificity = 0.941, precision = 0.875, recall = 0.875). Significance . The results of this study demonstrate that the proposed classifier model, feature selection method, and derived secondary feature AX provide significant auxiliary support in reducing the requirement for clinical experience in COPD diagnosis using IOS.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- The application of impulse oscillometry system based on machine learning algorithm in the diagnosis of chronic obstructive pulmonary disease
- Date Crossref
- 01/05/2024
- Éditeur
- IOP Publishing
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Chinese Academy of Sciences pays non établi dans la noticeOrganisme public
-
Aerospace Information Research Institute pays non établi dans la noticeUniversité ou école supérieure
-
University of Chinese Academy of Sciences pays non établi dans la noticeUniversité ou école supérieure
-
Chinese Academy of Medical Sciences & Peking Union Medical College pays non établi dans la noticeUniversité ou école supérieure
-
China-Japan Friendship Hospital pays non établi dans la noticeÉtablissement de santé
-
State Key Laboratory of Transducer Technology pays non établi dans la noticeOrganisme public
-
Beijing Administration Institute pays non établi dans la noticeUniversité ou école supérieure
-
Capital Medical University Beijing Friendship Hospital pays non établi dans la noticeUniversité ou école supérieure
-
Beijing Friendship Hospital pays non établi dans la noticeÉtablissement de santé
-
Chinese Academy of Personnel Science pays non établi dans la noticeOrganisme public
-
State Key Laboratory of Respiratory Health and Multimorbidity National Center for Respiratory Medicine pays non établi dans la noticeStructure de recherche
-
Research Unit of Personalized Management of Chronic Respiratory Disease pays non établi dans la noticeStructure de recherche
Chinese Academy of Sciences, Aerospace Information Research Institute et University of Chinese Academy of Sciences, avec 9 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.