DeepAD：基于生成模式学习的婴儿脑瘫运动异常检测模型

《npj Digital Medicine》：Infant neurodevelopmental impairment detection via large-scale motion screening with generative learning

摘要

脑瘫等神经发育障碍是临床婴儿保健中常见的发育问题。早期检测这些疾病能够实现及时干预和更好的康复效果。然而，自动化的大规模筛查工具仍然稀缺，而人工智能通过识别异常的婴儿运动模式提供了一个有前景的解决方案。但由于专家标注的运动记录稀缺，开发数据驱动的AI系统面临挑战。针对这一难题，本文提出了一种生成模式学习方法，通过时间自回归和重建的训练范式实现了对异常动作的敏感检测。研究团队使用来自中国三家儿童医院在5年期间（2019-2024年）收集的1300多段婴儿运动视频训练并验证了AI模型DeepAD，其中包含约50名被诊断为脑瘫的婴儿。大量实验证明，DeepAD的性能优于基线方法，且达到了与临床专家相当的水平，显示出其在智能筛查神经发育障碍方面的潜力。