Искусственный интеллект может анализировать степень тяжести миоклонуса по видеозаписи

By Антон Макарук No comments

Искусственный интеллект может анализировать степень тяжести миоклонуса по видеозаписи
                Предопределенные ключевые точки и исходные данные и алгоритмический вывод движения запястья. Кредит: Neuro Event Labs

Теперь возможна быстрая, надежная и автоматическая оценка тяжести миоклонических толчков по видеоматериалам благодаря алгоритму, использующему глубоко сверточную архитектуру нейронной сети и предварительно обученные модели, которые идентифицируют и отслеживают ключевые точки в теле человека. Это исследование, опубликованное в Seizure, является совместным усилием Центра эпилепсии при Университетской клинике Куопио, Университета Восточной Финляндии и Neuro Event Labs.
                                                                                       

Миоклонус относится к кратким непроизвольным подергиваниям мышц и является наиболее инвалидизирующим и прогрессирующим лекарственно-устойчивым симптомом у пациентов с прогрессирующей миоклонус-эпилепсией типа 1 (EPM1). Он чувствителен к стимулам, и его тяжесть колеблется в течение дня. Кроме того, стресс, недосыпание и беспокойство могут вызвать значительное ухудшение миоклонических симптомов. Клиническое объективное наблюдение за миоклонусом является сложной задачей и требует обширного опыта лечащего врача. Поэтому врачи и медицинская промышленность искали автоматические инструменты для улучшения последовательности и надежности последовательных оценок миоклонуса, чтобы надежно оценить эффект лечения и прогрессирование заболевания.

Единая шкала оценки миоклонуса (UMRS), клиническая видеорекордированная тестовая панель, является золотым стандартом, используемым в настоящее время для оценки миоклонуса. Исследователи проанализировали 10 видеокассетных тестовых панелей UMRS с использованием методов автоматической оценки поз и определения ключевых точек. Автоматические методы были успешными в обнаружении и отслеживании заданных ключевых точек в теле человека во время движения. Исследователи также проанализировали изменения скорости и плавность движения, чтобы обнаружить и определить количество миоклонических толчков во время активного припадка. Баллы, полученные с помощью автоматического обнаружения миоклонуса, хорошо коррелировали с клиническим миоклонусом UMRS, а результаты тестов по действию и функциональным тестам оценивались опытным клиническим исследователем.

Исследование показало, что автоматический метод, включающий обнаружение ключевых точек и оценку поз по отснятому материалу, достоверно количественно определил миоклонические толчки у пациентов с EPM1. Автоматическое количественное определение миоклонуса хорошо коррелировало с клинической оценкой. Он также эффективно определял плавность движения и был достаточно чувствительным, чтобы обнаружить миоклонические толчки малой амплитуды и высокой частоты.

Добавить комментарий