相关实验视频
Updated: Jun 25, 2025
05:40
Using an Automated Hirschberg Test App to Evaluate Ocular Alignment
Published on: March 24, 2020
12.2K
一项关于使用来自移动应用程序的面部地标来查有发育障碍风险的儿童的研究
Sang Ho Hwang1, Yeonsoo Yu2, Jichul Kim3
1Department of Biomedical Systems Informatics, Yonsei University College of Medicine, Seoul, Republic of Korea.
Psychiatry investigation
|May 29, 2024
概括
早期发现发育障碍至关重要. 这项研究使用移动应用程序面部里程碑数据和深度学习来区分DDS儿童与典型发育 (TD) 儿童,显示了早期识别有希望的结果.
科学领域:
- 发育儿科 发育儿科
- 医疗保健中的机器学习
- 生物识别分析 生物识别分析
背景情况:
- 早期检测和干预对于改善发育障碍 (DD) 儿童的结果至关重要.
- 传统的发育评估可能耗时,需要专业人员.
- 使用可访问技术,如移动应用程序,为可扩展的选提供了潜在的途径.
研究的目的:
- 调查从移动应用程序视频中提取的面部标志特征的有效性,以区分DDS儿童与典型发育 (TD) 儿童.
- 开发和验证深度学习模型,以基于面部运动自动检测DDS.
主要方法:
- 招募了89名儿童 (33名有DD,56名TD).
- 通过移动应用程序收集面部视频.
- 提取了面部地标,并采用了长期短期记忆 (LSTM) 深度学习模型,用于分类的5倍交叉验证.
主要成果:
- 该分类模型的平均准确度为0.88,精度为0.91,F1得分为0.80.
- 使用夏普利添加式扩展 (SHAP) 的分析确定了点头的头角作为一个关键的预测变量.
- 最有贡献的面部变量显示了DD和TD组之间的显著差异 (p<0.05).
结论:
- 通过基于移动的视频捕获的面部地标数据可以有效地帮助早期发现发育障碍.
- 这种方法提供了一种非侵入性和潜在可扩展的方法来识别可能需要进一步发展评估的儿童.
