生理与医疗基于神经网络的模型可解释性
计算机视觉与模式识别
2023-05-01 v1 人工智能
计算机与社会
摘要
SpO2的估计与监测对于评估肺功能和治疗慢性肺部疾病至关重要。COVID-19大流行凸显了早期检测SpO2变化的重要性，尤其是在临床恶化的无症状患者中。然而，传统的SpO2测量方法依赖基于接触的传感，在肢体灌注受损的患者中存在交叉污染和并发症的风险。此外，脉搏血氧计在边缘化社区和欠发达国家可能不可用。为解决这些局限并提供更舒适、不侵扰的SpO2监测方式，近期研究探索了使用视频测量SpO2。然而，以无接触方式使用相机（尤其是智能手机）测量SpO2具有挑战性，原因在于生理信号较弱且智能手机相机传感器的光学选择性较低。该系统包括三个主要步骤：1) 从智能手机捕获的视频中提取感兴趣区域（ROI），包括手掌和手背；2) 对ROI进行空间平均以产生R、G和B时间序列；3) 将时间序列输入受光生理学启发的CNN以估计SpO2。我们提出的方法可提供一种更高效、准确的方式，利用消费级智能手机捕获的视频监测SpO2，这在远程医疗和健康筛查场景中尤为有用。
引用
@article{arxiv.2304.14495,
title = {Model Explainability in Physiological and Healthcare-based Neural Networks},
author = {Rohit Sharma and Abhinav Gupta and Arnav Gupta and Bo Li},
journal= {arXiv preprint arXiv:2304.14495},
year = {2023}
}