慢阻肺氣流阻塞程度模擬監(jiān)測系統(tǒng)

摘 要：針對目前慢性阻塞性肺疾病（COPD）篩查方式成本高、普及度低等問題，設(shè)計(jì)了一款基于STM32的COPD氣流阻塞程度模擬監(jiān)測系統(tǒng)。利用流量傳感器實(shí)現(xiàn)重要肺功能參數(shù)第1秒呼氣容積（FEV1）、用力呼氣肺活量（FVC）、呼氣流量峰值（PEF）的測量；使用無線技術(shù)和APP實(shí)現(xiàn)數(shù)據(jù)的收集管理；通過3D打印模擬氣管裝置，產(chǎn)生不同呼吸阻塞程度數(shù)據(jù)；通過隨機(jī)森林算法對不同呼氣氣流阻塞狀態(tài)進(jìn)行分類識別，達(dá)到了91.11%的識別準(zhǔn)確率。結(jié)果表明，基于該模擬裝置產(chǎn)生肺功能呼吸阻礙數(shù)據(jù)的方式在呼氣氣流阻塞識別上具有一定的有效性，對COPD阻塞程度的監(jiān)測識別具有一定的參考價(jià)值。

關(guān)鍵詞：COPD氣流監(jiān)測系統(tǒng)；3D打印模擬管；模式識別；APP；肺功能參數(shù)；云平臺

中圖分類號：TP29；TN98 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2025）04-00-06

0 引 言

慢性阻塞性肺疾病（COPD）是一種異質(zhì)性的肺部疾病。其特征為由于呼吸道異常引起持續(xù)的、反復(fù)惡化的氣流阻塞[1]。據(jù)文獻(xiàn)[2]研究所知，截至目前我國COPD患者接近1億人，致死約100萬人，致殘約500萬人。目前，COPD篩查方式普及度低，而且受檢查場所的限制，只有醫(yī)院才有能力進(jìn)行該類疾病的檢測診斷。此外，由于檢測復(fù)雜昂貴，許多患者存在漏診和漏治的情況，甚至疾病發(fā)展到了中度或重度階段才被發(fā)現(xiàn)。因此，早診斷、早發(fā)現(xiàn)對于預(yù)防COPD的加重和惡化至關(guān)重要。

目前，評估COPD病情嚴(yán)重程度常用的方法是進(jìn)行肺功能檢測。這是一種有效判斷患者氣流受限情況的方法，具有良好的重復(fù)性和高度的特異性[3]。其檢測的重要指標(biāo)包括：FEV1、FVC、FEV1/FVC比值以及PEF，通過FEV1/FVC是否小于0.7來判斷氣流受限的情況，通過第1秒呼氣容積所占預(yù)計(jì)值的百分比（FEV1%pred）對患者COPD氣流阻塞嚴(yán)重程度進(jìn)行分級[1]，然后根據(jù)分級情況進(jìn)行病情診斷治療。所以，設(shè)計(jì)監(jiān)測患者氣流阻塞程度的系統(tǒng)具有非常重要的意義。文獻(xiàn)[4]設(shè)計(jì)了0、20%、60%阻塞率的三維氣管，并使用氣管對4名健康受試者進(jìn)行呼吸模擬，同時(shí)佩戴ECG傳感器進(jìn)行數(shù)據(jù)采集，然后通過C4.5分類集成方法對不同阻塞率氣管模擬的阻塞狀態(tài)進(jìn)行識別。該方法顯示出了人工智能在輔助病情診斷方面的優(yōu)勢。文獻(xiàn)[5]通過PVC管、三維打印部件和流量計(jì)裝置，使健康受試者產(chǎn)生阻塞性和限制性PPG波形，并使用CNN算法對健康呼吸波形和阻塞性PPG波形數(shù)據(jù)進(jìn)行訓(xùn)練建模，然后根據(jù)識別結(jié)果對疾病進(jìn)行輔助診斷。該研究涉及不同管徑模擬的阻塞性呼吸障礙數(shù)據(jù)，能夠涵蓋輕度、中度、重度和極重度的全部梗阻比值（FEV1/FVC）情況，能夠很大程度上為COPD阻塞嚴(yán)重程度識別研究提供數(shù)據(jù)來源。因此，通過不同管徑的人工管模擬裝置來生成呼吸障礙性波形數(shù)據(jù)，是一種簡單且具有物理意義的途徑。以上研究使用ECG、PPG等生理傳感器，在不同阻塞率的裝置下，可以間接測量用于氣流阻塞狀態(tài)識別的數(shù)據(jù)波形。氣流阻塞狀態(tài)識別的結(jié)果容易受患者主動意識行動的影響，從而影響對COPD嚴(yán)重程度的判斷。而通過使用肺活量測定法對呼氣氣流進(jìn)行直接測試，可以直觀地觀察到氣流阻塞情況的變化，同時(shí)，肺活量測定法也是診斷COPD病情嚴(yán)重程度的黃金標(biāo)準(zhǔn)[6]。因此，本文在研究中設(shè)計(jì)了三維氣流阻塞模擬裝置，用以生成呼氣阻塞性波形數(shù)據(jù)；采用STM32搭載流量傳感器設(shè)計(jì)了便攜式肺功能數(shù)據(jù)采集終端，實(shí)現(xiàn)了對不同氣流阻塞數(shù)據(jù)的采集；通過APP監(jiān)測端、數(shù)據(jù)服務(wù)端及遠(yuǎn)程監(jiān)測服務(wù)器端，實(shí)現(xiàn)了數(shù)據(jù)的傳輸、存儲、顯示；利用上述各個(gè)部分構(gòu)成的系統(tǒng)產(chǎn)生呼吸氣流阻塞數(shù)據(jù)，通過隨機(jī)森林等分類算法，能夠有效識別呼氣氣流的不同阻塞狀態(tài)，對COPD疾病的監(jiān)測診斷研究產(chǎn)生了積極的影響。

1 系統(tǒng)總體設(shè)計(jì)

模擬阻塞裝置為基于3D打印的不同管徑的人工管。便攜式肺功能檢測終端主要由流量傳感器模塊實(shí)現(xiàn)人體呼氣流量數(shù)據(jù)采集，通過ESP8266無線傳輸模塊，將數(shù)據(jù)借助TCP/IP協(xié)議上傳至阿里云服務(wù)器的MongoDB數(shù)據(jù)庫中，用于數(shù)據(jù)處理、顯示。主控模塊使用STM32F103C8T6芯片作為微處理器，實(shí)現(xiàn)了傳感器模擬ADC采集、TIM定時(shí)采集等功能。APP移動端通過HTML、CSS等技術(shù)實(shí)現(xiàn)了關(guān)鍵肺功能參數(shù)指標(biāo)FEV1/FVC、FEV1%pred、FVC、FEV1及呼氣時(shí)間-容量曲線和容積-流量曲線的顯示。云服務(wù)器后端完成數(shù)據(jù)庫的搭建，實(shí)現(xiàn)與肺功能儀終端的無線遠(yuǎn)程通信，以及與移動APP前端的交互。數(shù)據(jù)服務(wù)端實(shí)現(xiàn)了氣流阻塞嚴(yán)重程度模型的識別預(yù)測。系統(tǒng)總體框架如圖1所示。

2 系統(tǒng)硬件設(shè)計(jì)

2.1 流量傳感器采集模塊

流量傳感器是實(shí)現(xiàn)肺功能檢測的重要組件。本研究選擇基于MEMS傳感單元、微控制單元（MCU）組成的醫(yī)用氣體質(zhì)量流量傳感器CAFS4000B。該傳感器對相對潮濕氣體的測量具有較高的穩(wěn)定性[7]，適用于用力呼氣肺活量的測量。

美國胸科協(xié)會（ATS）[8]對肺功能儀測量的要求：可測容量大于8.0 L，流速測量范圍為0～14 L/s，測量精度小于3.0%。文獻(xiàn)[9]根據(jù)測量要求設(shè)計(jì)的肺功能儀測量指標(biāo)PEF的范圍達(dá)到了10～600 SLPM，F(xiàn)EV1的范圍達(dá)到了0～10 L，而CAFS4000B的PEF測量范圍為-550～550 SLPM，F(xiàn)EV1的測量范圍為0～9.2 L，精度可達(dá)到1.5%，最大流速超過13.16 L/s，滿足了基本的肺功能指標(biāo)測量要求。

傳感器的模擬量信號輸出范圍為1～5 V，而STM32的ADC輸入電壓范圍為0～3.3 V。因此，選擇使用電阻R52和R53來調(diào)整傳感器的電壓輸出信號，使其適應(yīng)STM32的ADC采集范圍。同時(shí)，采用運(yùn)放AD620和濾波電路來減少噪聲信號的干擾[10]。最終，將信號輸入到STM32單片機(jī)的ADC引腳進(jìn)行采集分析。CAFS4000B流量傳感器采集調(diào)理電路的連接方式如圖2所示。

2.2 無線通信模塊

為了獲取更多的監(jiān)測數(shù)據(jù)，需要進(jìn)行日常肺功能測量。醫(yī)院的大型肺功能儀器便攜性差，費(fèi)用高，難以實(shí)時(shí)監(jiān)控[11]，所以無線通信方式是實(shí)現(xiàn)便攜式測量的重要技術(shù)手段。本文使用的無線通信模塊為ESP8266，該模塊功耗較低。ESP8266通過UART與STM32進(jìn)行數(shù)據(jù)傳輸，使用AT指令將IP地址與端口發(fā)送至云服務(wù)器端進(jìn)行入網(wǎng)操作；云端將數(shù)據(jù)實(shí)時(shí)存入數(shù)據(jù)庫中，經(jīng)處理后顯示到APP端，實(shí)現(xiàn)遠(yuǎn)程監(jiān)測，方便用戶實(shí)時(shí)查看個(gè)人測量數(shù)據(jù)，實(shí)現(xiàn)自我管理。

2.3 供電模塊和主控模塊

由于本文的肺功能檢測終端需要實(shí)現(xiàn)移動測量，傳感器輸出模擬量，所以穩(wěn)定的電壓是正確采集數(shù)據(jù)的重要步驟。其中，流量傳感器需要的供電電壓為12 V，ESP8266無線模塊供電電壓為5.0 V，系統(tǒng)供電電壓為3.3 V?？紤]系統(tǒng)功耗及肺功能儀體積大小，選擇使用2 000 mA·h/3.7 V鋰電池為設(shè)備供電。先通過LTC3204B芯片將3.7 V電壓轉(zhuǎn)換為5 V，再通過LM1117芯片將5 V電壓轉(zhuǎn)換為3.3 V，然后通過LMR62421芯片將5 V電壓轉(zhuǎn)換為12 V。電壓轉(zhuǎn)換電路如圖3所示。主控模塊使用STM32F103C8T6作為微處理器，搭載ADC、UART等系統(tǒng)外設(shè)實(shí)現(xiàn)基本控制功能。

2.4 氣流阻塞模擬裝置

COPD患者氣流阻塞的主要原因是呼吸道塌陷導(dǎo)致氣道阻塞，從而導(dǎo)致氣流受限。COPD患者會因?yàn)榧膊〉募又貙?dǎo)致氣道狹窄程度加重，呼氣氣道阻力增加，最大氣流量和氣道通過能力下降[12]。根據(jù)文獻(xiàn)[13]對患者氣道塌陷位置和形狀的模擬，氣流通過文丘里形狀氣管狹窄處時(shí)會導(dǎo)致最大流量降低，同時(shí)壓力變化會導(dǎo)致呼氣阻力增大。所以本系統(tǒng)設(shè)計(jì)了如圖4（a、b、c、d、e字母分別代表5 mm、8 mm、11 mm、16 mm、22 mm管徑的模擬氣道三維建模圖）所示的三維氣管模擬裝置進(jìn)行氣流阻塞模擬實(shí)驗(yàn)。采用該裝置可以對健康受試者進(jìn)行COPD氣流阻塞情況模擬。

FEV1/FVC比值是判斷氣流受限的黃金指標(biāo)，F(xiàn)EV1%pred是判斷氣流阻塞嚴(yán)重程度的重要指標(biāo)。GOLD指南針中使用FEV1/FVC和FEV1%pred對COPD患者的嚴(yán)重程度進(jìn)行分級[14]，見表1。在COPD篩查過程中，早期識別診斷對預(yù)防后期疾病惡化十分重要，所以根據(jù)指南分級標(biāo)準(zhǔn)主要使用5 mm、8 mm、11 mm、16 mm、22 mm的三維人工氣管對COPD的輕度（Ⅰ級）、中度（Ⅱ級）、重度（Ⅲ級）等情況進(jìn)行了模擬。

3 系統(tǒng)軟件設(shè)計(jì)

3.1 便攜式肺功能檢測終端程序設(shè)計(jì)

肺功能檢測終端程序的關(guān)鍵在于呼氣開始和停止時(shí)刻的判斷，其運(yùn)行流程如圖5所示。首先，完成串口、ADC等外設(shè)的初始化，然后以100 Hz的頻率對傳感器數(shù)據(jù)進(jìn)行ADC采集。判斷連續(xù)10次數(shù)據(jù)大于設(shè)定閾值，則確定為開始呼氣；連續(xù)10次數(shù)據(jù)小于設(shè)定閾值，則為結(jié)束呼氣。一旦檢測到開始呼氣，對采集的數(shù)據(jù)進(jìn)行封裝處理后，ESP8266會實(shí)時(shí)將數(shù)據(jù)透傳至阿里云服務(wù)器平臺，以進(jìn)行數(shù)據(jù)處理和存儲。

3.2 阿里云服務(wù)器平臺后端軟件功能設(shè)計(jì)

云服務(wù)器端在實(shí)現(xiàn)遠(yuǎn)程監(jiān)控方面起著至關(guān)重要的作用，是數(shù)據(jù)傳輸管理的樞紐。云服務(wù)器端的關(guān)鍵技術(shù)要點(diǎn)包括：通過Socket模塊實(shí)現(xiàn)與硬件用戶終端的通信；通過Mongoose模塊實(shí)現(xiàn)處理數(shù)據(jù)的存儲；通過Axios模塊實(shí)現(xiàn)與手機(jī)APP端的交互；通過HTTP實(shí)現(xiàn)與數(shù)據(jù)服務(wù)端的通信。云服務(wù)器后端功能架構(gòu)如圖6所示。

3.3 APP移動終端功能的軟件設(shè)計(jì)

APP移動終端的功能包括用戶注冊登錄，容積-時(shí)間、容積-流量呼氣曲線的顯示，PEF、FEV1、FVC、FEV1%pred等參數(shù)指標(biāo)的獲取，在線報(bào)告查詢。APP端通過Axios模塊獲取服務(wù)器后端數(shù)據(jù)庫中的數(shù)據(jù)實(shí)現(xiàn)上述功能。用戶根據(jù)APP提供的報(bào)告記錄、趨勢記錄查看監(jiān)測情況，實(shí)現(xiàn)自我管理。COPD模擬氣流阻塞監(jiān)測報(bào)告如圖7所示。

肺功能參數(shù)FVC為每10 ms采集的瞬時(shí)體積流量對時(shí)間的積分。計(jì)算公式為：

（1）

式中：flow為每次采集的流量數(shù)據(jù)，單位為L/min；Δt為采樣數(shù)據(jù)的時(shí)間間隔，即10 ms。

FEV1指1 s內(nèi)呼氣瞬時(shí)流量值的積分。采樣時(shí)間間隔為10 ms，即1 s內(nèi)有100次數(shù)據(jù)，則n=100。計(jì)算公式為：

（2）

PEF為整個(gè)呼氣階段最大的瞬時(shí)體積流量。預(yù)計(jì)值指標(biāo)主要根據(jù)測試者的身高、體重、年齡、性別進(jìn)行計(jì)算[15]。計(jì)算公式為：

（3）

（4）

式中：S表示性別；A表示年齡；H表示身高。

3.4 數(shù)據(jù)服務(wù)端的軟件功能設(shè)計(jì)

使用HTTP協(xié)議獲取數(shù)據(jù)庫中存儲的阻塞裝置模擬數(shù)據(jù)，將數(shù)據(jù)預(yù)處理后按照8∶2的比例分割為訓(xùn)練集和測試集，并選擇合適算法對數(shù)據(jù)訓(xùn)練建模，最后通過訓(xùn)練模型實(shí)時(shí)預(yù)測模擬裝置的測量類別結(jié)果，并將結(jié)果顯示到基于PyQt 5設(shè)計(jì)的GUI界面上，便于進(jìn)行數(shù)據(jù)監(jiān)測與管理。數(shù)據(jù)服務(wù)端數(shù)據(jù)處理流程如圖8所示。

4 系統(tǒng)結(jié)果測試和驗(yàn)證

4.1 肺功能檢測終端測試結(jié)果

本文使用便攜式肺功能檢測終端對肺功能參數(shù)FEV1、FVC、PEF進(jìn)行多次測量，將測量數(shù)據(jù)和醫(yī)院的耶格肺功能儀測試數(shù)據(jù)（如圖9所示）進(jìn)行比較。由此可知，本系統(tǒng)的肺功能系統(tǒng)測量數(shù)據(jù)與耶格測量數(shù)據(jù)誤差均小于15%（見表2）。其中，F(xiàn)EV1和FVC的指標(biāo)誤差與耶格肺功能測量數(shù)據(jù)之間的誤差偏大，原因是耶格肺功能儀測試時(shí)間要求達(dá)到

6 s以上，而檢測終端通過用力肺活量方法測量數(shù)據(jù)時(shí)大部分人很難堅(jiān)持6 s以上，從而導(dǎo)致本肺功能儀檢測終端測量數(shù)據(jù)偏低，測量誤差偏大；PEF參數(shù)測量誤差相比FEV1和FVC較低?；颊吆魵庥昧Τ潭鹊牟煌瑫?dǎo)致測試數(shù)據(jù)存在差異，盡管如此，這些誤差都在可允許誤差范圍內(nèi)。

4.2 氣流阻塞模擬裝置實(shí)驗(yàn)結(jié)果

本文邀請7名志愿者（4男3女）測量管徑分別為5 mm、8 mm、11 mm、16 mm、22 mm氣流阻塞模擬裝置的肺功能參數(shù)。每人在每個(gè)裝置中連續(xù)測量3次并取均值。APP根據(jù)各位測試者的身高、體重、年齡、性別計(jì)算出FEV1的預(yù)計(jì)值，與FEV1的實(shí)際測量值進(jìn)行計(jì)算得到FEV1%pred。根據(jù)GOLD指南分類標(biāo)準(zhǔn)，F(xiàn)EV1% pred測量情況與氣流阻塞嚴(yán)重程度對應(yīng)關(guān)系如圖10所示。由此可以看出，5 mm、8 mm處FEV1%pred集中在30%～50%，11 mm、16 mm處FEV1%pred集中在50%～80%，22 mm處受試者FEV1%pred約為80%。根據(jù)模擬裝置測量范圍，最終選擇5 mm管徑模擬仿真Ⅲ級氣流阻塞情況，11 mm管徑仿真Ⅱ級氣流阻塞情況，22 mm管徑仿真Ⅰ級氣流阻塞情況。

4.3 隨機(jī)森林算法模型預(yù)測結(jié)果

正常受試者通過選取的三維人工模擬氣管裝置測量不同阻塞情況的數(shù)據(jù)。不同人工氣管數(shù)據(jù)對應(yīng)不同的模型標(biāo)簽，然后通過分類識別算法對不同阻塞情況的數(shù)據(jù)進(jìn)行預(yù)測。

GUI界面通過設(shè)置的IP地址和云服務(wù)器端口號獲取云平臺監(jiān)測數(shù)據(jù)并進(jìn)行預(yù)測顯示。監(jiān)測結(jié)果顯示當(dāng)前測量肺功能參數(shù)以及氣流阻塞情況的預(yù)測結(jié)果。通過觀測曲線可以查看測試者30天內(nèi)FEV1和FVC測量數(shù)據(jù)的趨勢，便于測試者查看近期肺功能的檢查情況。

用于COPD疾病嚴(yán)重程度識別的算法通常有隨機(jī)森林、SVM、KNN等。使用7人共1 500組數(shù)據(jù)，按照8∶2的比例劃分為訓(xùn)練集和測試集，通過調(diào)用sklearn庫完成分類識別模型的搭建和參數(shù)的優(yōu)化，并通過準(zhǔn)確率、精確率、F1值評價(jià)指標(biāo)對模型的預(yù)測效果進(jìn)行評價(jià)。

通過比較評價(jià)指標(biāo)可知，隨機(jī)森林的預(yù)測準(zhǔn)確率達(dá)到了91.11%；KNN算法的準(zhǔn)確率相對較低，為83.89%。各分類預(yù)測算法評價(jià)指標(biāo)見表3。最后選用隨機(jī)森林算法作為COPD氣流阻塞嚴(yán)重程度的預(yù)測分類算法，并使用5 mm、11 mm、22 mm的管徑模擬裝置對隨機(jī)森林算法模型預(yù)測結(jié)果進(jìn)行測試驗(yàn)證。預(yù)測結(jié)果分別如圖11所示，其中22 mm管徑預(yù)測結(jié)果能夠?qū)?yīng)呼氣氣流輕度阻塞情況模擬，11 mm管徑預(yù)測結(jié)果能夠?qū)?yīng)呼氣氣流中度阻塞情況模擬，5 mm管徑預(yù)測結(jié)果能夠?qū)?yīng)呼氣氣流重度阻塞情況模擬，符合FEV1%pred所對應(yīng)的分級結(jié)果。從圖11中曲線的變化趨勢也可以觀測到，從輕度到中度再到重度的過程中，F(xiàn)EV1和FVC的測量數(shù)據(jù)中從大到小的趨勢也符合呼氣氣流阻塞程度逐漸增加的變化趨勢。

5 結(jié) 語

針對目前慢性阻塞性肺疾?。–OPD）篩查方式成本高、普及度低等問題，本文設(shè)計(jì)了一款基于STM32的COPD氣流阻塞程度模擬監(jiān)測系統(tǒng)。健康受試者通過人工模擬裝置，使系統(tǒng)可以模擬不同的阻塞情況，并對阻塞情況進(jìn)行有效識別。針對無法完成EOT測試的肺功能疾病患者，如何使用本系統(tǒng)肺功能檢測終端并完成測試是后續(xù)研究的重要方向。未來，本文將增加臨床數(shù)據(jù)來進(jìn)一步驗(yàn)證COPD氣流阻塞程度模擬監(jiān)測系統(tǒng)的有效性。

參考文獻(xiàn)

[1]王浩，文富強(qiáng). 2023年慢性阻塞性肺疾病全球倡議（GOLD）更新解讀[J].中華結(jié)核和呼吸雜志，2023，46（5）：543-546.

[2]李慶華.慢阻肺早發(fā)現(xiàn)肺功能檢測是關(guān)鍵[N].中國勞動保障報(bào)，2019-05-22（005）.

[3]田建魁.肺功能檢測在慢性阻塞性肺疾病診斷中的應(yīng)用價(jià)值[J].吉林醫(yī)學(xué)，2014，35（33）：7405-7406.

[4] SINGER G， RATNOVSKY A， NAFTALI S. Classification of severity of trachea stenosis from EEG signals using ordinal decision-tree based algorithms and ensemble-based ordinal and non-ordinal algorithms [J]. Expert systems with application， 2021， 173： 114707.

[5] DAVIES H J， HAMMOUR G， MANDIC D P. An apparatus for the simulation of breathing disorders： physically meaningful generation of surrogate data [EB/OL]. （2022-10-06）. https：//doi.org/10.48550/arXiv.2109.06699.

[6]佚名. 《慢性阻塞性肺疾病診治指南（2021年修訂版）》診斷要點(diǎn)[J].實(shí)用心腦肺血管病雜志，2021，29（6）：134.

[7]無錫康森斯克電子科技有限公司. CAFS4000B Datashee下載[EB/OL]. http：//www.consensic.com/download.

[8]常虹.呼吸肌訓(xùn)練在慢性阻塞性肺疾病治療中的作用[J].中國醫(yī)藥導(dǎo)報(bào)，2013，10（10）：38-39.

[9]郭珊山.便攜式高精度哮喘病監(jiān)測系統(tǒng)的研究與設(shè)計(jì)[D].廣州：華南理工大學(xué)，2017.

[10]常國鋒，許利軍.基于阿里云的工業(yè)廢氣遠(yuǎn)程監(jiān)測系統(tǒng)設(shè)計(jì)[J].儀表技術(shù)與傳感器，2020（7）：90-93.

[11]柏玲，宋新，李晨霞，等.峰流速儀在支氣管哮喘的臨床研究現(xiàn)狀[J].世界最新醫(yī)學(xué)信息文摘，2019，19（74）：41.

[12] MUTUKU J K， HOU W C， CHEN W H. An overview of experiments and numerical simulations on airflow and aerosols deposition in human airways and the role of bioaerosol motion in COVID-19 transmission [J]. Aerosol and air quality research， 2020， 20（6）： 1172-1196.

[13] SUL B， WALLQVIST A， MORRIS M J， et al. A computational study of the respiratory airflow characteristics in normal and obstructed human airways [J]. Computers in biology amp; medicine， 2014， 52： 130-143.

[14] SINGH D， AGUSTI A， ANZUETO A， et al. Global strategy for the diagnosis， management， and prevention of chronic obstructive lung disease： the GOLD science committee report 2019 [J]. European respiratory journal， 2019， 53： 1900164.

[15]任為英，朱蕾，趙蓉雅，等.上海市成人肺功能醫(yī)學(xué)參考值范圍的初步研究[J].中國呼吸與危重監(jiān)護(hù)雜志，2012，11（3）：253-256.