无接触性肺病通过直角频率划分的多重化基于被动的6G综合传感和通信的分类

科学领域:

• 医学诊断 医学诊断 医学诊断
• 无线通信无线通信
• 机器学习 机器学习

背景情况:

• 目前的呼吸道疾病查依赖于诸如螺旋计,CT扫描,X射线和唾液分析等方法.
• 这些现有的方法可能是资源密集型的,可能不是普遍可用的.

研究的目的:

• 通过使用非电离性6G/WiFi无线电信号,研究呼吸系统疾病的新诊断方法.
• 开发一种查五种常见呼吸道疾病的方法:喘,COPD,ILD,肺炎和结核病.

主要方法:

• 试验对象接触到5.23 GHz 6G/WiFi多载波无线电信号.
• 通过分析每个疾病如何调节无线电信号的振幅,频率和相位来确定呼吸系统疾病.
• 一个名为OFDM-Breathe的新数据集从220个人中收集,包含超过26000秒的64个频率的无线电信号记录.
• 机器学习和深度学习模型被评估用于疾病分类.

主要成果:

• 香草卷积神经网络在区分五种呼吸系统疾病方面取得了98%的准确性.
• 该模型在精度,回忆和F1得分方面表现出强的表现.
• 一项废除研究表明,只使用12.5%的总带宽,可以达到96%的准确性,剩下的用于数据通信.

结论:

• 拟议的方法为实时呼吸道疾病查提供了潜力.
• 这项技术可以改善健康公平,特别是在发展中国家.
• 它为医疗保健系统未来的综合传感和通信平台奠定了基础.