使用计算机视觉和深度学习技术,对眼睛滴滴的自动化量化
Christine Conelea1, Hengyue Liang2, Megan DuBois1
1Department of Psychiatry & Behavioral Sciences, University of Minnesota, Minneapolis, Minnesota, USA.
Movement disorders : official journal of the Movement Disorder Society
|December 25, 2023
概括
计算机视觉使用深度学习准确地检测图雷特综合征 (TS) 患者的眼睛滴答. 这种自动化方法在TS查和治疗监测中提供了一个有前途的定量化工具.
科学领域:
- 计算神经科学是一种计算神经科学.
- 医学成像分析分析 医学成像分析
- 机器学习在医疗保健中的应用
背景情况:
- 传统的图雷特综合征 (TS) 量化依赖于主观评分尺度.
- 现有的客观基于视频的方法资源密集,需要人为评估者.
- 计算机视觉可以自动检测非典型的运动,以量化.
研究的目的:
- 应用计算机视觉方法来训练受监督的深度学习算法.
- 从视频数据中检测TS患者中最常见的眼球,即TS患者中最常见的眼球.
主要方法:
- 利用了来自11名青少年TS患者的54个视频.
- 人类评分器确定了1775个眼睛滴滴事件和3680个非滴滴事件.
- 应用监督深度学习到视频剪辑中的3D面部地标.
主要成果:
- 通过使用随机分割治疗方案,实现了0.89的曲线下面面积 (AUC) 来对眼睛滴滴进行分类.
- 脱节分裂疗法的AUC为0.74,表明小患者样本的概括性有限.
- 该算法在未见的验证数据中成功检测到眼睛的滴答.
结论:
- 通过计算机视觉自动检测眼球是可行的和准确的.
- 这项技术显示了改善TS中的 tic量化潜力.
- 未来的应用包括TS查,诊断和治疗结果评估.
