LAD：一种用于良性阵发性位置性眩晕疾病诊断的混合深度学习系统
计算机视觉与模式识别
2022-10-18 v1
摘要
在此，我们介绍“Look and Diagnose”（LAD），一种基于混合深度学习的系统，旨在辅助医疗领域医生有效诊断良性阵发性位置性眩晕（BPPV）疾病。给定患者在 Dix-Hallpike 与侧转头测试中的身体姿势，捕获双眼的视觉信息并输入 LAD，以分析并分类为患者可能罹患的六种可能疾病之一。所提系统由两条流组成：（1）基于 RNN 的流，接收双眼原始 RGB 图像以提取每只眼的视觉特征与光流，随后进行三分类以确定左/右后半规管（PC）或其他；（2）瞳孔检测流，在非 PC 分类时检测瞳孔，并分类眼震方向与强度，将非 PC 类型划分为其余四类：向地性 BPPV（左和右）与背地性 BPPV（左和右）。实验结果表明，结合患者身体姿势，系统可将给定 BPPV 疾病准确分类为六种疾病类型，在验证集上准确率达 91%。所提方法对后半规管疾病分类准确率达 93%，对向地性与背地性疾病的准确率达 95%，为医疗数据研究铺就了潜在方向。
引用
@article{arxiv.2210.08282,
title = {LAD: A Hybrid Deep Learning System for Benign Paroxysmal Positional Vertigo Disorders Diagnostic},
author = {Trung Xuan Pham and Jin Woong Choi and Rusty John Lloyd Mina and Thanh Nguyen and Sultan Rizky Madjid and Chang Dong Yoo},
journal= {arXiv preprint arXiv:2210.08282},
year = {2022}
}
备注
Accepted to IEEE Access 2022, 13 pages, 14 figures