基于低成本光学与卷积神经网络校验的即时血红蛋白快速检测
医学物理
2017-12-04 v1 图像与视频处理
机器学习
摘要
一种低成本、稳健且简单的血红蛋白测量机制将在现代卫生基础设施中发挥关键作用。对于依赖微量比色皿和干化学法的基于光度计的便携式血红蛋白检测器而言，一致的样品获取一直是一个长期存在的技术障碍。比色皿传感区域内的任何颗粒（例如完整的红细胞（RBCs）、微气泡等）都会极大地影响光吸收曲线，而商用血红蛋白仪缺乏自动检测故障样品的能力。我们展示了一种从头开发的便携式、低成本且开源的平台，其精度可与医疗级设备媲美，并增加了基于CNN的图像处理以进行快速的样品可行性预检。所开发的平台已展示出精确到最接近的血红蛋白、与文献报道的血红蛋白吸收曲线R^2 = 0.945的相关性，以及对制备不良样品97%的检测准确率。我们认为所开发的血红蛋白设备/机器学习平台在农村医疗中具有巨大影响，并视其为稳健深度学习光学光谱学的优秀跳板：这是一个目前尚未被发掘的、可用于检测无数分析物的数据源。
引用
@article{arxiv.1712.00174,
title = {Rapid point-of-care Hemoglobin measurement through low-cost optics and Convolutional Neural Network based validation},
author = {Chris Wu and Tanay Tandon},
journal= {arXiv preprint arXiv:1712.00174},
year = {2017}
}