基于持续同调与卷积神经网络的面部分类诊断小儿阻塞性睡眠呼吸暂停
计算机视觉与模式识别
2019-11-14 v1 机器学习
机器学习
摘要
阻塞性睡眠呼吸暂停是一种严重疾病，尤其会在小儿群体中引发大量健康问题。然而，若能得到诊断，这种慢性疾病是可以治疗的。诊断的金标准是夜间睡眠研究，但许多可能罹患此病的人往往无法获得。因此，我们尝试通过在患者的2D和3D面部图像上训练分类器来识别与阻塞性睡眠呼吸暂停相关的面部特征，从而开发一种快速无创的诊断工具。在这项比较研究中，我们同时考虑了来自计算拓扑领域的持续同调与几何形状分析，以及卷积神经网络——一种来自深度学习的强大方法，其在图像尤其是面部识别上的成功已被计算机科学家所证实。
引用
@article{arxiv.1911.05628,
title = {Diagnosis of Pediatric Obstructive Sleep Apnea via Face Classification with Persistent Homology and Convolutional Neural Networks},
author = {Milad Kiaee and Adam B Kashlak and Jisu Kim and Giseon Heo},
journal= {arXiv preprint arXiv:1911.05628},
year = {2019}
}
备注
23 pages, 9 figures