基于案例推理的儿童发育迟缓诊断筛查方法
计算机视觉与模式识别
2024-08-06 v1 人工智能
多媒体
摘要
根据世界卫生组织的数据，发育迟缓儿童占总人口的比例约为6%至9%。基于2023年中国安徽省淮北市的新生儿数量（94,420名），估计每年约有7,500例疑似发育迟缓病例。对这些儿童进行早期识别和适当的早期干预可以显著减少医疗资源和社会成本的浪费。国际研究表明，发育迟缓儿童干预的最佳时期在六岁之前，黄金治疗期在三岁半之前。研究表明，接受早期干预的发育迟缓儿童症状显著改善，部分甚至可能完全康复。本研究采用一种混合模型，将CNN-Transformer模型与基于案例的推理（Case-Based Reasoning, CBR）相结合，以提高发育迟缓儿童的筛查效率。CNN-Transformer模型是一种优秀的图像特征提取与识别模型，能够有效识别骨龄图像中的特征以确定骨龄。基于案例的推理是一种基于相似案例解决问题的技术，它利用过往经验解决当前问题，类似于人类通过经验学习来解决问题。鉴于CBR具有基于先前存储的旧案例来判断和比较新案例的记忆能力，它适用于具有潜在和可变特征的支持系统。因此，本研究利用CNN-Transformer-CBR建立发育迟缓儿童筛查系统，旨在提高筛查效率。
引用
@article{arxiv.2408.02073,
title = {Case-based reasoning approach for diagnostic screening of children with developmental delays},
author = {Zichen Song and Jiakang Li and Songning Lai and Sitan Huang},
journal= {arXiv preprint arXiv:2408.02073},
year = {2024}
}