HeartFit：基于深度学习的心脏杂音精准诊断平台
摘要
心血管疾病（CD）是全球头号死因，2015年造成超过1700万人死亡。CD的关键指标包括心脏杂音，即心脏在血流不规则期间发出的强烈声音。当前心脏杂音的诊断依赖于超声心动图（ECHO），其费用高达数千美元且需医疗专业人员分析结果，因此非常不适用于医疗设施不足的地区。因而，亟需一种可及的替代方案。基于简洁的界面与深度学习，HeartFit允许用户自行实施诊断。一款廉价的定制听诊器配合移动应用程序，使用户能够录制并上传其心音音频至数据库。利用深度学习网络架构，该数据库对音频进行分类并将诊断结果返回给用户。该模型由一个深度循环卷积神经网络组成，训练于300个预标注的心跳音频样本。在先前未见的100个心跳音频样本集上验证后，模型取得了0.9545的f beta分数与95.5%的准确率。该数值超过了临床检查准确率（约83%至91%），且成本比ECHO低数个数量级，证明了HeartFit平台的有效性。通过该平台，用户无需任何专业医疗协助即可获得即时、准确的心脏杂音诊断，彻底改变了我们对抗CD的方式。
引用
@article{arxiv.1907.11649,
title = {HeartFit: An Accurate Platform for Heart Murmur Diagnosis Utilizing Deep Learning},
author = {Ankit Gupta and George Tang and Sylesh Suresh},
journal= {arXiv preprint arXiv:1907.11649},
year = {2021}
}
备注
Paper stemmed from invalid, not even completed project and was drafted by first author only. Project was never meant to submitted to arxiv but first author, who had minimal contribution did so anyways. The other authors (George, Sylesh) are appalled at this. Please do not use this paper/project as a reference. Thank you very much