Multimodal data-assisteret primær screening for allergisk rhinitis baseret på stemmegenkendelse og ansigtsgenkendelse

Forekomsten af ​​allergisk rhinitis er høj, og sygdommens udvikling er alvorlig, men offentlighedens kendskab til sygdommen er begrænset. At forveksle allergisk rhinitis med forkølelse eller andre luftvejssygdomme og købe uspecifik medicin til behandlingen forsinker ikke kun korrekt diagnose og behandling, men kan også føre til yderligere forværring af sygdommen og komplikationer. En sådan udeladelse, fejldiagnosticering og fejlbehandling af allergisk rhinitis påvirker ikke kun håndteringen og kontrollen af ​​sygdommen, men kan også resultere i unødvendigt spild af sundhedsressourcer og øgede behandlingsomkostninger.

I denne undersøgelse foreslår vi at fange ansigtsbilleder og lydfiler af rhinitispatienter, der kommer til otolaryngologiklinikken ved hjælp af en arbejdsmobiltelefon for at afgøre, om patienterne er allergiske eller ikke-allergiske rhinitis, ved at bruge en allergidetektionstest. Ansigtsfotos, lydfiler og grundlæggende klinisk information blev multimodalt fusioneret for at konstruere en forudsigelsesmodel, og effektiviteten af ​​modellen blev evalueret.

I sidste ende forventes det, at den prædiktive model blot kan identificere og screene for allergisk rhinitis, forbedre offentlighedens bevidsthed om og forståelse af allergisk rhinitis og træffe passende behandlingsforanstaltninger.