吴阳老师论文被《IEEE Transactions on Instrumentation & Measurement》录用

研究室论文《Spatiotemporal Residual Recurrent Neural Network for Lung Function Evaluation Using Electrical Impedance Tomography》被期刊《IEEE Transactions on Instrumentation & Measurement》录用。

本文提出了一种基于电阻抗断层扫描（EIT）的时空残差循环神经网络（STResRNN）在呼吸过程中评估肺功能的新方法。我们的方法将残差网络（ResNet）与混合注意力机制（HAM）和双向长短期记忆（BiLSTM）结构相结合，以有效地从EIT图像序列中提取时空特征。这允许对肺通气功能进行准确分类，区分正常、阻塞和受伤情况，而不需要强有力的呼吸动作。在一项有165名参与者的临床试验中，STResRNN的总体准确率为97.4%。健康、慢性阻塞性肺病和损伤的F1评分分别为98.4%、97.5%和96.3%。这些结果证明了该模型在识别各种肺部疾病方面的鲁棒性。进一步的参数优化和消融研究验证了网络组件的有效性。这项研究强调了基于EIT的呼吸数据在无创和轻松评估肺功能方面的潜力，为早期肺部疾病筛查铺平了道路，并扩大了EIT的临床应用。