医药前沿|Nature子刊:中山大学全球早创婴幼儿视功能人工智能评估技术
由于难以客观评估婴幼儿视功能,全球2000万以上的视觉损伤婴幼儿不能被及时发现而终生致盲,造成了沉重的社会负担。
2019年10月21日,中山大学中山眼科中心刘奕志教授和林浩添教授在Nature子刊NatureBiomedicalEngineering杂志上发表题为:Discriminationofthebehaviouraldynamicsofvisuallyimpairedinfantsviadeeplearning的论文。发现正常和视觉损伤婴幼儿的行为模式差异,并利用深度学习,并在全球首先建立了基于行为模式的婴幼儿智能视功能评估系统,用于客观筛查婴幼儿的视功能,及时发现语言前婴幼儿的视觉损伤。
1.首先明确视觉损伤和行为模式的量化关系
知觉和行为的精细准确协作是生物生存和进化的基础。视觉是人类较重要的知觉,既往研究表明,视觉和行为表型之间存在一定的对应关系。然而,视力丧失如何影响个体行为模式变化,在很大程度上仍然是未知的。本研究通过分析4196例婴幼儿的行为学表型视频大数据,定量对比不同视功能群体4大类、13个行为特征的发生频率及严重程度,首先明确了斜视、眼球震颤、代偿头位等11个标志性的医学行为体征,与婴幼儿视觉损伤的量化关系。
2.创新应用时序分割网络为核心的医学人工智能算法框架
本研究创新性采用时序分割网络(TemporalSegmentNetwork)来自主学习、建立行为学表型在视频水平的特征模型。该算法结合稀疏采样的策略和视频水平的监督,以实现对动态视频数据集的效果很好拟合。简单来说,该算法采用基于分段结构的稀疏采样方案,从原始视频序列中提取短片段,再从采样片段的聚集信息中,完成视频水平的预测和推断。辅助的光流网络将通过一致性分段函数,进行整合,达到不同片段得分融合的效果,以产生较终的分类概率。
本研究为建立高准确性和特异性的婴幼儿智能视功能评估系统提供可能。研究结果表明,通过行为模式的视频记录来评估婴幼儿的视觉功能,智能评估系统在检测轻度和重度视觉损伤以及病因诊断方面都有令人满意的表现。与传统的检测方法相比,该系统对技术支持和婴儿合作的需求较少,可行性和准确性都更高。此外,该系统可作为视觉发育临床研究的技术支持,对于进一步探究和明确婴幼儿的视觉发育规律具有重要意义。
荐 相关文章
在线预约
绿色快速预约通道
阅读排行