迈向婴儿自发运动自动姿态估计的人体水平性能
计算机视觉与模式识别
2022-02-21 v5 机器学习
摘要
自发运动的评估可预测高危婴儿的远期发育障碍。为开发用于自动预测后期障碍的算法，需要通过婴儿姿态估计对体节和关节进行高精度定位。我们在一个新的婴儿姿态数据集上训练并评估了四类卷积神经网络，该数据集涵盖来自临床国际社区的 1 424 段视频中的巨大差异。网络定位性能以估计关键点位置与人类专家标注之间的偏差进行评估。同时还评估了计算效率，以确定神经网络在临床实践中的可行性。性能最佳的神经网络具有与人类专家标注者间差异相近的定位误差，同时仍保持高效运行。总体而言，我们的研究结果表明，婴儿自发运动的姿态估计具有巨大潜力，可通过以人体水平性能从视频记录中量化婴儿运动，来支持围产期脑损伤儿童发育障碍早期检测的研究工作。
引用
@article{arxiv.2010.05949,
title = {Towards human-level performance on automatic pose estimation of infant spontaneous movements},
author = {Daniel Groos and Lars Adde and Ragnhild Støen and Heri Ramampiaro and Espen A. F. Ihlen},
journal= {arXiv preprint arXiv:2010.05949},
year = {2022}
}
备注
Published in Computerized Medical Imaging and Graphics (CMIG)