基于可穿戴加速度计面向婴儿围产期卒中筛查的可靠自动化全身运动评估
人机交互
2019-02-22 v1 机器学习
机器学习
摘要
围产期卒中（PS）是一种严重病症，若未被发现从而未予治疗，常导致终身残疾，尤其是脑性瘫痪（CP）。在临床环境中，Prechtl 全身运动评估（GMA）可用于通过格式塔方法对婴儿运动进行分类，识别患 PS 高风险的婴儿。评估技能的培训与维持对于 GMA 的正确使用至关重要且成本高昂，然而许多从业者缺乏这些技能，阻碍了更大规模的筛查，并导致受影响婴儿错失早期检测与干预机会的重大风险。我们提出了一种自动化的 GMA 方法，基于穿戴式加速度计和一种新颖的传感器数据分析方法——判别模式发现（DPD）——其设计用于应对仅能获取粗标注数据用于模型训练的场景。我们在一项包含 34 名新生儿（21 名典型发育婴儿和 13 名具有异常运动的 PS 婴儿）的研究中证明了我们方法的有效性。我们的方法能够正确识别具有异常运动的试验，其准确率至少达到新训练的人类标注者所需的 75%，这令人鼓舞地朝向我们最终的面向全人群使用的自动化 PS 筛查系统的目标。
引用
@article{arxiv.1902.08068,
title = {Towards Reliable, Automated General Movement Assessment for Perinatal Stroke Screening in Infants Using Wearable Accelerometers},
author = {Yan Gao and Yang Long and Yu Guan and Anna Basu and Jessica Baggaley and Thomas Ploetz},
journal= {arXiv preprint arXiv:1902.08068},
year = {2019}
}
备注
Gao and Long share equal contributions; This work has been accepted for publication in ACM IMWUT (Ubicomp) 2019;