通过使用合成视频数据和机器学习,针对中风患者进行自动眼动表征
Hoor Jalo1, Eddie Ström1, Samuel Ollila1
1Chalmers University of Technology, Gothenburg, Sweden.
Studies in health technology and informatics
|August 8, 2025
概括
合成数据可以训练机器学习模型进行中风检测. 这种方法有助于通过分析特征眼动来开发医院前中风评估的自动化系统.
科学领域:
- 医学技术 医学技术 医学技术
- 医疗保健中的人工智能
- 神经学 神经学
背景情况:
- 卒中是导致残疾和死亡的首要原因,需要快速的医院前诊断.
- 有效的医院前中风评估受到机器学习模型开发中缺乏多样化的患者视频数据的阻碍.
研究的目的:
- 调查合成视频数据对训练机器学习模型进行中风检测的实用性.
- 开发和评估机器学习模型,用于在医院前环境中自动评估与中风相关的眼动.
主要方法:
- 使用3D建模和动画生成73个合成视频,以模拟特征性中风患者的眼睛运动.
- 开发和比较四种不同的机器学习模型,包括长短期记忆 (LSTM) 和门式循环单元 (GRU).
主要成果:
- 长期短期记忆 (LSTM) 和门式循环单元 (GRU) 模型表现出卓越的性能.
- 使用合成数据在中风检测中获得了超过84%的准确性,精度,灵敏度,特异性和F1-Score.
结论:
- 合成数据对于在医疗保健应用中开发强大的机器学习模型具有重大前景.
- 用ML驱动的视频分析眼动可以支持自动化医院前中风评估,改善患者的护理.
