L'auscultazione respiratoria è fondamentale per la diagnosi precoce dei pazienti pediatrici
polmonite, una condizione che può peggiorare rapidamente senza un intervento tempestivo. In
aree ad accesso limitato da parte dei medici, un'auscultazione efficace è impegnativa. Noi
presentare un sistema basato su smartphone che sfrutta i microfoni integrati e
algoritmi avanzati di deep learning per rilevare suoni respiratori anomali
indicativo del rischio di polmonite. Il nostro framework di deep learning end-to-end utilizza
generalizzazione del dominio con cui integrare un ampio set di dati di uno stetoscopio elettronico
un set di dati più piccolo derivato da smartphone, consentendo un solido apprendimento delle funzionalità per
valutazioni respiratorie accurate senza attrezzature costose. L'accompagnamento
l'applicazione mobile guida gli operatori sanitari nella raccolta di suoni polmonari di alta qualità
campioni e fornisce un feedback immediato sui potenziali rischi di polmonite. Utente
gli studi mostrano ottime prestazioni di classificazione e un'elevata accettazione,
dimostrare la capacità del sistema di facilitare interventi proattivi e
ridurre le morti prevenibili per polmonite infantile. Integrandosi perfettamente in
smartphone onnipresenti, questo approccio offre una strada promettente per ulteriori risultati
assistenza pediatrica remota equa e completa.

Questo articolo esplora i giri e le loro implicazioni.

Scarica PDF: