玫瑰花蕾脑外伤监测

使用残差神经网络的视觉音频监视系统的准则，以针对护理点的脑外伤患者生成基于客观的报告。

奥森·威尔斯《公民凯恩》中“玫瑰花蕾”的奥秘

我喜欢把时间分散在自己的软件/硬件项目（ https://medium.com/@bryanjordan/designing-streamplate-baeea2220f94 ）和建立对神经创伤的理解之间-这可能是我的一个切线最长的利益：创伤外科。

在过去的几周中，我一直试图每天花几个小时阅读有关意识的神经相关性的论文。 这些作者的子集一直在尝试改善在护理点监测严重脑外伤患者的指标。 格拉斯哥昏迷量表使用最广泛，但属于高度主观的评估，可以忽略容易遗漏的细微和微小的改进。

在这些论文中，出现了一个一致的主题：跟踪患者进展的客观指标的必要性。 患有深昏迷的患者，甚至具有非语言能力的患者，可能由于缺乏某些能力而导致的误诊或虐待而成为进一步的受害者。

看起来，尽管需要不间断的和基于经验的记录，但又不影响患者的状态，以免混淆患者的持续状态，并且易于使用，使患者负担得起且不受干扰。

截止到12月初，我很确定没有这种类型的服务，或者至少没有广泛使用。

我已经想到了一个简单实施的总体蓝图，但是还没有时间适当考虑技术细节。 我希望通过发布这些准则，使有人可以独立地开发此准则，或者可以由合适的人来提供开源实现。

在本指南的末尾，为什么偏爱开源的原因将更加明显。 这是我的一般想法：

1. 患有严重脑外伤的患者通常会插管，身体固定并与其他患者分开。 因此，这些患者已经处于允许近距离记录的受控环境中。
2. 可以在4台摄像机的配置上将接近的视听记录设备（摄像机，麦克风，扬声器）安装在病床上方：患者头部的特写镜头，患者躯干的中等镜头，整个患者的广角镜头以及对患者周围环境进行360度拍摄。
3. 永久记录设备允许进行基于音频的受控测试，而不是观察性研究。 这些受控测试可以在计时器上自动进行管理，并且可以通过评估患者状态下的行为差异来提出。
4. 视音频记录可以上传到基于云的基础架构，然后进行现场评估。 该服务可以是自动化的（例如，每24小时一次）或手动操作，并且涉及操作员将素材处理到残差神经网络中以检测患者状态下的鉴别器。 然后，可以将相应的见解输入到辅助模型中，以比较患者的相对状态和其他状态。
5. 关键思想是建立一个通过基于经验的行为记录而不是主观报告来评估相对状态的患者状态网络。 由于可以对这些记录进行汇总和综合评估，因此可以生成实时患者状态的数据库，并且随着这些状态的及时发展以及潜在特征的发现，未来的患者可以从这种自动检查中受益。

我想不出关于实现的任何关键技术限制。 视音频记录甚至可以像GoPro一样原始，后者可以为第三世界国家或资源贫乏的医院/医疗中心提供进入该数据库的入口点。 假设是互联网访问。 即使访问是零星的，也可以间歇地上传记录，并类似地进行下载。 随着WI-FI在世界范围内变得越来越持久（全球只有44％的人口与WI-FI连接），我认为这将不再是一个问题。

得益于对机器学习的广泛兴趣，残差神经网络的成就，不断增长的功能以及因此而增加的云计算投资回报（个人推荐使用Google Cloud Platform，但尚未使用AWS或Azure），因此编程实现非常简单。 。

我可能会在接下来的几周内开始开发此程序，具体取决于我是否遇到其他出色的研究选择。 否则，请随意将本指南用于您认为合适的目的。

如果成功，那就成功了。
如果不是这样，最好先主动失败，然后再主动失败。

From: https://hackernoon.com/rosebud-brain-trauma-monitoring-73db03428edf