人工智能算法有效地分类了实验室和家庭记录的38个全程和早产婴儿的运动
Yohanes Purwanto1, Erick Chandra2, Po-Nien Tsao3
1School and Graduate Institute of Physical Therapy, National Taiwan University, Taipei, Taiwan.
Journal of the Formosan Medical Association = Taiwan yi zhi
|August 14, 2025
概括
这项研究开发了一种人工智能模型,以准确评估婴儿的运动技能,分类实验室和家庭环境中的运动,用于满期和早产婴儿. 在AI的AI.
科学领域:
- 儿科医学 儿科医学 儿科医学
- 医疗保健中的人工智能
- 婴儿发育婴儿的发展.
背景情况:
- 目前用于婴儿运动评估的AI仅限于特定的年龄和实验室环境.
- 在婴儿运动评估中需要更广泛的AI应用.
- 这项研究通过开发针对不同婴儿群体和环境的人工智能来弥补这一差距.
研究的目的:
- 开发和验证用于婴儿运动识别的AI算法.
- 在实验室和家庭环境中评估AI性能.
- 涵盖从4个月到18个月的婴儿年龄范围.
主要方法:
- 一项前性队列研究,涉及85名满期和84名早产婴儿.
- 阿尔伯塔州婴儿运动评估 (AIMS) 在实验室环境中的录像.
- 通过Baby Go移动应用程序上传的家庭运动视频.
- 使用物理治疗师标签作为基本真理的人工智能模型开发.
- 使用基于年龄的运动集与AIMS考试人员的结果进行验证.
主要成果:
- 人工智能模型在实验室视频中实现了高精度 (0.91),在家庭视频中实现了良好的精度 (0.84).
- 分类38婴儿运动高精度和回忆.
- 基于年龄的运动集与AIMS结果具有很强的并发有效性 (一致性=0.99).
结论:
- 人工智能模型可靠地分类婴儿在实验室和家庭环境中的运动.
- 人工智能对婴儿运动技能的评估在不同的环境中是可行的.
- 基于年龄的AI运动集与专家临床评估高度相关.
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
11.0K
09:24Quantified Assessment of Infant's Gross Motor Abilities Using a Multisensor Wearable
Published on: May 17, 2024
1.6K
