研究目的
通过分析视频记录中的癫痫发作症状学,研究利用计算机视觉和深度学习来区分癫痫发作(ES)与功能性神经障碍(FND),因为相似的症状学表现常导致误诊,进而引发不必要的治疗和并发症。
研究成果
该研究表明,在医院环境中使用深度学习模型的视频分析能够支持癫痫发作症状学的自动识别,其中基于区域的模型准确率(79.6%)高于基于地标的模型(68.1%),凸显了减少将功能性神经障碍误诊为癫痫的潜力。
研究目的
通过分析视频记录中的癫痫发作症状学,研究利用计算机视觉和深度学习来区分癫痫发作(ES)与功能性神经障碍(FND),因为相似的症状学表现常导致误诊,进而引发不必要的治疗和并发症。
研究成果
该研究表明,在医院环境中使用深度学习模型的视频分析能够支持癫痫发作症状学的自动识别,其中基于区域的模型准确率(79.6%)高于基于地标的模型(68.1%),凸显了减少将功能性神经障碍误诊为癫痫的潜力。
加载中....
您正在对论文“理解患者行为:基于视觉的癫痫障碍分析”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期