《神经病学前沿》(Frontiers in Neurology)中详细介绍了一种新的基于机器学习的系统,该系统 可以快速且经济高效地筛查儿童的胎儿酒精谱系障碍(FASD)。该系统是由南加州大学,安大略省女王大学和杜克大学的研究人员开发的,全球偏远地区的儿童都可以使用该系统。
FASD是一组与怀孕期间饮酒有关的条件。患有FASD的儿童会出现异常的外观,身高矮,体重低,协调能力差,行为问题和感官受损。
“胎儿酒精频谱失调(FASD)是发育障碍和神经行为缺陷的最常见原因之一,”第一作者,美国南加州大学神经科学研究生课程的博士候选人Chen Zhang和同事写道。“尽管FASD的患病率很高,但由于临床能力有限,目前的诊断过程具有挑战性,并且既费时又费钱,而且神经认知和神经行为障碍的特征报告不足。”
研究人员指出,目前尚无血液测试可诊断FASD。传统的诊断方法是主观的,需要进行各种测试和临床评估,因此成本很高。儿童大脑健康网络的共同研究者詹姆斯·雷诺兹(James N. Reynolds)博士指出,FASD是一个“重大的公共卫生问题”,在美国和加拿大,每年的费用可能在22,000美元至24,000美元之间。
研究人员试图开发一种机器学习方法,该方法可以筛选出46名表现出FASD的儿童。他们确定了一种筛查工具可能能够覆盖更多处于患病风险的儿童。
该工具使用摄像头和计算机视觉来记录FASD儿童的眼睛运动,同时观看多个一分钟的视频,并观察他们朝向或远离特定对象的情况。研究人员将这些眼动与对照组的眼动进行了比较。眼动“超出常态”的儿童被确定为有可能患FASD。此外,研究人员还利用了tests体的心理测验和神经影像技术,which体桥接了大脑的左右两侧。
张在准备好的声明中说:“新的检查程序仅涉及照相机和计算机屏幕,并且可以应用于很小的孩子。” “只需要10到20分钟,在大多数情况下,费用应该是可以承受的。背后的机器学习流程可以在几分钟内给出客观一致的估计。”
总体而言,研究人员发现他们的方法由三个眼动任务组成,心理测验花了一个半小时才能完成,平均灵敏度为82%,平均特异性为88%,准确率为85%。
声明说,这种机器学习方法可以提供重要的反馈,因此父母可以从专业人士那里获得帮助,而受FASD影响的孩子可以接受早期的认知和行为干预。
研究人员指出:“这种筛查程序可广泛用于跨地区和跨地区常规看望幼儿的诊所,学校或卫生部门,从而促进跨学科交流。”
-
机器学习
+关注
关注
66文章
8408浏览量
132568 -
影像技术
+关注
关注
0文章
36浏览量
8132
发布评论请先 登录
相关推荐
评论