AI声学分析识别术后咳嗽近完美，华中科大团队提出两阶段深度学习框架

文/IAICA.NGO®

肺部手术后，患者从麻醉中醒来，往往要面对护士间歇性的询问：咳嗽怎么样？随后，这些主观印象被匆匆记入病历。两次查房之间，数小时的咳嗽事件无人记录，而指导镇痛、气道护理和出院决策的临床图景，正是由这些碎片拼凑而成。持续、客观的咳嗽监测长期缺失，成为术后管理中的一个盲区。

近日，一项发表于 Biomedical Engineering Letters 的研究试图用声音填补这一空白。华中科技大学 Weiming Lin 与同事报告了一个两阶段深度学习框架，能够连续监听术后患者，从原始音频中检测咳嗽事件，并将每次咳嗽分类为干咳或湿咳。研究报告的准确率数据，在几年前几乎难以想象。咳嗽在肺切除术后并非小事。持续或难以忍受的咳嗽与气漏、咽喉疼痛、睡眠中断和恢复延迟相关，也是肺叶切除术和全肺切除术后数周内最常见的投诉之一。然而，病房中的常规评估依然间歇且主观，依赖患者回忆和护理观察。

为了验证技术可行性，研究团队在武汉同济医院开展了数据采集。2024年6月26日至8月13日期间，他们从80名接受肺部手术的患者处收集了超过7000段原始音频记录，研究获得伦理批准，每位参与者均签署书面知情同意。病房原始音频充满噪声，包含说话声、脚步声、监护仪报警和繁忙外科楼层的环境音。经过录音分割和基于专家共识的筛选，团队构建了一个咳嗽类型队列，包含1908个独特片段，其中1500个标注为干咳，408个标注为湿咳。两类咳嗽的不平衡分布本身反映了真实临床特征，因为湿咳频率较低，却是气道分泌物的重要标志。

一个关键方法学决策影响了整个评估。研究人员没有将单个片段随机划分为训练集和测试集，因为那样会让同一患者的近重复咳嗽片段推高模型性能。相反，他们以患者为单位进行划分，训练集、验证集和测试集分别包含56名、12名和12名患者。这种患者级划分意味着模型必须在从未听过的患者咳嗽数据上接受评估，是一种更严格的测试，也更接近系统面对新入院患者时的真实表现。每段一秒录音被重采样至16千赫兹，并转换为128系数的梅尔频率倒谱系数表示。这种紧凑的频谱指纹能够捕捉咳嗽的音色，同时丢弃绝对响度等无关细节。

系统架构被有意分为两个阶段，承担不同任务。第一阶段是作者称为 K-DenseNet 的网络，回答一个二分类问题：这段一秒音频是不是咳嗽？DenseNet 风格架构通过密集连接向前传递特征图，使每一层能够复用所有先前层的输出，从而增强特征传播并控制参数量。第二阶段名为 RUNet，只接收通过第一道筛选的片段，将其分类为干咳或湿咳。其名称呼应了最初为生物医学图像分割开发的 U-Net 卷积网络家族，在这里被改造用于处理咳嗽的时频结构。

与传统方法相比，该研究的价值在于把咳嗽监测从主观、间歇的护士观察，推进到客观、连续的声学分析。患者日记、人工计数和问卷长期以来是咳嗽评估的主要工具，但它们容易受到回忆偏差和观察者差异影响。近年来，人工智能音频分析在哮喘、慢性阻塞性肺疾病和呼吸道感染中已有探索，但术后场景的高质量数据仍然稀缺。该研究在真实病房环境中采集数据，并采用患者级划分，提升了结果的严格性。不过，从实验室走向临床仍面临多重挑战，包括患者隐私、录音知情同意、环境噪声干扰、模型跨中心泛化能力、监管审批以及临床工作流整合。

连续客观的咳嗽监测若能在更大规模研究中得到验证，有望为术后管理提供更丰富的信号。咳嗽频率和类型的变化可能提示气漏、感染或分泌物潴留，帮助临床团队更早调整镇痛方案、气道护理和出院计划，并支持远程监护与可穿戴设备的发展。iaica.com.cn 认为，智能照护系统的落地不仅依赖算法精度，还需要与电子病历、护理流程和数据治理框架深度融合，才能在保护患者隐私的前提下释放临床价值。未来研究应开展多中心、前瞻性验证，覆盖不同年龄、手术类型和病房环境，并探索咳嗽声学特征与其他术后并发症之间的关联。只有经过严格外部验证，近完美的识别准确率才能真正转化为床旁决策支持工具。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。