在出生時或出生前出現併發症的嬰兒,往往都必須面臨未來認知或身體出現障礙的風險,為了協助及早辨別嬰兒是否出現非典型的發展階段,歐美研究團隊在可穿戴設備和機器學習技術的幫助下,開發出一種演算法能夠針對肢體運動模式進行分類,進而預測出嬰兒是否可能出現神經缺陷。

「babies」的圖片搜尋結果

由南加州大學(USC)和西班牙馬德里卡洛斯三世大學(UC3M)的研究人員所組成的團隊指出,許多研究都指出像是踢腿頻率、時空概念(spatiotemporal)和相關肢體協調的運動情況,在典型發育的嬰兒和早產、智力障礙、唐氏症、脊柱裂等非典型、具有風險的嬰兒間是不同的,但是存在一個問題:這些差距難以在嬰兒早期就發現。

為了協助進行預測,團隊在南加州大學中的嬰兒神經運動控制實驗室中,收集了包含加速度計、陀螺儀和磁力計等綁在嬰兒腳踝上的運動數據,並讓演算法掌握這些感測器收集的內容,像是每個動作持續的時間、平均加速度、最大加速度和其他特徵等。

接著研究人員再添加了年齡、發育程度和發育標籤(即典型或非典型)等特徵,運用大量二進制分類演算法建構了預測模型,並從中選出 3 個表現最好的進行整合,最小化任何模型可能具有的偏見。

最終產生的演算法在預測上得出一定的準度,透過對運動數據的分析,6 個月以內嬰兒的發展遲緩預測準確度達到83.9%6-12個月嬰兒的準確率也達到77%

研究人員認為,從整體來看,演算法的結果可以說是進一步確立了運動學特徵與嬰兒發育之間的關係,在未來的研究中,該團隊希望能夠「招募」更多的嬰兒,最終創造一個演算法,能夠根據感測器的歷史數據來預測嬰兒的運動情況。

團隊表示,以現在的情況來說,發展遲緩經常無法在嬰兒兩歲之前被診斷出來,這也讓許多嬰兒無法早期接受針對性的治療措施,他們希望未來開發的演算法能證實發展遲緩與出生幾個月內的嬰兒運動數據間的關聯性,進而促使更多嬰兒能接受早期的治療。

arrow
arrow
    全站熱搜

    Win Driver Blog 發表在 痞客邦 留言(0) 人氣()