一种深度学习方法,通过手写图像远程评估基本震
Yumeng Peng1,2,3, Songliang Han1, Di Wu4
1Center for Artificial Intelligence in Medicine, Medical Innovation Research Department, PLA General Hospital, Beijing, China.
Scientific reports
|March 29, 2025
概括
一个新的深度学习模型,ETSD-Net,准确地评估手写图像的基本震 (ET) 严重程度. 这种远程方法为诊断这种常见的运动障碍提供了一种高效且易于使用的解决方案.
科学领域:
- 神经学 神经学
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 基本震 (ET) 是一种流行的神经运动障碍.
- 目前的ET评估方法是主观的,耗时的,需要去诊所.
- 需要可访问和客观的ET严重程度评估工具.
研究的目的:
- 开发和验证一种新的深度学习方法,用于远程ET严重性评估.
- 利用手写分析进行客观和高效的ET评估.
- 提高ET诊断的可访问性,特别是在偏远的环境中.
主要方法:
- 收集了来自ET患者的1000张阿基米德螺旋手写图像.
- 开发了基于转移学习的深度学习模型ETSD-Net.
- 在收集的手写数据集上接受了ETSD-Net的培训和评估.
主要成果:
- 在评估ET的严重程度方面,ETSD-Net的准确率达到了88.44%.
- 与基线方法相比,深度学习模型表现出优异的性能.
- 这种方法使用来自临床和家庭环境的图像被证明是有效的.
结论:
- 对手写的深度学习分析为远程ET评估提供了可靠的方法.
- 这项技术提高了诊断基本震的效率和可访问性.
- 这些发现有助于开发可扩展,具有成本效益的运动障碍诊断工具.
