用于传染病患者的严重程度检测工具
信号处理
2019-12-12 v1 计算机视觉与模式识别
机器学习
摘要
手足口病（HFMD）和破伤风在低收入和中等收入国家是严重的传染病。尤其是破伤风死亡率高，且其治疗耗费大量资源。此外，手足口病常影响大量婴幼儿。因此，其治疗消耗巨大的医疗资源和保健资源，尤其在暴发时。自主神经系统功能障碍（ANSD）是手足口病和破伤风患者死亡的主要原因。然而，ANSD 的早期检测是一个困难且具有挑战性的问题。本文旨在提供一种原理验证，通过对患者的生理数据（如心电图（ECG）和光电容积描记（PPG）波形，可使用低成本可穿戴传感器采集）应用机器学习技术，自动检测 ANSD 水平。提取了在时域和频域编码波形变化的有效特征。采用支持向量机对 ANSD 水平进行分类。所提方法在越南的手足口病和破伤风患者多个数据集上进行了验证。结果表明，在分类 ANSD 水平方面取得了令人鼓舞的性能。此外，所提特征简单、更具泛化性，并优于标准心率变异性（HRV）分析。所提方法将有助于低收入和中等收入国家传染病的诊断和治疗，从而改善整体患者护理。
引用
@article{arxiv.1912.05345,
title = {Severity Detection Tool for Patients with Infectious Disease},
author = {Girmaw Abebe Tadesse and Tingting Zhu and Nhan Le Nguyen Thanh and Nguyen Thanh Hung and Ha Thi Hai Duong and Truong Huu Khanh and Pham Van Quang and Duc Duong Tran and LamMinh Yen and H Rogier Van Doorn and Nguyen Van Hao and John Prince and Hamza Javed and DaniKiyasseh and Le Van Tan and Louise Thwaites and David A. Clifton},
journal= {arXiv preprint arXiv:1912.05345},
year = {2019}
}