智能稀疏传感器网络用于婴儿一般运动的自动早期评估

科学领域:

• 生物医学工程 生物医学工程
• 发育儿科 发育儿科
• 可穿戴技术可穿戴技术

背景情况:

• 一般运动 (GMs) 对于早期婴儿大脑发育评估至关重要,但在定量分析和广泛临床使用方面面临挑战,特别是在资源有限的领域.
• 可穿戴式传感器为婴儿运动分析提供了一个有希望的解决方案,因为它们的隐私性,成本效益和易用性.
• 现有的转基因评估方法缺乏广泛应用所需的定量精度和可访问性.

研究的目的:

• 开发和验证一种新的可穿戴稀疏传感器网络,用于对婴儿的一般运动进行自动早期评估.
• 评估系统在识别新生儿活动和识别有发育障碍风险的婴儿方面的可靠性和准确性.
• 利用人工智能对婴儿运动数据进行智能分析,以促进早期诊断.

主要方法:

• 一个由五个软无线IMU设备 (SWD) 组成的稀疏网络被设计为婴儿的连续,稳定的全身运动捕捉.
• 对23名婴儿进行了概念验证临床测试,以评估系统的性能.
• 一个微小的机器学习算法被集成用于基于转基因模式的高风险婴儿的自动识别.

主要成果:

• 可穿戴传感器系统在识别新生儿活动方面表现出色,证实了其可靠性.
• 集成的人工智能算法实现了高精度 (高达99.9%) 在基于一般运动自动识别有风险的婴儿.
• 该系统成功地捕获了全面的全身运动数据,使用了最小数量的强大和生物相容的传感器节点.

结论:

• 开发的可穿戴稀疏传感器网络为婴儿一般运动的自动早期评估提供了可靠和准确的方法.
• 这种由人工智能驱动的系统有助于智能评估婴儿大脑发育和早期诊断潜在疾病.
• 该技术具有广泛部署的巨大潜力,特别是在资源较少的环境中,可以改善发育查和干预.