人工智能用于婴儿运动筛查的初步研究

背景和目的。 尽管台湾对发育障碍儿童早期干预的意识有所提高，但卫生和福利部报告的早期干预儿童数量有限，特别是两岁以下儿童在医院外的情况, 以及偏远地区。 这突出了对处于危险中或有发育障碍的婴儿进行早期筛查的必要性。 虽然运动发育对晚年儿童其他领域能力的出现具有潜在影响，但运动筛查可作为帮助检测发育障碍迹象的基石。 基于大数据机器学习的人工智能 (AI) 可能成为协助医疗保健专业人员有效筛查儿童发育情况并帮助制定进一步诊断评估计划的替代方案。 这项初步研究的目的是将 AI 技术应用于 4 至 18 个月的婴儿样本，开发用于婴儿运动筛查的动作跟踪和识别算法，并确定在艾伯塔婴儿运动量表（AIMS）期间捕获的运动的准确性) 评估采用有经验的物理治疗师的评估结果作为参考。 方法。 这项研究将从台大儿童医院招募50名婴儿（40名早产儿和10名4-18个月（早产儿校正年龄）的足月儿）。 物理治疗师将使用 AIMS 评估评估每位婴儿在俯卧、脊柱、坐姿和站立姿势下的粗大运动发育情况。 整个评估过程将由五个摄像头进行录像。 运动视频记录的数据处理将包括运动记录的选择、姿势估计模型的建立和动作识别模型的建立。 姿势和动作识别模型在识别婴儿运动方面的准确性将使用物理治疗师的结果作为黄金标准进行检查。 这项研究的结果将提供初步数据，以帮助建立最佳和适当的婴儿运动筛查动作识别模型，以供将来在大样本上进行验证。