人工智能可以从婴儿运动的视频片段中识别关键模式

很小的婴儿自发运动的微妙特征可能揭示他们神经发育的临床重要方面。由临床专家对代表典型运动模式的一般运动(GMs)进行视觉评估，在早期识别脑瘫(CP)中是有效的。

“一个三个月大的婴儿在身体和四肢上经常表现出刻板的舞蹈般的动作。赫尔辛基大学临床神经生理学教授Sampsa Vanhatalo说:“一个明显的缺失是后来CP出现的高度预测。”

早期诊断和随后的治疗干预对减轻CP对神经发育的影响非常有益。目前，儿童被诊断为CP的年龄要晚得多，通常在6个月至2岁之间。GM分析在早期发现CP方面很有希望，但它需要目前通过国际教学课程获得的特殊专业知识，这有效地限制了具有相关技能的医生或治疗师的数量。此外，目前形式的转基因分析是基于视觉评估，这总是主观的。

“我们迫切需要客观和自动化的方法。他们将允许在更大的范围内使用运动分析，并使世界上大多数(如果不是全部)儿童都能使用它，”Vanhatalo说。

手杖人揭示了本质

赫尔辛基大学和比萨大学的研究人员开始探索将婴儿躺在床上的传统视频记录转化为婴儿运动的量化分析的可能性。他们与位于坦佩雷的人工智能公司神经事件实验室的人员合作。他们能够创建一种方法，使用一种被称为姿势估计的技术准确提取儿童的运动，允许构建简化的“棍子人”(或骨架)视频。

接下来，研究人员将这些视频交给具有转基因专业知识的医生，以确定诊断的关键信息是否保存在这些视频中。仅使用简笔画视频，医生就能在95%的病例中分配诊断组，证明临床重要信息得到了保留。

这项研究表明，一种自动算法可以从正常的视频记录中提取出临床重要的运动模式。这些简笔画提取可以直接用于定量分析。为了证明这一潜力，研究人员提供了一个概念证明分析，其中简单的简笔画运动测量显示出各组之间的明显差异婴儿动作正常或不正常。

使用简笔画视频还可以在全球研究社区之间共享，而无需担心隐私问题。这是在这一领域内建立跨国研究活动的一个重大瓶颈。

Vanhatalo说:“这将最终使真正的大数据发展成为可能，从而更好地对婴儿的运动进行定量分析。”

“自这项研究以来，我们收集了更大的数据集，包括3d视频记录，我们目前正在开发一种基于人工智能的婴儿运动成熟度评估方法。理由很简单:如果对运动成熟度的计算评估与孩子的真实年龄不匹配，那么孩子就会出现发展问题。”

除了早期CP检测，自动运动分析在婴儿神经发育评估中有许多潜在的应用。“我们可以创建一种功能性增长图表，”Vanhatalo说。

运动分析也可以以不同的方式用于改善治疗决策。该方法为客观评价治疗策略的疗效提供了定量手段，是现代修复医学研究的热点之一。自动化运动分析还可以对儿童进行院外筛查，以确定哪些儿童需要进一步护理，或在涉及儿童发育的情况下确保正常。

“机器学习和人工智能的使用可以从简单的家庭级视频记录中提取大量临床有用的信息。最终目标是找到能够在世界各地提供高质量婴儿保健的方法，”Vanhatalo总结道。

---

---