基于机器视觉自动检测手绘螺旋图中的运动障碍
计算机视觉与模式识别
2020-06-23 v1 机器学习
摘要
诊断帕金森病(PD)和特发性震颤(ET)的一种广泛使用的测试是手绘图形，其分析由检查的神经科医生通过观察进行。该方法具有主观性，且容易在不同医生间产生偏差。由于两种疾病症状相似，常被误诊。试图使该过程自动化的研究通常使用数字化输入，而平板电脑或专用设备在许多临床环境中难以负担。本研究使用扫描的纸笔绘图数据集和卷积神经网络(CNN)对 PD、ET 和对照组进行分类。PD 与对照组的判别准确率为 98.2%。PD 与 ET 及对照组的判别准确率为 92%。进行了消融研究，表明正确的超参数优化可将准确率提高达 4.33%。最后，本研究表明使用支持 CNN 的机器视觉系统从手绘螺旋图中提供稳健且准确的运动障碍检测是可行的。
引用
@article{arxiv.2006.12121,
title = {Automated machine vision enabled detection of movement disorders from hand drawn spirals},
author = {Nabeel Seedat and Vered Aharonson and Ilana Schlesinger},
journal= {arXiv preprint arXiv:2006.12121},
year = {2020}
}
备注
Accepted IEEE International Conference on Healthcare Informatics 2020 (ICHI 2020), Upcoming Dec 2020, Copyright IEEE - 978-1-5386-5541-2/18/$31.00 Copyright, 2020 IEEE