描述

概述

由于疾病的特性和癥狀多變，自動診斷疾病一直是一項巨大的挑戰(zhàn)。另一方面，神經(jīng)網(wǎng)絡 (NN) 已發(fā)展成為機器學習領域的強大工具，即使在變量不一致的情況下，它也顯示出在計算診斷方面的前景。

我開發(fā)了一種用于直接分析和治療人類疾病的低成本設備。通過利用神經(jīng)網(wǎng)絡，該設備可以使用端到端深度學習自動檢測疾病和狀況。相對于訓練有素的醫(yī)生，它具有極高的準確率。深度神經(jīng)網(wǎng)絡 (DNN) 算法可以識別各種疾病，并提供治療建議。氧飽和度和心電圖 (ECG) 值等生物特征值是使用循環(huán)神經(jīng)網(wǎng)絡 (RNN) 計算的，該循環(huán)神經(jīng)網(wǎng)絡開發(fā)用于檢測異常：心肌心律失常和局部缺血。卷積神經(jīng)網(wǎng)絡在設備上用于識別和分割皮膚病灶。這些算法在 Raspberry Pi 處理器上運行。該設備可以通過對用戶進行預分析并提供估計條件來加快診斷所需的時間，從而增強醫(yī)生的能力。

總體而言，該設備將有助于提醒醫(yī)生注意高?；颊?，同時使醫(yī)生的分析更加高效和準確；因此，節(jié)省人員，同時降低成本和時間。

?

靈感

超過 4 億人無法獲得基本的衛(wèi)生服務。我親眼目睹了不幸地區(qū)人民的掙扎，當我去印度探親時，我經(jīng)?？吹皆S多人患有可治療的疾病，但許多人不具備治療知識。

?

客觀的

開發(fā)一種自動進行醫(yī)學分析（皮膚病、心血管和癥狀）的設備 + 開發(fā)相應的算法模型來自我優(yōu)化其參數(shù)。

?

方法

HAM10000 是用于訓練皮膚病模型的數(shù)據(jù)庫。它包含 26 種不同皮膚狀況的 10, 000 張圖像。數(shù)據(jù)集增強僅應用于訓練集，以保護驗證組和測試組中的圖像質量。

PhysioNet 和 MIT-BIH 關于心律失常和心肌缺血的數(shù)據(jù)庫被用來訓練心臟異常模型。

為了容納這些神經(jīng)網(wǎng)絡并使其可部署，我們從頭開始構建了一個廉價的、基于 Raspberry-Pi 的設備。

?

影響

在這個項目中，創(chuàng)建了一種能夠離線診斷疾病的低成本設備：癥狀、皮膚病和心血管疾病，其準確率可與現(xiàn)代醫(yī)生相媲美。

該工具將幫助增強世界各地的醫(yī)生，通過允許在家中進行簡單方便的醫(yī)學分析，使他們的工作更輕松。通過允許在不使用人員的情況下進行定期分析，該設備能夠在醫(yī)療異常發(fā)生之前識別它們，并提醒醫(yī)生。這種可擴展的方法可提供與醫(yī)務人員相媲美的分析，并在異常構成巨大威脅之前檢測異常，它能夠通過極大地增加醫(yī)療保健的可及性和范圍來在世界范圍內(nèi)產(chǎn)生臨床影響。

總的來說，這個設備既能提醒醫(yī)生注意高?；颊撸帜苁贯t(yī)生的分析更有效率；總體而言，可以節(jié)省人員，同時降低成本和時間。