「Nature」網(wǎng)站日前發(fā)表了一項開創(chuàng)性的研究，該研究透過深度學(xué)習(xí)技術(shù)，來提升兒童行為聽力測驗的可行性與精確度。

研究人員構(gòu)建了一個專用設(shè)計的兒童姿勢檢測數(shù)據(jù)集，該數(shù)據(jù)集收錄了大量來自兒童行為聽力測試的珍貴影像資料，細(xì)膩地記錄了各式典型的聽力測試動作。

基于此數(shù)據(jù)基礎(chǔ)，研究人員進(jìn)一步開發(fā)了一個智能檢測平臺，此平臺的核心技術(shù)在于一個同步開發(fā)的患者骨骼關(guān)鍵點估計模型 （POTR），該模型同樣基于優(yōu)化Transformer架構(gòu)，專職于精準(zhǔn)估算人體骨骼的關(guān)鍵節(jié)點。 透過POTR的精確骨骼點定位能力，DoT平臺得以對兒童在行為聽力測試過程中的影片進(jìn)行細(xì)致的姿勢辨識，進(jìn)而實現(xiàn)聽力測試流程的自動化分析。

這項技術(shù)使醫(yī)護(hù)人員能夠?qū)崟r監(jiān)測和分析兒童在測試中的動作，客觀地評估其聽力水平。 更重要的是，研究團(tuán)隊通過將特定的動作與聽力學(xué)的專業(yè)知識相結(jié)合，制定了一套基于動作的決策規(guī)則，借此根據(jù)兒童的動態(tài)表現(xiàn)來輔助判斷其聽力狀況。

實驗結(jié)果顯示，在2.5至4歲的兒童群體中，傳統(tǒng)人工行為聽力測驗的敏感性 （0.900） 相較于人工智能行為聽力測驗 （0.929） 略遜一籌，但在特異性 （0.824） 和曲線下面積 （AUC） （0.901） 方面則表現(xiàn)更優(yōu)。 而在4至6歲的兒童群體中，人工行為聽力測驗的敏感性 （0.943）、特異性 （0.947） 和 AUC （0.924） 均優(yōu)于人工智能行為聽力測驗。

研究團(tuán)隊的下一步計劃將聚焦于探索人工智能行為聽力測驗在更年幼（2.5歲以下）的嬰幼兒中的準(zhǔn)確性，以期進(jìn)一步拓展這項科技在兒童聽力健康領(lǐng)域的應(yīng)用價值。