EarSpiro：用于肺功能评估的耳机式呼吸测定法

呼吸测定法是评估肺功能的金标准。最近的研究提出移动设备可以低成本测量肺功能指数。然而，这些设计在两个方面存在不足。首先，它们无法提供流速-容量（F-V）曲线，这比肺功能指数更具信息量。其次，这些解决方案缺乏吸气测量，这对变异性胸外阻塞等敏感肺部疾病至关重要。在本文中，我们提出 EarSpiro，这是一种基于耳机的解决方案，将呼吸测试期间记录的气流声音解释为 F-V 曲线，包括呼气和吸气测量。EarSpiro 利用卷积神经网络（CNN）和循环神经网络（RNN）来捕获气流声音与气流速度之间的复杂相关性。同时，EarSpiro 采用基于聚类的分割算法来跟踪原始录音中的弱吸气信号，从而实现吸气测量。我们还通过迁移学习和解码网络，使用用户仅提供的少量真实肺功能指数，使 EarSpiro 能够与日常使用的类似嘴状物体（如漏斗）配合使用。对 60 名受试者进行的大量实验表明，EarSpiro 在呼气和吸气流速估计方面达到了 0.20L/s 和 0.42L/s 的平均误差，在呼气和吸气 F-V 曲线估计方面达到了 0.61L/s 和 0.83L/s 的平均误差。估计的 F-V 曲线与真实曲线之间的平均相关系数为 0.94。四个常见肺功能指数的平均估计误差为 7.3%。