このページは機械翻訳されています。他のページは英語で表示される場合があります。 View in English

ディープラーニングによるビデオ解析による小児妄想の自動認識

Jiarong Chen , Suqin Xia , Wenqi Shi

IEEE Journal of Biomedical and Health Informatics +

|

2025年9月1日

PubMedで要約を見る

まとめ

この研究はビデオから小児の妄想を認識するためのディープラーニングモデルを紹介していますアルゴリズムは高精度で早期発見と臨床での患者のケアを改善するための信頼できるツールを提供しました

科学分野

人工知能
医療情報学
計算神経科学

背景

小児の妄想は,成人よりも高い頻度で,一般的で困難な状態です.
小児の妄想の正確かつ適時な認識は,効果的な臨床管理に不可欠です.
現在の診断方法は医療従事者にとって時間と労力を要するものです

研究の目的

ビデオ録音による小児妄想の自動認識のためのディープラーニングベースのアルゴリズムの開発と検証.
提案されたモデルの性能を精度,精度,リコール,F1スコアで評価する.
病院内の小児妄想のビデオ診断を可能にします

主な方法

129のビデオサンプル (74の非妄想,55の妄想) を収集し,臨床医によってラベル付けされました.
2Dと1Dのコンボリュレーションフィルターで18層の深層空間時間神経ネットワーク (CNN) を採用した.
大規模なビデオデータセットでアーキテクチャを訓練し,3層の完全に接続された分類ヘッドを統合しました.

主要な成果

提案されたアルゴリズムは,0.8718の精度,0.8711のリコール,および0.8715のF1スコアで堅実な分類性能を達成しました.
このモデルは,様々な訓練と試験戦略において,臨床的適用性と技術的信頼性を実証した.
100個の新しいサンプルからなる独立したテストセットは,0.8800の精度を示し,モデルの有効性を確認しました.

結論

開発されたディープラーニングアルゴリズムは,小児の妄想を認識するための信頼性の高い効果的な方法を提供します.
病院システムにこのモデルを導入することで患者の治療結果を改善できる賢いビデオ診断が可能になります
このアプローチは小児の妄想症の診断に伴う課題を解決するための新しい解決策です