新生儿运动模式自动分析 (AIMOTHERNeo)

新生儿护理和新生儿检查：

每个新生儿在与母亲一起转移到产后病房之前都要在产房接受全面的临床检查（1994年10月18日法令）。 产假期间至少进行一项额外的全面检查。 该检查必须在出生后第 8 天之前进行，并记录在健康手册中，并可签发第一份健康证明（第 8 天证明）。 它是在母亲或父母双方在场的情况下，在光线充足、温度充足的房间里进行的，最好是在饭前或在日常护理期间，当孩子保持警觉时进行，并遵循卫生规则（洗手、使用专用的清洁用品）。新生儿长袍和设备消毒）。 新生儿之间可能存在显着的临床差异，并且可能会检测到许多轻微的异常。

对新生儿的神经学评估首先要收集有关产前史和出生背景的最大信息。 家庭和社会背景也至关重要。 例如，家庭中以前的新生儿死亡可能表明常染色体隐性代谢紊乱，而任何以前产妇流产的细节与疑似 X 连锁显性遗传疾病特别相关，其中男性致死率很常见。 医疗记录是阿普加评分、血气结果、产前监测数据和任何产科并发症的极其有用的来源。 有关产后即刻（在高危人群中被称为“黄金时刻”）的临床信息也非常有价值。 此外，护士的观察（如果有的话）通常是非常宝贵的。 在评估患有阵发性疾病的新生儿时，相关事件的视频序列可以提供有价值的诊断线索。

临床检查仍然是一个核心要素，并且可能是评估疑似患有神经系统问题的新生儿的最具成本效益和最安全的工具（“Wusthoff CJ. 使用方法：新生儿神经系统检查。 Arch Dis 儿童教育实践版。 2013；98：148-53。” 摘自：Mustafa A. M. Salih。 “临床儿童神经病学”。 iBooks。）。 因此，检查的主要目的是确定新生儿是否“神经正常”，并在必要时启动进一步的调查。 它还可以评估新生儿病情随时间的恶化（或改善）情况。 应该指出的是，新生儿的神经系统状态通常不能通过单次神经系统检查完全确定，特别是在很早就进行的情况下。 事实上，神经系统检查的预测价值往往会随着新生儿的实际年龄而提高，例如，出生时遭受严重缺氧缺血性损伤的新生儿的案例就说明了这一点。 事实上，这个孩子的临床表现会随着时间的推移而变化，并且通常可以远程对病变进行完整而准确的评估。 此外，众所周知，新生儿的神经系统状态会受到一系列“非神经系统”因素的影响，例如母亲在怀孕期间服用的药物、感染、呼吸系统疾病以及诸如疼痛（来自冰凉的手）等不愉快的刺激。例如，考官的声音）和饥饿。

研究重点描述 有几种标准化且经过验证的量表和方法广泛应用于各个新生儿科室。 每种方法都有其优点和缺点，但它们都足够全面，足以提供足月新生儿和早产儿神经发育概况的了解。 其中许多，例如杜博维茨检查，可以在互联网和大多数新生儿学手册中免费获取。

鉴于新生儿神经系统发育的独特特征，有必要对年龄较大的儿童和成人进行正式的神经系统检查。 观察是检查的第一步，花尽可能多的时间观察婴儿及其与环境的互动至关重要（“Dubowitz L，Mercuri E，Dubowitz V. 足月新生儿神经系统检查的最佳评分。 J儿科杂志。 1998；133：406-16。” 摘自：Mustafa A. M. Salih。 “临床儿童神经病学”。 iBooks。）。 这种观察步骤对于评估儿童至关重要，并且优于所谓的手动检查，后者涉及对儿童的触诊和定向操作。 这种视觉检查包括与儿童的位置和自发运动相关的几个记录，包括四肢、头部运动、眼睛运动和发声。 交互性也很重要，因为它表明孩子是否对声音做出反应以及自动跟踪机制是否到位。

这个新生儿观察步骤至关重要。 它可以评估运动技能、反应性和相互作用等基本功能，并提供对患者中枢和周围神经结构功能的深入了解。 重要的是要理解，这些因素可以对新生儿进行更全面的评估，并且在神经系统受累仅是继发性或间接性的全身病理生理现象（例如脓毒症、代谢性疾病、缺氧）期间，这些相同的功能将受到损害。缺血性脑病等 这就是为什么这种临床检查即使非常通用且针对性不强，对于新生儿出院前的病情进展也至关重要。

最佳实践通常取决于护理人员。 尽管在观察和数据收集中使用标准化是不可避免的，但临床检查仍然是一种现象，一种包含与从业者的经验和能力相关的主观因素的体验。 因此，其表达在患者之间表现出一定的变异性。 除了个体间差异和评估者评估的差异外，还存在与孩子年龄相关的评估难度。

因此，新生儿临床检查的观察部分依赖于三个要素的组合：面部表情、哭泣、外周活动性和/或姿势语气。 此外，尽管有不同的评估标准，但在医院环境中，尤其是新生儿，疼痛的评估和管理仍然具有挑战性。

AI MOTHER Neo解决方案基于以下技术基础

1. 自动面部表情识别。
2. 哭声识别：
3. 运动和姿势识别：

研究持续时间的理由基于以下几个因素：

1. 每年的出生人数：普瓦西圣日耳曼医院记录的每年出生人数为 4,500 人。
2. 收购频率：收购将在出生后第 0、1、2、3 和 4 天的访视期间进行，每年可能进行 22,500 次收购。
3. 招募目标：目标是在研究过程中获得10,000份收购。
4. 期望的招募/收购率：目标招募/收购率低于 15%。

根据这些数据，建议用3年时间来实现10,000次收购的目标。 这使得在研究范围内保持合理且可实现的招募/获取率成为可能。

主要目标我们的项目旨在开发一种针对新生儿的计算机化临床评估系统，该系统考虑了各种临床量表的三个主要标准：面部表情、哭泣、姿势和运动。

次要目标次要目标是表征特定于给定情况（尤其是病理情况）的运动模式。 主要目标是区分“正常”模式和“异常”模式。 一旦获得足够数量的采集，我们将尝试识别特定模式，这意味着基于计算机分析进行诊断。 将识别和定义与早期新生儿感染、缺氧缺血性脑病、臂丛神经麻痹等相对应的模式，以最大限度地提高测试的特异性和敏感性。

主要评价标准 所选择的评价标准是计算机评分与临床检查的比较。 这些分数将通过正态分布数值参数（中位数、第 25 个百分位数和第 50 个百分位数）的平均值和标准差来描述。 两组之间的比较将使用配对测试进行。

次要评估标准 列出涉及次要目标的次要评估标准。

这些采集内容包括持续 1 至 2 分钟的 60Hz 2D 视频，这些视频是在一个清醒的、脱衣服的孩子（穿着尿布或连体衣）洗澡或进行临床检查时拍摄的。 这些采集可以在产假期间（第 0/1/2/3/4 天）针对同一个孩子和不同的孩子多次进行。 收集的数据将包括骨骼数据，其中将分析振幅、对称性、加速度、肢体角度等变量。 这些不同的数据将被组合起来，以提供特定的运动概况并为具有共同特征的一组患者定义特定的模式。

参与中心数量 这是一项多中心研究，涉及位于巴黎地区的两个中心：

• 普瓦西圣日耳曼医院的妇产科和新生儿科以及重症监护室
• 加尔什雷蒙德庞加莱医院的儿科重症监护室。 （可能扩展到外科重症监护病房和/或新生儿科服务）。

受试者识别 在本研究中，受试者将按如下方式识别： 中心编号（3 个数字位置） - 中心内人员的选择顺序编号（4 个数字位置） - 姓氏首字母 - 名字首字母 此参考是唯一的，将被在整个研究期间保留。

资格标准 在告知家长或法定监护人研究的目标和程序（口头信息）后，将向他们提出方案。

纳入标准纳入标准如下：

• 儿童在普瓦西圣日耳曼医院的产科病房以及新生儿医学和重症监护室住院。
• 法定监护人同意/不反对。 排除标准
• 法定监护人的拒绝。
• 未成年父母。

研究进行该项目旨在利用计算机视觉为产科新生儿开发声音和图像自动分析系统。 该项目的第一阶段涉及在征得同意的情况下记录普瓦西圣日耳曼医院产科病房或新生儿医学和重症监护室住院新生儿的声音和视频序列。 这些视频序列将由加尔什 Raymond Poincaré 医院儿科重症监护室 R2P2 实验室和 OSO Ai 公司开发的面部识别程序进行分析。

方法：

在洗澡或临床检查之前，对赤身裸体或穿着尿布、清醒的儿童仰卧 1 分钟进行采集。 每个视频都将关联患者的临床数据，例如性别、胎龄、出生体重、阿普加评分、脐带血气体（pH 值和乳酸）和分娩方式。

该项目的第一阶段涉及检索新生儿在第 0/1/2/3/4 天或住院时间延长的情况下的视频/音频序列。 这些序列将重点关注儿童并提供包括四肢在内的完整视图。 这些视频存储在贝尔古尼乌教授负责的加密硬盘上，他会定期提取它们。 然后，这些序列将在 Raymond Poincaré 医院儿科神经病学、康复和重症监护室附属的 R2P2 实验室进行分析，使用经过修改的开源程序进行面部和姿势识别以及声音分析。 将通过与视频记录并行进行的临床评估建立相关性。

如果新生儿继续住院，无论是在产科病房还是在普瓦西的新生儿医学和重症监护病房，将在第 0/1/2/3/4 天及之后进行人口随访视频/音频序列采集。圣日耳曼医院。

患者参与的持续时间患者参与仅限于在住院期间捕获图像。

涉及人类受试者的非干预性研究不会对患者构成风险。 研究人员根据医疗活动框架内制定的当地监测计划报告参与研究的患者中观察到的任何不良反应。

目标是开发一种系统，可以在视觉和听觉层面对新生儿进行自动分析。 主要目标是定义该临床表现的“正常性”，其中涉及在产房住院的新生儿第 0/1/2/3 天和第 4 天采集总共 10,000 个视频采集（每个视频 1 到 2 分钟）或在新生儿医学和重症监护病房。

这些影片将在家长同意的情况下获得，并且仅用于由 Bergounioux 教授负责的自动化系统 AI MOTHER Neo 的研究和开发。

该分析旨在使用神经网络建立区分“正常检查”和“异常检查”的分类算法。