基于可穿戴运动传感器的婴儿姿态与动作自动追踪

婴儿的自发与自主运动反映了脑网络发育的完整性，因为这些运动需要中枢神经系统多个部位的协调激活。相应地，早期识别运动发育异常的婴儿，有望发现那些面临广泛神经发育障碍（如脑瘫、自闭症谱系障碍）风险的婴儿。此前，新型可穿戴技术已显示出为成人运动评估提供高效、可扩展和自动化方法的潜力。在此，我们描述了一款婴儿可穿戴设备——多传感器智能连体衣的开发，它可在运动期间采集移动加速度计与陀螺仪数据。使用该连体衣，我们首先记录了约 7 月龄的 22 名典型发育婴儿的玩耍过程。基于会话的视频记录，使用专门设计用于评估该年龄段婴儿整体运动模式的新型标注方案，对这些数据中的婴儿姿态与动作进行人工标注。随后，基于深度卷积神经网络（CNNs）的机器学习算法利用数据与标注进行训练，以自动检测姿态与动作类别。我们的实验表明，该装置可用于以等同于人类的精度定量追踪婴儿运动活动，即在婴儿姿态与动作分类中达到人类评分者间一致水平。我们还量化了人类观察者在分析婴儿运动时的模糊性，并提出一种利用该不确定性提升自动分类器训练性能的方法。不同传感器配置的比较亦表明，四肢记录可在姿态与动作分类中带来最佳性能。