上海交通大学チームは脳性麻痺の早期スクリーニングを促進するために運動評価にディープラーニングを使用

編集者 | キャベツの葉

Prechtl Global Movement Assessment (GMA) は、神経系の発達の完全性を評価し、運動機能障害を予測する役割でますます認識されています。特に脳性麻痺（CP）などの病気に顕著です。しかし、一部の国では、訓練を受けた専門家の必要性が早期スクリーニングツールとしての GMA の採用を妨げています。

最新の研究で、上海交通大学の研究者らは、幼児のビデオと基本的な機能を組み合わせ、ぐずる動き (FM) を検出するように設計された、深層学習ベースの動作評価モデル (MAM) を提案しました。) GMA自動化を実現する段階。

MAM は強力なパフォーマンスを示し、外部検証中に 0.967 の曲線下面積 (AUC) を達成しました。重要なのは、GMA の原則に厳密に従っており、ビデオ内の FM を正確に識別できるため、強力な解釈可能性を備えており、基本的に専門家の評価と一致しています。

予測された FM 周波数を使用して定量的 GMA 法が導入され、その AUC は 0.956 に達し、GMA 初心者医師の診断精度が 11.0% 向上しました。 MAM の開発は、初期の CP スクリーニングを大幅に簡素化し、定量的なビデオベースの医療診断の分野に革命をもたらす可能性があります。

この研究は「脳性麻痺の早期スクリーニングを促進するための定量的深層学習による一般運動評価の自動化」と題され、2023年12月14日に「Nature Communications」に掲載されました。

論文の詳細を表示するには、次のリンクをクリックしてください: https://www.nature.com/articles/s41467-023-44141-x

以上が上海交通大学チームは脳性麻痺の早期スクリーニングを促進するために運動評価にディープラーニングを使用の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。