[論文レビュー] StrokeSave: A Novel, High-Performance Mobile Application for Stroke Diagnosis using Deep Learning and Computer Vision

Ankit Gupta|arXiv (Cornell University)|Jul 9, 2019

Retinal Imaging and Analysis参考文献 7被引用数 10

ひとこと要約

StrokeSave は、スマートフォンを介して、生体徴収、顔貌画像、音声記録、網膜画像を用いた深層学習とコンピュータービジョンを活用した自宅での脳卒中自己診断を可能にするモバイルアプリケーションです。網膜症検出のための畳み込みニューラルネットワーク（CNN）、血管データのためのサポートベクターマシン（SVM）、音声分析のための再帰ニューラルネットワーク（RNN）を統合することで、包括的精度95.0％を達成し、臨床的検査を上回ります。

ABSTRACT

According to the WHO, Cerebrovascular Stroke, or CS, is the second largest cause of death worldwide. Current diagnosis of CS relies on labor and cost intensive neuroimaging techniques, unsuitable for areas with inadequate access to quality medical facilities. Thus, there is a great need for an efficient diagnosis alternative. StrokeSave is a platform for users to self-diagnose for prevalence to stroke. The mobile app is continuously updated with heart rate, blood pressure, and blood oxygen data from sensors on the patient wrist. Once these measurements reach a threshold for possible stroke, the patient takes facial images and vocal recordings to screen for paralysis attributed to stroke. A custom designed lens attached to a phone's camera then takes retinal images for the deep learning model to classify based on presence of retinopathy and sends a comprehensive diagnosis. The deep learning model, which consists of a RNN trained on 100 voice slurred audio files, a SVM trained on 410 vascular data points, and a CNN trained on 520 retinopathy images, achieved a holistic accuracy of 95.0 percent when validated on 327 samples. This value exceeds that of clinical examination accuracy, which is around 40 to 89 percent, further demonstrating the vital utility of such a medical device. Through this automated platform, users receive efficient, highly accurate diagnosis without professional medical assistance, revolutionizing medical diagnosis of CS and potentially saving millions of lives.

研究の動機と目的

• 脳卒中は世界中で死亡原因の2番目に深刻な負担をもたらすが、特に医療アクセスが制限された地域で迅速かつ低コストな診断を可能にするため。
• 高価でアクセスが難しい神経画像診断に依存するのを減らすために、モバイルベースの診断プラットフォームを開発するため。
• 生体徴収、音声、顔貌、網膜画像といったマルチモーダルデータを統合し、1つの診断システムとして統合することで、脳卒中検出の精度を向上させるため。
• 従来の臨床的検査（正確性は40％～89％）を上回る診断正確性を達成するため。
• 専門医の監視が不要な自動的で使いやすいツールを提供し、自己診断を可能にするため。

提案手法

• アプリは、心拍数、血圧、動脈血酸素飽和度といった生体センサーからのリアルタイムデータを収集します。
• 生理的閾値が脳卒中リスクを示唆する場合、アプリはユーザーに顔貌画像と音声記録の撮影を促し、顔面麻痺の有無を検出します。
• スマートフォンカメラに取り付けたカスタムレンズを用いて網膜画像を撮影し、分析を行います。
• 520枚の網膜症画像を用いて、畳み込みニューラルネットワーク（CNN）を訓練し、脳卒中関連網膜症の兆候を検出します。
• 410件の血管データポイントを用いて、サポートベクターマシン（SVM）を訓練し、生体指標から脳卒中リスクを評価します。
• 100件のなまけた発話音声サンプルを用いて、再帰ニューラルネットワーク（RNN）を訓練し、脳卒中関連の言語障害を検出します。

実験結果

リサーチクエスチョン

• RQ1 マルチモーダルな生理的・視覚的データを統合したモバイルアプリケーションは、標準的な臨床的手法と比較して、脳卒中診断の正確性を向上させることができるか？
• RQ2 限定的なデータセット（例：100件の音声サンプル）で訓練された深層学習モデルは、早期脳卒中兆候をどの程度検出できるか？
• RQ3 カスタムレンズを用いたスマートフォンカメラによる網膜画像は、脳卒中関連網膜症を信頼性高く検出できるか？
• RQ4 CNN＋SVM＋RNNの統合モデルの包括的性能は、個々のモデルと比較してどのように異なるか？
• RQ5 このようなシステムは、リソースが限られた環境でも、正確で低コストの脳卒中スクリーニングを可能にするか？

主な発見

• 包括的診断モデルは、327件の検証サンプルで95.0％の正確性を達成し、臨床的検査の正確性（40％～89％）を顕著に上回りました。
• CNN部は、たった520件のトレーニングサンプルで網膜画像からの網膜症分類に高い有効性を示しました。
• RNNモデルは、100件のなまけた音声ファイルから言語障害を的確に同定し、脳卒中関連神経障害の早期検出に貢献しました。
• SVMモデルは、410件の血管データポイントを効果的に処理し、生体徴収から脳卒中リスクを評価できました。
• 生体徴収、音声、顔貌、網膜画像といった複数のデータモダリティの統合により、診断の強靭性と全体的な正確性が向上しました。
• このシステムは、専門医の介入なしに自動的かつ自己診断を可能にし、医療アクセスが制限された地域にスケーラブルなソリューションを提供します。