
戳上方蓝字关注医疗人工智能前沿进展!


公众号回复【加群】进入医疗AI交流群
来源:中山大学中山眼科中心
【DeepCare前线】由于难以客观评估婴幼儿视功能,全球2000万以上的视觉损伤婴幼儿不能被及时发现而终生致盲,造成了沉重的社会负担。中山大学中山眼科中心刘奕志教授和林浩添教授发现正常和视觉损伤婴幼儿的行为模式差异,并利用深度学习技术,在全球首次建立了基于行为模式的婴幼儿智能视功能评估系统,用于客观筛查婴幼儿的视功能,及时发现语言前婴幼儿的视觉损伤。最新研究成果“Discrimination of the behavioural dynamics of visually impaired infants via deep learning”于2019年10月21日发表于 Nature 杂志的子刊 Nature Biomedical Engineering。知觉和行为的精确协作是生物生存和进化的基础。视觉是人类最重要的知觉,既往研究表明,视觉和行为表型之间存在一定的对应关系。然而,视力丧失如何影响个体行为模式变化,在很大程度上仍然是未知的。本研究通过分析4196例婴幼儿的行为学表型视频大数据,定量对比不同视功能群体4大类、13个行为特征的发生频率及严重程度,首次明确了斜视、眼球震颤、代偿头位等11个标志性的医学行为体征,与婴幼儿视觉损伤的量化关系。

图1:视觉损伤和行为模式量化关系的研究流程
本研究创新性采用时序分割网络(Temporal Segment Network)来自主学习、建立行为学表型在视频水平的特征模型。该算法结合稀疏采样的策略和视频水平的监督,以实现对动态视频数据集的高效拟合。简单来说,该算法采用基于分段结构的稀疏采样方案,从原始视频序列中提取短片段,再从采样片段的聚集信息中,完成视频水平的预测和推断。辅助的光流网络将通过一致性分段函数,进行整合,达到不同片段得分融合的效果,以产生最终的分类概率。

图2:采用时序分割网络自我学习表型特征
本研究为建立高准确性和特异性的婴幼儿智能视功能评估系统提供可能。研究结果表明,通过行为模式的视频记录来评估婴幼儿的视觉功能,智能评估系统在检测轻度和重度视觉损伤以及病因诊断方面都有令人满意的表现。与传统的检测方法相比,该系统对技术支持和婴儿合作的需求较少,可行性和准确性都更高。此外,该系统可作为视觉发育临床研究的技术支持,对于进一步探究和明确婴幼儿的视觉发育规律具有重要意义。

图3:人工智能筛查模型用于明确婴幼儿视觉缺陷病因具有优异的敏感性与特异性论文链接:
https://www.nature.com/articles/s41551-019-0461-9

点击“阅读原文”阅读英文原文

Nature子刊 | 结合人工智能的高性能医学:现状、挑战与未来Lancet Oncol (IF=35) | 中山大学徐瑞华教授团队成功研发上消化道肿瘤内镜AI辅助诊断系统Lancet Digital Health | 复旦大学葛均波院士等发表研究论文称微信可指导患者康复放疗AI | 上海交大发表国内医疗领域首篇Nature Machine Intelligence 论文,拓展人工智能在肿瘤放疗中的应用Nature子刊 | 里程碑!AI新药研发头部公司创纪录, "图片造假术"正加速救命药问世EHJ(IF=23.2)| 牛津大学人工智能显身手:或可提前至少5年预测心脏病发作风险NEJM(IF=71)移动医疗综述 | 个人移动智能设备在医疗保健中的应用与挑战JAMA Network Open | 新 AI 系统诊断乳腺癌准确率比医生高Nature Medicine | 谷歌又来了!增强现实(AR)显微镜助力病理AI实时检测癌症Nature子刊 | 无需人工标注!数字病理AI首次完成临床级验证,可减少医生75%的阅片量2019年必读顶刊医疗AI论文(上)【行业观察】破解数据孤岛,医疗AI行业需要联邦学习(Federated Learning)Chem. Rev. (IF=54.3) | 首次!我国学者在化学顶刊发表人工智能+药物发现综述
NAT METHODS(IF=28)| 深度学习在细胞图像分析中的应用,IVD行业洗牌利器!
Lancet Oncol | 区块链保障抗癌药物回收利用获FDA批准进入试点项目
Nature子刊 | 重磅!数字病理+人工智能重大突破!可指导免疫治疗
最新影响因子发布,医学综合类TOP25及各分科排行榜
解析|深度学习与医学图像分析
Lancet Oncol (IF=36) 最新同期两篇综述深度探讨医疗AI
必读!10个医疗人工智能的争议性观点
影像组学的发展与应用
Nature子刊 | 谷歌出手,肺癌筛查准确率超越医学专家
肾病顶刊(AJKD)首篇AI研究 | IgA肾病预后预测和风险分层
IMIA:未来20年,人工智能将在医疗领域爆发巨大潜能
完整视频来了,全国首例AI+5G远程微创介入“一对多”指导手术
Nature子刊 | 区块链上的临床试验
内科顶刊 | 医学中的深度学习:前景,进展和挑战
Nature书评 | 深度医疗:AI算法如何给医疗带来人性
Trends in Cancer(IF=8.9) | 机器崛起:深度学习在癌症诊断中的进展
癌症:万疾之王,长达6小时纪录片,值得精心细看
NEJM(IF=79) | 谷歌Jeff Dean等发表医疗机器学习综述,附论文和采访音频
GAN新书 | GANs in Action
顶刊Radiology | 全球首次实现人工智能自动勾画鼻咽癌GTV,附视频演示和文章代码
SCI TRANSL MED(IF=16.71) | 基因测序+AI快速诊断危重患儿
Nature子刊 | 药物设计+AI发现嗅觉受体新型药物分子
柳叶刀子刊封面 | 重磅!中山眼科中心发表全球首个AI多中心临床验证研究成果
深度总结:CRISPR/Cas基因编辑技术的发展历史、最新进展、临床应用及市场分析
精读 | 神刊CA (IF>244):AI在癌症影像中的应用与挑战
中美医疗水平差距有多大?中国医生的答案让人震惊!
《自然》子刊:一半癌症里都有它,今天我们终于有了新的抗癌策略
几乎99%的医学影像AI论文未在临床进行严格论证
三阴性乳腺癌,带走想“改造”癌细胞的女博士,它到底有多难治?
基于知识图谱的智能医疗诊断系统,附代码
人工智能AI在医学检验中的应用与挑战
Nature Medicine | AI评估和准确诊断常见儿童疾病
医疗+AI,你不可不知的5大趋势
Nature子刊:人工智能更准确预测卵巢癌患者的预后
Nature医学:AI可通过阅读电子病历判断患者是否有滥用酒精的情况
Science子刊:为机器人复制脑代码,无限接近人类决策
关注 | 李飞飞回归学术后最新大动作
柳叶刀 | 深度学习自动检测8类关键脑CT异常
呼吸学顶刊 | 人工智能新方法实现术前无创预测肺癌EGFR基因突变
全球首次!临床前瞻性随机对照试验显示AI可大幅提高结直肠癌检出率
李飞飞团队新作 | 基于深度学习视频分析探测ICU中患者的移动活动
AAAI 2019 | 基于电子病历和药物相互反应数据的AI推荐系统能更好支持联合用药决策
投稿、合作、交流群及硕博相亲平台事宜
请联系微信ID:NuphoX 或邮箱:deepcare@qq.com