如果孩子出現持續咳嗽的症狀，家長無疑會帶他們進行身體檢查以確定是否有任何嚴重的問題。將他們帶到醫生處是最好的選擇，但實驗性的新型咳嗽分析智慧手機應用程式可以在無法實現的情況下提供幫助。
由澳洲昆士蘭大學Paul Porter博士和副教授Udantha Abeyratne領導的研究團隊首先收集了咳嗽錄音資料庫。這些來自1437名29天至12歲的住院兒童，他們患有各種已經常規診斷的呼吸系統疾病。
在機器學習演算法的幫助下（與用於開發語音識別系統的演算法不同），科學家隨後使用852個記錄來訓練應用程式識別與肺炎、哮吼、哮喘，細支氣管炎和一般下呼吸道疾病相關的不同聲音。當該應用程式隨後被用於診斷其他585名兒童時（根據他們的錄音），其準確度介於81％至97％之間。
一旦應用程式得到進一步完善，研究人員希望它可以被位於缺乏醫療設施的偏遠地區的父母所使用，患者可以透過遠端醫療系統向醫生諮詢患者，或者甚至作為醫生在自己的辦公室檢查兒童的輔助診斷系統。
“即使是經驗豐富的醫生，也很難區分兒童的呼吸系統疾病，”Porter說道。“這項研究表明，如何成功地將新技術、數學概念、機器學習和臨床醫學相結合，以產生全新的診斷測試。”
關於該應用程式的論文最近發表在《 Respiratory Research》期刊上。
如果孩子出現持續咳嗽的症狀，家長無疑會帶他們進行身體檢查以確定是否有任何嚴重的問題。將他們帶到醫生處是最好的選擇，但實驗性的新型咳嗽分析智慧手機應用程式可以在無法實現的情況下提供幫助。
由澳洲昆士蘭大學Paul Porter博士和副教授Udantha Abeyratne領導的研究團隊首先收集了咳嗽錄音資料庫。這些來自1437名29天至12歲的住院兒童，他們患有各種已經常規診斷的呼吸系統疾病。
在機器學習演算法的幫助下（與用於開發語音識別系統的演算法不同），科學家隨後使用852個記錄來訓練應用程式識別與肺炎、哮吼、哮喘，細支氣管炎和一般下呼吸道疾病相關的不同聲音。當該應用程式隨後被用於診斷其他585名兒童時（根據他們的錄音），其準確度介於81％至97％之間。
一旦應用程式得到進一步完善，研究人員希望它可以被位於缺乏醫療設施的偏遠地區的父母所使用，患者可以透過遠端醫療系統向醫生諮詢患者，或者甚至作為醫生在自己的辦公室檢查兒童的輔助診斷系統。
“即使是經驗豐富的醫生，也很難區分兒童的呼吸系統疾病，”Porter說道。“這項研究表明，如何成功地將新技術、數學概念、機器學習和臨床醫學相結合，以產生全新的診斷測試。”
關於該應用程式的論文最近發表在《 Respiratory Research》期刊上。