床旁肺损伤分类
融合EIT边界电压与通气图像，实现四种肺部状况的实时分类。
Li, Zhiwei · Wu, Yang · 刘凯 · Zhang, Yingqi · 陈柏 · Wang, Hao · 姚佳烽
Medical Image Analysis 2026
混合学习策略将仿真数据与少量实验数据结合，仅需 25% 的实验数据即可达到与全量实验数据相当的精度。
网络可同时区分健康、气胸、胸腔积液和肺炎四种肺部状况，覆盖常见临床场景。
在临床人体数据集上达到 96.55% 的准确率，表明模型从仿真到真实的迁移能力强。
SHAP 分析揭示了输入数据的特征贡献，帮助理解模型决策。