一种基于智能手机数据诊断多发性硬化的深度学习方法
计算机与社会
2020-12-03 v3 机器学习
机器学习
摘要
多发性硬化（MS）影响中枢神经系统，引发广泛的症状。例如，MS 可导致疼痛、情绪改变与疲劳，并可能损害人的运动、言语和视觉功能。MS 的诊断通常结合复杂的临床评估与检测，以排除具有相似症状的其他疾病。新技术，如自由生活条件下的智能手机监测，有可能通过长期量化症状的存在与强度，来客观评估 MS 的症状。在此，我们提出一种基于智能手机数字生物标志物的 MS 诊断深度学习方法，其新颖地结合了多层感知机与神经软注意力，以改进对长期智能手机监测数据中模式的学习。利用来自 774 名参与者的队列数据，我们证明我们的深度学习模型能够以 0.88（95% CI：0.70, 0.88）的受试者工作特征曲线下面积区分 MS 患者与非 MS 患者。我们的实验结果表明，源自智能手机数据的数字生物标志物未来可用作 MS 的附加诊断标准。
引用
@article{arxiv.2001.09748,
title = {A Deep Learning Approach to Diagnosing Multiple Sclerosis from Smartphone Data},
author = {Patrick Schwab and Walter Karlen},
journal= {arXiv preprint arXiv:2001.09748},
year = {2020}
}