综述：在新生儿重症监护病房中使用床边摄像头进行深度学习辅助的全身运动评估

《Acta Paediatrica》：Utilising Cot-Side Cameras in Neonatal Intensive Care Unit for Deep Learning–Assisted General Movement Assessment

　　新生儿监护单元应用床边摄像机结合深度学习技术辅助婴儿运动评估，研究分类运动获取方法为接触式、非接触式及混合式，其中非接触式RGB摄像机更适合自动评估，深度学习可提升视频数据的运动分析能力，为早期神经发育筛查提供非侵入式解决方案。

　　

摘要

目的

新生儿病房越来越多地使用床边摄像头来帮助父母与婴儿建立联系。结合深度学习技术，通过床边摄像头获取的视频可以帮助临床医生对婴儿的自主运动能力进行无缝评估。

方法

使用PubMed、Embase和SCOPUS数据库，通过以下关键词进行了文献检索：床边摄像头、深度学习、人工智能、自主运动评估和婴儿自主运动能力。

结果

获取和分类人体运动的数据方法可分为接触式、非接触式和混合式三种类型。接触式方法通常涉及将可穿戴传感器放置在人体上以监测姿势；混合式方法则结合了可穿戴传感器或标记物与非接触式传感器。非接触式方法主要包括基于雷达和视觉的技术，这些技术是最常见且易于使用的运动捕捉方式，通常使用标准或专用摄像头来记录视频数据。新生儿病房中使用的床边摄像头主要是标准的三色（RGB）设备，是实现自动化自主运动评估的首选工具。深度学习的进步可以通过基于外观和姿势的分析方法提升视频数据的运动评估效果，从而支持计算机辅助的自主运动评估。

结论

深度学习的进步能够提升对RGB视频数据的运动评估能力，提供一种可扩展且无创的计算机辅助自主运动评估解决方案，有望改变早期神经发育筛查的方式。

利益冲突

作者声明没有利益冲突。