面向发展中国家的神经科即服务
机器学习
2017-11-23 v2 机器学习
摘要
脑电图（EEG）是一种在脑疾病（包括癫痫、偏头痛和肿瘤）医学诊断与治疗中广泛使用且被充分研究的技术。EEG的分析与解读需要医师接受专门训练，这在发达国家大多数医生中尚不普遍，更不用说饱受医师短缺困扰的发展中国家。该问题可通过远程EEG（由专家进行远程EEG分析或本地计算机处理EEG）来解决。然而，这两种方案都极为昂贵，且第二种方案需要丰富的计算资源与基础设施，这在资本与计算基础设施受限的发展中国家亦是难题。本工作中，我们提出一种基于云的深度神经网络方法，为非专科医师提供EEG分析与解读的决策支持。该方法名为“神经科即服务”（neurology-as-a-service），几乎无需在特征工程以及神经网络最优架构与超参数选择中进行人工干预。在本研究中，我们部署了一条包含将EEG数据移至云端并为各类分类任务获取最优模型的流水线。我们的初始原型迄今仅在发达国家环境中测试过，但我们有意在未来工作中于发展中国家环境中进行测试。我们利用BCI2000 EEG MMI数据集展示了所提方法的性能，在该数据集上，我们的服务对受试者真实与想象活动分类任务达到了63.4%的准确率，显著优于支持向量机等浅层方法所得结果。
引用
@article{arxiv.1711.06195,
title = {Neurology-as-a-Service for the Developing World},
author = {Tejas Dharamsi and Payel Das and Tejaswini Pedapati and Gregory Bramble and Vinod Muthusamy and Horst Samulowitz and Kush R. Varshney and Yuvaraj Rajamanickam and John Thomas and Justin Dauwels},
journal= {arXiv preprint arXiv:1711.06195},
year = {2017}
}
备注
Presented at NIPS 2017 Workshop on Machine Learning for the Developing World