2、PACTDet：基于人工智能的肺部疾病检测方法

PACTDet：基于人工智能的肺部疾病检测方法

1. 引言

近年来，肺部疾病和感染变得十分常见。受新冠疫情影响，全球人们对肺部健康愈发关注。肺部疾病会阻碍肺部气流，像慢性阻塞性肺疾病（COPD）已成为全球第三大死因，约3.84亿人受影响，每年导致300万人死亡。部分肺部疾病如哮喘可能自幼就有，而新冠和肺结核具有传染性。哮喘影响全球约14%的儿童，常见病因包括遗传、过敏反应或化学物质刺激。肺炎会使肺部积液发炎，让患者呼吸困难。肺结核由病原菌引起，不仅影响呼吸系统，还会波及神经系统、骨骼和腹部，已影响至少6.32亿人，给医疗和金融领域带来巨大冲击。

传统上，患者若有多种肺部疾病症状，逐一进行诊断测试既耗时又昂贵，还可能导致医疗资源利用不当。本研究应用多种机器学习算法，如随机森林、决策树、支持向量机、梯度提升和人工神经网络（ANN）。经过症状数据收集和统计分析，模型取得了显著成果，平均准确率达97%，精确率98%，召回率97%，F1分数97%，其中ANN模型准确率高达99%。该研究成果可作为“技术医生”，根据症状判断患者患肺部疾病的概率，为医疗工作者提供决策支持，且具有成本低、速度快的优势，能在数秒内给出诊断结果，患者可据此采取早期治疗措施，减轻重症监护室（ICU）压力。

2. 文献综述

在当今世界，慢性阻塞性肺疾病（COPD）和哮喘是主要健康问题，且发病率不断上升，但常因误诊或医生忽视而未得到有效控制。此前研究中，有探讨吸入皮质类固醇治疗哮喘和COPD的效果，但发现其对COPD的疗效不如哮喘，目前戒烟被认为是COPD最有效的治疗方法。

机器学习在肺部疾病检测中具有重要意义。有研究应用卷积神经网络通过呼吸声检测COPD，准确率达93%；还有使