《运动识别技术在评估早产儿自发性全身运动中的应用》由会员分享，可在线阅读，更多相关《运动识别技术在评估早产儿自发性全身运动中的应用（10页珍藏版）》请在金锄头文库上搜索。
1、运动识别技术在评估早产儿自发性全身运动中的应用 李洪华 单玲 王冰 贾飞勇 吉林大学第一医院发育行为儿科 摘 要： 早产是导致高危儿神经发育障碍尤其是发展为脑性瘫痪的重要原因, 早期识别可能存在的神经发育损伤对于早期干预、改善早产儿的神经发育结局尤为重要。全身运动 (GMs) 评估是目前临床用于高危儿神经发育结局尤其是运动发育结局预测的重要工具。运动识别技术运用计算机化的方法, 能有效地对相关肢体运动进行持续追踪和客观定量评估;研究者正在广泛探索针对脑瘫高危儿自发性全身运动的不同记录和分析方法。该文对 GMs 评估方法进行总结, 并对通过运动识别技术评估早产儿自发性全身运动的转化研究进行综述。
2、关键词： 脑性瘫痪; 全身运动评估; 运动识别; 早产儿; 作者简介：李洪华, 女, 硕士, 主治医师。收稿日期：2017-09-11Application of movement recognition technology in assessing spontaneous general movements in preterm infantsLI Hong-Hua SHAN Ling WANG Bing JIA Fei-Yong Department of Developmental and Behavioral Pediatrics, First Hospital of Jilin U
3、niversity; Abstract： Preterm birth is a major factor which induces neurological and motor impairments, particularly cerebral palsy, in high-risk infants. Early identification of potential neurodevelopmental impairments provides the opportunity to improve neurodevelopmental outcomes in preterm infant
4、s through early rehabilitation interventions. Clinically, the general movement assessment is a pivotal tool to predict neurodevelopmental outcomes, especially motor developmental outcomes, in high-risk infants. Movement recognition can continuously capture relevant limb movements and perform objecti
5、ve and quantitative assessment using computerized approaches. Various methods of recording and analyzing spontaneous general movements for infants at a risk of cerebral palsy have been extensively explored. This article summarizes the general movement assessment method and reviews the translational
6、research on using movement recognition technology for the assessment of spontaneous general movements of preterm infants.Keyword： Cerebral palsy; General movement assessment; Movement recognition; Preterm infant; Received： 2017-09-11目前全球每年约有 1 500 万早产儿出生, 并且早产儿数量逐年增多1。国内早产儿发生率约 7.1%, 每年约有 180 万早产儿出生
7、2。与足月儿比较, 早产儿尤其是小于 27 周的早产儿遗留严重神经发育障碍的风险明显增高3-4。脑性瘫痪 (cerebral palsy, CP) 是常见的严重神经发育障碍。此外, 早产儿发生精神发育迟滞、发育落后、运动协调障碍等疾病的风险也明显增高5-7。目前对高危儿神经发育结局的预测尚缺乏标准化的临床指南, 主要通过病史、神经影像结果、各种形式的神经发育评估进行综合评判, 但这些方法的预测效度异质性较大8。全身运动 (general movements, GMs) 评估是奥地利发育神经学家 Prechtl 教授建立的一种针对新生儿和小婴儿的新型神经运动评估工具, 能敏感地提示特定脑损伤,
8、并对 CP 等严重神经发育障碍作出早期预测9-10。运动识别是通过计算机化的方法对肢体运动进行捕捉和分析, 从而对运动成分进行持续追踪和定量评估。人们正在研究针对高危儿自发性全身运动的记录和分析方法。基于摄像机视频分析和身体佩戴小型运动传感器等方法较为多见11-12, 这些方法将肢体运动的动态过程记录为连续的时间序列数据, 然后运用各种机器学习手段对运动数据进行分析和分类。本文对 GMs 评估方法进行总结, 并对通过运动识别技术评估早产儿自发性全身运动的转化研究进行综述。1 GMs 质量评估1.1 GMs 概述及分类发育神经学研究表明婴儿早期就学会了如何使身体运动并与外界环境接触, 胎儿、早产
9、或足月新生儿以及生后数月小婴儿的自发性全身运动模式具有重要临床意义。Prechtl 等9于上世纪 90 年代首次提出在人类发育早期存在一种自发的全身运动。GMs 是最常见和最复杂的自发性运动模式, 基于 GMs 的评估能对婴儿后期的神经发育结局尤其是运动结局作很好的预测。正常 GMs 主要包括两大发育历程, 扭动运动阶段和不安运动阶段13。扭动运动主要见于 2 月龄之内, 动作小或者中等幅度, 速度缓慢或中等, 运动轨迹呈现椭圆体, 给人扭动的印象14;不安运动见于 25 月龄, 是一种遍布全身的, 运动加速度可变的各方向小幅度中速运动, 出现的频率可随年龄的增长而改变, 分为连续性不安运动、
10、间歇性不安运动、偶发性不安运动14。当神经系统受损时 GMs 的质量发生改变。扭动运动阶段的异常包括单调性 GMs (poor repertoire GMs, PR) , 痉挛-同步性 GMs (cramped-synchronised GMs, CS) , 混乱性 GMs (chaotic GMs, Ch) ;不安运动阶段的异常包括不安运动缺乏 (absence of fidgety movements, F-) 和异常性不安运动 (abnormal fidgety movements, AF) 。其中 CS 是指全身运动僵硬, 失去流畅性, 所有肢体几乎同时收缩和放松。连续一致的 CS 和
11、 F-可以用来预测痉挛型 CP15-16。1.2 GMs 评估方法、预测效度及缺点对 GMs 进行分析评估时, 评估者需采用视觉 Gestalt 知觉, 对已摄录的 GMs 录像进行回放, 首先区分出正常 GMs 和异常 GMs, 如属异常 GMs, 需进一步分类。GMs 已广泛应用于临床高危儿评估, 能对 CP 等严重神经发育障碍作出可靠预测。Burger 等17对 17 篇有关不安运动阶段 GMs 预测效度的研究进行综述, 显示对矫正年龄 820 周婴儿进行不安运动的评估, 对婴儿神经发育结局的预测敏感度可达 92%, 特异度达 82%。Bosanquet 等18研究显示, GMs 对高危
12、儿 CP 预测敏感度为 98%、特异度为 91%, 而颅脑超声对 CP 预测的敏感度为 74%、特异度92%, 神经学评估的预测敏感度为 88%、特异度为 87%。GMs 质量评估采用视觉 Gestalt 知觉进行运动模式识别, 对运动模式进行定性分析, 评估者需经过严格培训方可获得评估资格19。而且 GMs 结果需要另外一名有经验的评估者核实。因此 GMs 质量评估的临床应用受到一定限制, 亟需一种更加简便的运动识别技术以早期识别可能遗留神经发育障碍的高危儿。近年来, 为了克服视觉 Gestalt 知觉评估的主观性, 针对全身运动的多种运动识别技术正在被探索和研究。2 运动识别技术分类及优缺
13、点2.1 运动识别技术分类运动识别技术主要分为两大类, 间接传感技术和直接传感技术。基于间接传感技术的设备属集成设备, 是与评估环境融为一体的, 如摄像机视频分析法20、基于三维运动的捕捉系统21及微软体感系统22-23。基于直接传感技术的设备是将硬件直接连接到受试者肢体, 如给予研究对象肢体佩戴加速度传感器或电磁追踪传感器等24-25。两种技术均可将动态运动数据捕捉为时间-序列数据, 但根据传感模式的不同, 这些捕捉数据在时间和空间分辨率存在差异。考虑到新生儿身长、脆弱性等问题, 这些技术在新生儿及小婴儿自发性全身运动评估中的应用仍具有较大挑战。此外这些运动识别技术必须足够敏感和可靠, 以探
14、测出自发性全身运动中细微的变化, 从而为临床诊断提供基础。2.2 运动识别技术优缺点运动识别的目的是对运动进行自动检测和分类评估, 以探测异常运动模式。基于间接传感技术和直接传感技术的设备均可对四肢的自发运动进行捕捉。表 1对间接传感技术和直接传感技术的优缺点进行了总结20-25。表 1 不同传感技术的优缺点 下载原表 3 运动识别技术在早产儿运动评估中的应用3.1 基于间接传感技术的运动评估基于间接传感技术的婴儿运动评估设备主要包括三维运动捕捉系统和摄像机视频分析。高端摄像机可以提供非常精准的三维运动追踪以及较高的时间和空间分辨率, 但因其成本高, 目前主要用于研究, 尚未应用于临床。三维运
15、动捕捉系统需在研究对象四肢安放特定标记物。Meinecke 等21通过三维运动捕捉系统对 15 例健康足月儿和 7 例高危早产儿进行了自发运动分析, 对运动轨迹提取了 53 个参数, 通过聚类分析筛选出 8 个特征性参数, 包括双足运动速度的偏态系数、足间运动加速度的交叉相关性、双足相同运动轨迹的频率及相同运动速度的频率等, 基于这些参数建模对健康儿和脑瘫高危儿进行运动模式分类, 随访至 2 岁并与临床诊断的 CP 相比较, 其预测敏感度为 100%, 特异度为 70%。东京大学 Kanemaru 等26也通过类似方法对矫正龄 3644 周的 124 例早产儿行三维运动捕捉, 并提取了四肢平均
16、运动速度、平均运动量及加速度峰值三个特征参数, 随访至 3 岁, 将发育商水平分为正常组、边缘水平组、运动落后组, 结果显示运动落后组的四肢平均运动速度和运动量较正常组明显降低, 而加速度峰值明显增高, 并发现足月后仍表现为痉挛这一特征的早产儿发展为 CP 的风险很高27。三维摄像机比如微软体感摄像机尽管对婴儿全身运动分析具有很大潜力, 但因其追踪系统的计算主要针对 4 岁以上儿童及成人设计, 因此并不适用于小婴儿自发性全身运动评估22。与三维运动捕捉系统相比, 置于三脚架上的普通摄像机及常规的网络摄像头可以对小婴儿的自发运动进行无标记捕捉, 成本低, 系统设置简单, 但因其时间和空间分辨率较低, 限制了对运动成分的细节分析。此外, 与专业运动捕捉系统相比, 无标记捕捉数据不够精确, 这将会导致在分析运动模式的细微差别时出现问题, 如扭动运动阶段 CS 与 PR 这两种运动模式的区别, CS 是运动僵硬的, 四肢和躯干的肌肉几乎同时收
