TrueImage：一种改善远程医疗照片质量的机器学习算法
计算机视觉与模式识别
2020-10-06 v1 计算机与社会
机器学习
信号处理
摘要
远程医疗是医疗健康生态系统中日益关键的组成部分，在 COVID-19 大流行背景下尤为如此。远程医疗的快速普及暴露了现有基础设施的局限性。在本文中，我们研究并强调照片质量作为远程医疗工作流中的一大挑战。我们聚焦于远程皮肤病学，其中照片质量尤为重要；此处提出的框架可推广至其他健康领域。对于远程医疗，皮肤科医生要求患者提交病灶图像以进行评估。然而，这些图像常因患者缺乏临床摄影经验而质量不足以做出临床诊断。临床医生不得不手动分诊低质量图像并要求重新提交，导致医患双方时间浪费。我们提出一种自动化图像评估机器学习流水线 TrueImage，用于检测低质量皮肤病学照片并引导患者拍摄更好照片。我们的实验表明，尽管训练数据存在异质性与局限，TrueImage 仍能拒收 50% 的欠佳质量图像，同时保留患者发送的 80% 高质量图像。这些 promising 结果表明我们的方案可行且能改善远程皮肤病学照护质量。
引用
@article{arxiv.2010.02086,
title = {TrueImage: A Machine Learning Algorithm to Improve the Quality of Telehealth Photos},
author = {Kailas Vodrahalli and Roxana Daneshjou and Roberto A Novoa and Albert Chiou and Justin M Ko and James Zou},
journal= {arXiv preprint arXiv:2010.02086},
year = {2020}
}
备注
12 pages, 5 figures, Preprint of an article published in Pacific Symposium on Biocomputing \c{opyright} 2020 World Scientific Publishing Co., Singapore, http://psb.stanford.edu/