用于直接分析和治療人類疾病的低成本設(shè)備開發(fā)

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(luò) (NN) 已發(fā)展成為機(jī)器學(xué)習(xí)領(lǐng)域的強(qiáng)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(shè)備。通過利用神經(jīng)網(wǎng)絡(luò)，該設(shè)備可以使用端到端深度學(xué)習(xí)自動檢測疾病和狀況。相對于訓(xùn)練有素的醫(yī)生，它具有極高的準(zhǔn)確率。深度神經(jīng)網(wǎng)絡(luò) (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(luò) (RNN) 計算的，該循環(huán)神經(jīng)網(wǎng)絡(luò)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(luò)在設(shè)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(shè)備可以通過對用戶進(jìn)行預(yù)分析并提供估計條件來加快診斷所需的時間，從而增強(qiáng)醫(yī)生的能力。

總體而言，該設(shè)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(zhǔn)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(wù)。我親眼目睹了不幸地區(qū)人民的掙扎，當(dāng)我去印度探親時，我經(jīng)常看到許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(jìn)行醫(yī)學(xué)分析（皮膚病、心血管和癥狀）的設(shè)備 + 開發(fā)相應(yīng)的算法模型來自我優(yōu)化其參數(shù)。

?

方法

HAM10000 是用于訓(xùn)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(qiáng)僅應(yīng)用于訓(xùn)練集，以保護(hù)驗證組和測試組中的圖像質(zhì)量。

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

為了容納這些神經(jīng)網(wǎng)絡(luò)并使其可部署，我們從頭開始構(gòu)建了一個廉價的、基于 Raspberry-Pi 的設(shè)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(shè)備：癥狀、皮膚病和心血管疾病，其準(zhǔn)確率可與現(xiàn)代醫(yī)生相媲美。

該工具將幫助增強(qiáng)世界各地的醫(yī)生，通過允許在家中進(jìn)行簡單方便的醫(yī)學(xué)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(jìn)行定期分析，該設(shè)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(kuò)展的方法可提供與醫(yī)務(wù)人員相媲美的分析，并在異常構(gòu)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(shè)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。