图雷特综合征动作视频评估系统:建模,检测和评估
Junya Wu1, Tianshu Zhou2, Yufan Guo3
1Key Laboratory for Biomedical Engineering of Ministry of Education, Engineering Research Center of EMR and Intelligent Expert System, Ministry of Education, College of Biomedical Engineering and Instrument Science, Zhejiang University, Hangzhou, 310027 China.
Health information science and systems
|August 31, 2023
概括
这项研究引入了一种新的方法,用于通过面部视频分析检测图雷特综合征 (TS) 滴答. 该方法准确地识别了TIC的行为,有助于长期患者的评估和诊断.
科学领域:
- 神经学 神经学
- 计算机科学 计算机科学
- 生物医学工程 生物医学工程
背景情况:
- 临床观察是评估图雷特综合征 (TS) 的标准.
- 精确的症状检测对于TS诊断和治疗评估至关重要.
- 自动化方法可能会提高ICT评估的客观性和效率.
研究的目的:
- 为图雷特综合征患者开发和评估一种使用视频面部特征识别检测方法.
- 通过深度学习和异常检测创建一个用于ICT行动分析和歧视的框架.
- 评估提议的方法在TS中长期监测的症状的有效性.
主要方法:
- 从视频中提取感兴趣的面部区域 (ROI).
- 使用3D卷积神经网络 (CNN) 进行视频特征表示学习.
- 整合多个实例的学习异常检测策略,以进行行动歧视.
主要成果:
- 实现了91.02%的平均滴滴检测准确度.
- 报告的精度为77.07%和回忆力为78.78%用于滴滴检测.
- 在没有需要细粒度标签的情况下,在图雷特综合征患者中证明有效的动检测.
结论:
- 提出的面部视频分析方法在检测图雷特综合征时的动作方面表现出高准确性.
- 这种方法有助于客观和潜在的持续监测随着时间的推移的症状.
- 该方法对于对图雷特综合征患者的长期评估和管理具有重要意义.
