AGMA-PESS:基于深度学习的婴儿姿势估计器和序列选择器软件用于一般运动评估

科学领域:

• 新生儿神经科学 新生儿神经科学
• 发育儿科 发育儿科
• 医学成像分析 医学成像分析

背景情况:

• 一般运动评估 (GMA) 对于评估早产婴儿的大脑成熟至关重要.
• 目前的GMA需要长时间的视频录制和手动选择运动序列,这阻碍了临床使用.
• 准确的婴儿姿势估计对于自动化GMA至关重要.

研究的目的:

• 为了引入AGMA Pose估计器和序列选择器 (AGMA-PESS) 软件.
• 为了自动选择GMA相关的视频序列.
• 为了使GMA的早产婴儿能够进行2D姿势估计.

主要方法:

• 利用了最先进的深度学习婴儿姿势估计网络.
• 开发软件 (AGMA-PESS) 用于自动选择序列和2D姿势估计.
• 在早产婴儿和曲年龄的早产婴儿上进行了测试.

主要成果:

• AGMA-PESS成功地自动选择了GMA的视频序列.
• 该软件为婴儿提供准确的2D姿势估计.
• 在处理视频数据方面展示了简单性和效率.

结论:

• AGMA-PESS显著减少了GMA分析所需的时间和精力.
• 该软件有助于在新生儿病房更广泛地实施GMA.
• AGMA-PESS支持临床实践和婴儿发育研究.