基于迁移学习卷积神经网络的手写体精神分期自动检测

精神分期是一种全球流行的精神障碍，严重影响日常生活。精神分期由大脑前额-基底节通路中多巴胺失衡引起，这会影响小脑对细微运动控制的影响，导致手写体异常。本研究旨在开发一种准确、客观且可访问的方法，以区分精神分期手写体样本与非精神分期手写体样本。为实现此目标，我们使用了 Crespo 等人 (2019) 的数据，该数据包含来自精神分期和非精神分期患者的手写体样本图像。对数据进行预处理和增强，以产生能够识别不同类型手写体的更稳健模型。我们使用该数据训练了多种不同的卷积神经网络，基于 InceptionV3 的基座架构性能最佳，在将两种类型图像区分开来方面达到了 92% 的准确率。为使该模型更易于访问，我们开发了一个用于医疗专业人员使用的安全网站。此结果表明，手写体分析通过计算模型在诊断和监测精神分期方面具有作为一种非侵入性和客观方法的前景。