Identificación de nistagmo horizontal con segmentación SAM conjunta y clasificación de series temporales

Área de la Ciencia:

• Oftalmología
• Neurología
• Ciencias de la computación

Sus antecedentes:

• El nistagmo es un movimiento involuntario del ojo que indica asimetría de la vía vestibular.
• Los métodos de aprendizaje profundo se utilizan cada vez más para analizar vídeos de movimientos oculares para detectar nistagmo.
• Los métodos actuales pretenden mejorar la eficiencia diagnóstica de los trastornos oculomotores.

Objetivo del estudio:

• Proponer un novedoso modelo de aprendizaje profundo para la detección de nistagmo horizontal.
• Integrar la segmentación SAM con la clasificación de series temporales para mejorar la precisión.
• Mejorar la eficiencia diagnóstica de la detección de nistagmo mediante el análisis de vídeo.

Principales métodos:

• Se utilizó una red neuronal convolucional para filtrar fotogramas de vídeo no válidos.
• El modelo SAM (Segment Anything Model) extrajo trayectorias de movimiento de la pupila para el análisis de nistagmo.
• La atención espacial y un clasificador convolucional 1D multiescala determinaron el nistagmo horizontal.

Principales resultados:

• La precisión de la localización de la pupila alcanzó el 79,53% en un conjunto de datos clínico.
• La precisión de la detección de nistagmo alcanzó el 81%, superando a los métodos existentes.
• El modelo demostró un rendimiento significativamente mejor en la detección de nistagmo.

Conclusiones:

• El enfoque desarrollado ofrece un método eficiente y preciso para la detección de nistagmo horizontal.
• Esto proporciona una solución clínicamente aplicable para la detección temprana de trastornos vestibulares.
• Los hallazgos respaldan el diagnóstico y manejo oportunos de las afecciones vestibulares.