介绍了过去十年咳嗽检测的研究，描述了AioCare便携式肺活量检测系统的自动咳嗽检测解决方案，该解决方案基于气流信号而非音频信号，使用逻辑回归、神经网络、支持向量机等分类器进行训练并选择了人工神经网络，测试表明该分类器精度稳健，能够应用于不同的环境和患者，是第一个基于气流信号的自动咳嗽检测算法描述，并且是第一个应用于商用肺活量检测系统的咳嗽检测算法。

Feb, 2019

本研究使用半监督学习方法改善COUGHVID数据集标注不一致和COVID-19咳嗽声音分类的鲁棒性，同时展示了新数据集的高度一致性和可解释性，该方法可用于改善任何诊断分类任务的数据库一致性。

Sep, 2022

通过对多个病人和环境子组的性能比较，以及与人工专家制定的地面实况标签的比较，本研究评估了一种人工智能解决方案对正常胸部X射线诊断的稳健性。

Aug, 2022

利用咳嗽声音进行COVID-19检测的研究，探讨了增强机器学习模型性能的各种声学特征提取技术，并在两种机器学习算法（支持向量机和多层感知机）上进行了实证研究，提出了一种高效的COVID-19检测系统。该系统在COUGHVID和Virufy数据集上表现出更好的分类性能。

Sep, 2023

对咳嗽数据驱动的机器学习/深度学习检测和初步诊断框架进行了综合概述，包括显著特征的详细列表，并分析了引起咳嗽的机制和呼吸模式的潜在咳嗽特征，以及定制咳嗽监测应用和其基于人工智能的识别算法。此外，还详细讨论了发展实用、强大和普遍解决方案的挑战和未来研究方向。

Sep, 2023

通过分析手机麦克风中的咳嗽声的声学特征，该研究开发了一个集成模型来检测结核病，该模型通过患者咳嗽声数据和人口统计学数据进行训练，在15秒内获得结果，可通过移动应用程序轻松访问。

Oct, 2023

利用多模态大型语言模型、少样本训练提示、视觉定位将影像与电子病历数据结合，该研究提出了MedPromptX模型，用于胸部X射线诊断，有效提高了异常的识别能力。

Mar, 2024

使用机器学习算法驱动的可穿戴设备检测慢性咳嗽病例中的咳嗽事件数量和时间模式，提供客观数据给临床医生以追踪症状和评估治疗方案。为此，提出使用基于事件的评估指标以及开源的框架来测试算法性能，并提供事件化咳嗽计数的示例和最佳实践指南。

Jun, 2024

本研究针对现有基于咳嗽声音的呼吸疾病诊断方法存在的数据规模限制和模型性能不足的问题，提出了一种统一框架，对多种深度学习模型进行评估。通过自监督和监督学习结合的大规模咳嗽数据集分类方法，实验结果显示该方法在COVID-19和慢性阻塞性肺疾病的分类任务中超越了以往研究，其AUROC达到了92.5%。

Aug, 2024

本研究解决了咳嗽声音数据在呼吸疾病诊断中的应用不足，特别是在数据量小且标注困难的背景下。我们提出了一种新颖的方法，结合自监督和监督学习，在大规模咳嗽数据集上进行呼吸疾病分类。实验结果表明，该方法在新冠病毒诊断和慢性阻塞性肺疾病分类上均优于现有技术，获得92.5%的AUROC。

Aug, 2024