基于六分钟步行生理数据预测慢性阻塞性肺疾病肺功能分级的方法及其装置

摘要文本

本申请提出一种基于六分钟步行生理数据预测慢性阻塞性肺疾病肺功能分级的方法及其装置，其包括：将受试者的体重、以及受试者进行六分钟步行的6‑MWD、6‑MWW、HRR1、SpO2base、SpO2min、DSP作为输入特征输入到预测模型；预测模型为经训练的机器学习模型；由预测模型根据输入特征对慢性阻塞性肺疾病肺功能进行分级，并输出分级结果；所述分级结果为：Ⅰ级、Ⅱ级、Ⅲ级、或Ⅳ级。本申请提供了一种准确率高的多维度综合的肺功能预测方法，结合6‑MWD以及SpO2和HR变化的预测模型可以帮助COPD患者，尤其是轻度和中度患者，识别风险并及时进行干预，对防止疾病进一步恶化起到积极作用。