利用可穿戴傳感器的日常運動數據預測嬰兒的發育障礙互聯網+
研究團隊開發了一種人工智能通過收集嬰兒日常運動數據，預測嬰兒的運動發育狀態。
Venturebeat網站于美國時間7月10號發布報道稱，來自南加州大學(USC)和馬德里卡洛斯三世大學的一個研究團隊，開發了一種人工智能技術來預測嬰兒的發育障礙。
研究者們在Arxiv.org上發表的的一篇論文《利用可穿戴傳感器的日常運動數據預測嬰兒的運動發育狀態》中寫道，“目前，發育遲緩通常直到嬰兒兩歲時才被診斷出來，這讓許多嬰兒無法在早期接受有針對性的干預。我們打算開發的預測算法將證實，發育遲緩反映在嬰兒最初幾個月的運動當中，進而讓更多的嬰兒能夠更早地接受定向的干預。研究已經證明，在典型發育的嬰兒和處于危險的嬰兒（包括存在智力殘疾、脊髓脊膜突出癥和唐氏綜合癥的嬰兒以及早產嬰兒）之間，各項運動學指標數據是不同的，比如踢腳頻率以及關節間和肢體間的協調性。”
研究團隊從南加州大學的嬰兒神經運動控制實驗室提供的數據集中提取數據，其中包含了從捆綁在嬰兒腳踝上的加速度計、陀螺儀和磁力儀收集的運動數據。一種算法從原始傳感器數據檢測左右腿的運動，并確定這些運動的持續時間、平均加速度、峰值加速度和其他的特征。
研究人員又手動添加了一些特征，比如年齡、發育程度評分和發育標簽（即典型的或者非典型的），然后使用許多的二進制分類算法構建了一個預測模型，最終確定了三個最優秀的組合來最小化任何一個模型的偏差。
所產生的算法會進行運算，其預測非常接近基線。它基于那些運動數據來預測前六個月的發育延遲問題，準確率達到83.9%；預測6到12個月的問題的準確率也高達77%。數據預測結果證實了分類算法中使用的運動學特征與嬰兒發育之間的關系。在未來的研究中，該團隊希望招募更多的嬰兒，創建一種算法來通過歷史傳感器數據預測嬰兒的運動情況。
1.TMT觀察網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網的原創文章，請轉載時務必注明文章作者和"來源：TMT觀察網"，不尊重原創的行為TMT觀察網或將追究責任；
3.作者投稿可能會經TMT觀察網編輯修改或補充。
