通过计算机视频分析支持的婴儿运动模式的新型分类
Iwona Doroniewicz1, Daniel J Ledwoń2, Monika Bugdol3
1Institute of Physiotherapy and Health Science, Academy of Physical Education in Katowice, Katowice, Poland.
Journal of neuroengineering and rehabilitation
|July 31, 2024
概括
这项研究开发了一个计算机系统来客观地分类婴儿的运动模式,有助于早期检测潜在的临床条件. 该系统准确地识别婴儿的典型和非典型运动模式,提高诊断一致性.
科学领域:
- 儿科神经学 儿科神经学
- 发育儿科 发育儿科
- 运动分析的分析.
背景情况:
- 婴儿的位置偏好和运动不对称性可以显示出异常的临床状况.
- 缺乏标准化的命名体系使婴儿运动模式的评估和记录变得复杂.
- 视频分析提供了一种安全,可重复的方法来评估婴儿运动,这对于物理治疗和目标规划至关重要.
研究的目的:
- 开发一个客观的婴儿运动模式的分类系统.
- 为了强调婴儿运动中肌肉紧张的分布.
- 通过对视频录像进行计算机分析,提高婴儿评估的准确性和可重复性.
主要方法:
- 记录了51名健康婴儿 (6-15周大) 的自发卧卧运动.
- 专家们确定了姿势运动模式,包括对称性,典型的不对称性 (与不对称的性部反射相关),以及偏差.
- 开发了一种基于计算机的推理系统,用于自动分类运动模式.
主要成果:
- 将运动模式分为正常 (典型和非典型),位置偏好和异常.
- 自动分类系统在绘制专家决定时实现了84%的准确性.
- 证实了非典型模式的高可重复性;典型模式显示较低的可重复性 (≤70%).
结论:
- 婴儿自发运动可以分为典型和非典型的模式.
- 基于计算机的婴儿运动模式分析使诊断决策变得客观,可靠地重现.
更多相关视频
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
10.9K
09:24Quantified Assessment of Infant's Gross Motor Abilities Using a Multisensor Wearable
Published on: May 17, 2024
1.4K
