基于多尺度特征提取和时间分割的梅杰综合征检测

摘要

梅杰综合征的诊断主要依赖医生的临床评估，由于该疾病的症状与其他神经性疾病有相似之处且确诊较为复杂，因此诊断过程对医生和患者相当关键。本研究采集31名梅杰综合征患者的发病视频，建立梅杰综合征检测数据集，开发出一种应用于未修剪视频的梅杰综合征自动检测系统（MS-Net）。首先，利用RetinaNet和UNet3+构建时间检测分支和时间分割分支来进行多尺度特征提取和时间分割；其次，通过时间检测分支和时间分割分支解码分别生成检测窗口的概率向量和每帧发病的概率；最后，使用多层感知器处理两分支的概率预测，为每个窗口生成一个更加准确的概率。通过使用额外的损失函数和数据增强等技术优化模型性能，并使用临床医生可解释特征进行操作。MS-Net可以辅助诊断梅杰综合征，提高早期诊断的准确性、便捷性和效率。与其他先进的网络进行比较，结果表明MS-Net在使用临床实践中所需的可解释特征的同时在平均精度方面也取得相当的性能。

关键词

梅杰综合征 / 时序动作检测 / 多尺度特征提取 / 时间分割