水平眼振のSAMセグメンテーションと時系列分類による同定

科学分野:

• 眼科学
• 神経学
• コンピュータサイエンス

背景:

• 眼振は前庭経路の非対称性を示す不随意な眼球運動です。
• 眼振検出のための眼球運動ビデオ分析には深層学習手法がますます使用されています。
• 現在の方法は、眼球運動障害の診断効率を高めることを目的としています。

研究 の 目的:

• 水平眼振検出のための新しい深層学習モデルを提案すること。
• 精度向上のためにSAMセグメンテーションと時系列分類を統合すること。
• ビデオ分析を用いた眼振検出の診断効率を向上させること。

主な方法:

• 畳み込みニューラルネットワークを使用して無効なビデオフレームをフィルタリングしました。
• Segment Anything Model (SAM) を使用して、眼振分析のための瞳孔運動軌跡を抽出しました。
• 空間的注意とマルチスケール1D畳み込み分類子によって水平眼振を決定しました。

主要な成果:

• 瞳孔局在化精度は臨床データセットで79.53%に達しました。
• 眼振検出精度は81%を達成し、既存の方法を上回りました。
• このモデルは眼振検出において有意に優れた性能を示しました。

結論:

• 開発されたアプローチは、水平眼振検出のための効率的かつ正確な方法を提供します。
• これにより、前庭系疾患の早期スクリーニングのための臨床的に適用可能なソリューションが提供されます。
• この発見は、前庭系疾患の適時な診断と管理を支持するものです。