新火種
2023-12-20 
上海交大團隊利用深度學習進行運動評估，促進腦癱早期篩查
編輯 | 白菜葉
Prechtl 全身運動評估 (GMA) 因其在評估神經系統發育完整性和預測運動功能障礙方面的作用而日益得到認可，特別是在腦癱 (CP) 等疾病中。然而，對訓練有素的專業人員的需求，阻礙了一些國家采用 GMA 作為早期篩查工具。
在最新的研究中，上海交通大學的研究人員提出了一種基于深度學習的運動評估模型（MAM），該模型結合了嬰兒視頻和基本特征，旨在在煩躁運動（FM）階段實現 GMA 自動化。
MAM 表現出強大的性能，在外部驗證期間實現了 0.967 的曲線下面積 (AUC)。重要的是，它嚴格遵循 GMA 的原則，并具有強大的可解釋性，因為它可以準確識別視頻中的 FM，與專家評估基本一致。
利用預測的 FM 頻率，引入定量 GMA 方法，其 AUC 達到 0.956，將 GMA 初學醫生的診斷準確性提高了11.0%。MAM 的發展有可能顯著簡化早期 CP 篩查，并徹底改變基于視頻的定量醫療診斷領域。
該研究以「Automating General Movements Assessment with quantitative deep learning to facilitate early screening of cerebral palsy」為題，于2023 年 12 月 14 日發布在《Nature Communications》。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
