.png){kind=icon}
返回
Artificial Intelligence for Spirometry Quality Evaluation: A Systematic Review
.png){kind=icon}
OA
AI
DOI：10.3390/bioengineering12121286.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
背景与目的：肺量测定法是诊断呼吸系统疾病最广泛使用的肺功能测试方法。其逐步融入非专业场所（如初级保健）的做法，为保障测试结果的可靠性带来了挑战。在此背景下，基于人工智能（AI）技术的工具已作为支持肺量测定法质量控制的有前景的解决方案出现。本系统综述旨在综合现有证据，探讨其在该领域的应用。方法：在PubMed和IEEE Xplore数据库中进行系统检索，以识别2014年至2025年6月间发表的应用AI于肺量测定法质量控制的同行评审原创研究。检索和数据提取遵循PRISMA指南。结果：共有6项研究符合纳入标准。其中4项分析了测试动作的可接受性和可用性，2项专注于检测测试过程中出现的错误。最广泛使用的模型是卷积神经网络，在4项研究中采用，而另外2项研究则使用了其他常规机器学习模型。3项模型报告的ROC曲线下面积值高于0.88。结论：基于AI的工具在辅助肺量测定法质量控制方面显示出巨大潜力，既可用于确定测试的可接受性，也可用于检测错误。然而，当前研究仍然稀少，且在目标和研究方法上高度异质性。需要进行更广泛、多中心的研究，包括在非专业场所的验证，以确认其临床效用并促进其在临床实践中的实施。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
B
IF:
3.7
论文数:
5.9K
被引数:
1.3W
机构
引用论文
.png){kind=icon}
Deep learning algorithm for visual quality assessment of the spirogramsWaląg, D.; Soliński, M.; Kołtowski, Ł.; Górska, K.; Korczyński, P.; Kuźnar-Kamińska, B.; Grabicki, M.; Basza, M.; Łepek, M. 基于深度学习的肺量计图像质量评估算法. 生理测量学. 2023, 44, 085004. [Google Scholar] [CrossRef]
PREAI
分享收藏Automated Spirometry Quality Assurance: Supervised Learning From Multiple Experts自动肺活量测定质量保证: 来自多位专家的监督学习
PREAI
分享收藏The PRISMA 2020 statement: an updated guideline for reporting systematic reviewsPRISMA 2020声明: 报告系统评价的最新指南OAAI
OAAI分享收藏Deep learning for detecting and early predicting chronic obstructive pulmonary disease from spirogram time series深度学习从肺电图时间序列检测和早期预测慢性阻塞性肺疾病OAAI
OAAI分享收藏
查看更多内容