常见中耳病理的年龄分层分类,使用低压声阻力 (PLAITM) 和机器学习
Aleksandar Miladinović1, Francesco Bassi2, Miloš Ajčević2
1Institute for Maternal and Child Health-IRCCS "Burlo Garofolo", 34137 Trieste, Italy.
Healthcare (Basel, Switzerland)
|August 14, 2025
概括
低压声阻抗 (PLAITM) 为诊断中耳疾病提供了一种新的非侵入性方法. 年龄特定的模型显著提高了诊断准确性,特别是在儿科听力学中.
科学领域:
- 听力学 听力学是指听力学.
- 医学诊断 医学诊断 医学诊断
- 声学工程 声学工程
背景情况:
- 用于中耳诊断的常规耳测量可以是侵入性的.
- 对于儿科中耳病理,需要非侵入性,准确的诊断工具.
研究的目的:
- 探索低压声阻抗 (PLAITM) 作为一种新的,非侵入性的诊断方法.
- 用PLAITM数据评估年龄分层机器学习模型在诊断中耳病理方面的有效性.
主要方法:
- 收集了516个耳朵测量,按年龄分层 (0-3,3-12,12+岁).
- 使用随机森林分类器分析了PLAITM的声学参数 (共振频率,峰值入口,通道体积).
- 雇佣的SMOTE用于阶级不平衡,SHAP值用于特征重要性.
主要成果:
- 与非分层模型相比,特定年龄的模型实现了更高的诊断准确性 (宏观F1得分:0.79-0.84).
- 响应频率,耳道体积和峰值入口是关键的诊断特征.
- 基于年龄的分层降低了耳膜炎的虚假阴性,其中包括输液和 tympanic 膜收缩.
结论:
- 在早期,无压力中耳诊断方面,PLAITM显示出前景.
- 年龄意识的机器学习模型提高了儿科听力学中的准确性.
- 为整合这些框架,建议对更大的队列进行进一步验证.


