机器学习在心肺运动试验中的应用进展
张毅1
林林2
鲍时春3
1.广东医科大学生物医学工程学院,广东 东莞 5238082.广东医科大学生物医学工程学院,广东 东莞 523808;东莞市医学电子与医学影像设备重点实验室,广东 东莞 5238083.中国科学院深圳先进技术研究院,广东 深圳 518000;国家高性能医疗器械创新中心康复与健康信息中心,广东 深圳 518000
摘要：心肺运动试验是一种用于评估心肺功能、运动能力和整体健康状况的综合测试方法.心肺运动试验涉及多种复杂的生理参数时间序列数据,由于多系统生理参数的高关联性、个体差异性(如年龄和身体状况)与缺乏统一解读标准等原因,使得现有心肺运动试验技术临床应用推广困难.机器学习通过对心肺时间序列数据进行特征提取分析,最终实现疾病的诊断、运动状态识别以及各种生理指标的判断等.基于机器学习的心肺运动试验技术可辅助医生诊断,其有效性优于传统解释方法.本文综述了机器学习在心肺运动试验中的应用进展,涵盖疾病识别、生理参数预测、预后评估及通气阈值自动判定等方向,强调模型可解释性在临床中的重要性.针对当前数据异构、模型泛化性差与临床落地难等问题,提出推动数据共享、发展可解释模型与实现远程智能分析,将心肺运动试验从经验解读迈向数据驱动的智能评估新模式.
关键词：心肺运动试验机器学习时间序列数据多源信息融合
资助基金：国家自然科学基金(62101546)
论文发表日期：2025-06-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 233-239 )
英文信息