StrokeSave：一种基于深度学习与计算机视觉的的新型高性能脑卒中诊断移动应用
计算机视觉与模式识别
2019-07-12 v1 机器学习
图像与视频处理
机器学习
摘要
据世界卫生组织（WHO）统计，脑血管卒中（Cerebrovascular Stroke，CS）是全球第二大死因。当前 CS 的诊断依赖于耗费人力与成本的神经影像技术，不适用于难以获得优质医疗设施的地区。因此，亟需一种高效的诊断替代方案。StrokeSave 是一个供用户自我诊断卒中患病风险的平台。该移动应用持续从患者手腕上的传感器更新心率、血压和血氧数据。一旦这些测量值达到可能卒中的阈值，患者便拍摄面部图像并进行语音录制，以筛查归因于卒中的麻痹症状。随后，附在手机摄像头上的定制镜头拍摄视网膜图像，供深度学习模型依据视网膜病变的存在与否进行分类，并给出综合诊断。该深度学习模型由在 100 个口齿不清音频文件上训练的 RNN、在 410 个血管数据点训练的 SVM 以及在 520 张视网膜病变图像上训练的 CNN 组成，在 327 个样本上验证时取得了 95.0% 的整体准确率。该数值超过了临床检查准确率（约 40% 至 89%），进一步证明了此类医疗设备的重大效用。通过该自动化平台，用户无需专业医疗协助即可获得高效、高精度的诊断，彻底改变了 CS 的医学诊断并有望挽救数百万生命。
引用
@article{arxiv.1907.05358,
title = {StrokeSave: A Novel, High-Performance Mobile Application for Stroke Diagnosis using Deep Learning and Computer Vision},
author = {Ankit Gupta},
journal= {arXiv preprint arXiv:1907.05358},
year = {2019}
}