Shanghai Jiao Tong University 팀은 뇌성 마비의 조기 검사를 촉진하기 위해 운동 평가에 딥 러닝을 사용합니다.

Editor | 양배추 잎

Prechtl 전역 운동 평가(GMA)는 특히 뇌성마비(CP)와 같은 상태에서 신경계의 발달 무결성을 평가하고 운동 기능 장애를 예측하는 역할로 점점 더 인정받고 있습니다. 그러나 숙련된 전문가의 필요성으로 인해 일부 국가에서는 GMA를 조기 검사 도구로 채택하는 데 방해가 되었습니다.

최근 연구에서 Shanghai Jiao Tong University의 연구원들은 까다로운 동작(FM) 단계 자동화 중에 GMA를 달성하기 위해 유아 영상과 기본 기능을 결합한 딥 러닝 기반 동작 평가 모델(MAM)을 제안했습니다.

MAM은 외부 검증 동안 AUC(곡선 아래 면적) 0.967을 달성하는 등 강력한 성능을 보여주었습니다. 중요한 것은 GMA의 원칙을 엄격하게 준수하고 전문가 평가와 기본적으로 일치하는 동영상에서 FM을 정확하게 식별할 수 있기 때문에 해석성이 뛰어납니다.

예측된 FM 주파수를 활용하여 정량적 GMA 방법이 도입되었으며, AUC는 0.956에 도달하여 GMA 초보 의사의 진단 정확도가 11.0% 향상되었습니다. MAM의 개발은 초기 CP 검사를 크게 단순화하고 정량적 비디오 기반 의료 진단 분야에 혁명을 일으킬 가능성이 있습니다.

이 연구의 제목은 "뇌성 마비의 조기 검사를 촉진하기 위한 정량적 딥 러닝을 통한 일반적인 움직임 평가 자동화"이며 2023년 12월 14일 "Nature Communications"에 게재되었습니다.

논문 세부정보를 보려면 다음 링크를 클릭하세요: https://www.nature.com/articles/s41467-023-44141-x

위 내용은 Shanghai Jiao Tong University 팀은 뇌성 마비의 조기 검사를 촉진하기 위해 운동 평가에 딥 러닝을 사용합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!