目前，二氧化碳(CO2)波形测量的二氧化碳(CO2)在临床上被用于估计呼吸频率和潮末二氧化碳(EtCO2)。然而，二氧化碳信号的形状携带了有关哮喘病情的重要诊断信息。以前的研究表明，定量表征CO2信号形状的各种特征之间存在很强的相关性，这些特征被用于通过肺功能测试区分哮喘和非哮喘，但没有取得可靠的进展，也没有实现转化为临床实践。因此，本文提出了一种相对简单的信号处理算法，用于哮喘与非哮喘的自动鉴别。记录了30例非哮喘患者和43例哮喘患者的CO2信号。将每个呼吸周期分解为子周期，计算提取特征。然后，利用受试者工作特征曲线分析下的面积(Az)进行特征选择。通过使用支持向量机的留一交叉验证程序进行分类。我们的结果显示，向上呼气(AR1)、向下吸气(AR2)以及AR1和AR2之和的筛选能力最大，Az分别为0.892、0.803和0.793。该方法鉴别哮喘与非哮喘的平均准确率为94.52%，敏感性为97.67%，特异度为90%。 The proposed method allows for automatic classification of asthma and non-asthma condition by analysing the shape of the CO2 waveform. The developed method may possibly be incorporated in real-time for assessment and management of the asthmatic conditions.
这篇论文将发表在IEEE Access杂志上。