據國外媒體Venturebeat報道，研究人員開發(fā)了人工智能(AI)技術來預測嬰兒的發(fā)育障礙。有出生并發(fā)癥的兒童在以后的生活中更有可能出現認知和身體上的障礙。例如，據《英國醫(yī)學雜志》(BMJ)發(fā)表的2017年研究報告顯示，早產嬰兒出現較高的發(fā)育延遲率。研究人員已經證明，手臂和腿的運動——自發(fā)的運動——可以幫助區(qū)分典型發(fā)育和非典型發(fā)育，但還是有一個問題：它們很難在嬰兒期早期發(fā)現。

來自南加州大學(USC)和馬德里卡洛斯三世大學的一個團隊著手了一種利用可穿戴設備和機器學習算法的解決方案。他們的方法在發(fā)表于Arxiv.org上的一篇論文(“利用可穿戴傳感器的日常運動數據預測嬰兒的運動發(fā)育狀態(tài)”)中有描述，它對肢體運動模式進行了分類，以便預測嬰兒日后是否有可能出現神經缺陷。

研究者們寫道：“研究已經證明，在典型發(fā)育的嬰兒和處于危險的嬰兒(包括存在智力殘疾、脊髓脊膜突出癥和唐氏綜合癥的嬰兒以及早產嬰兒)之間，各項運動學指標數據是不同的，比如踢腳頻率以及關節(jié)間和肢體間的協調性�！�

　　該研究團隊從南加州大學的嬰兒神經運動控制實驗室提供的數據集中提取數據，其中包含了從捆綁在嬰兒腳踝上的加速度計、陀螺儀和磁力儀收集的運動數據。一種算法從原始傳感器數據檢測左右腿的運動，并確定這些運動的持續(xù)時間、平均加速度、峰值加速度和其他的特征。

研究人員手動添加了一些特征，比如年齡、發(fā)育程度評分和發(fā)育標簽(即典型的或者非典型的)，然后使用許多的二進制分類算法構建了一個預測模型，最終確定了三個最優(yōu)秀的組合來最小化任何一個模型的偏差。

所產生的算法會進行運算，其預測非常接近基線。它基于那些運動數據來預測前六個月的發(fā)育延遲問題，準確率達到83.9%;預測6到12個月的問題的準確率也高達77%。

“總的來說，這些結果進一步證實了分類算法中使用的運動學特征與嬰兒發(fā)育之間的關系�！毖芯咳藛T寫道，“最終的目標是，使用這種方法來預測高危嬰兒將來是否會被診斷為發(fā)育遲緩。”

在未來的研究中，該團隊希望招募更多的嬰兒，創(chuàng)建一種算法來通過歷史傳感器數據預測嬰兒的運動情況。

“目前，發(fā)育遲緩通常直到嬰兒兩歲時才被診斷出來，這讓許多嬰兒無法在早期接受有針對性的干預�！彼麄儗懙溃�“我們打算開發(fā)的預測算法將證實，發(fā)育遲緩反映在嬰兒最初幾個月的運動當中，進而讓更多的嬰兒能夠更早地接受定向的干預�！�

標簽： 互聯網 互聯網資訊 媒體 數據預測 移動互聯 移動互聯網

版權申明：本站文章部分自網絡，如有侵權，請聯系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯系。