یادگیری عمیق برای ردیابی خودکار بدون نشانگر حرکات عمومی نوزادان
- سال انتشار: 1402
- محل انتشار: پنجمین کنفرانس بین المللی مهندسی برق، کامپیوتر، مکانیک و هوش مصنوعی
- کد COI اختصاصی: EECMAI05_042
- زبان مقاله: فارسی
- تعداد مشاهده: 55
نویسندگان
گروه هوش مصنوعی، دانشکده فنی و مهندسی، واحد کازرون، دانشگاه آزاد اسلامی، کازرون، ایران
استادیار گروه برق، دانشکده فنی و مهندسی، واحد کازرون، دانشگاه آزاد اسلامی، کازرون، ایران
چکیده
حضور حرکات عمومی ناهنجار نوزادان (GMS) یک پیش بین قوی برای اختلالات عصبی پیشرو، از جملهافتراق مغزی (CP) است. اتوماسیون ارزیابی، مانع مشکلات قابلیت اجرا می شود که محدودیت های مقیاس پذیری را که تحویل آن به افراد با خطر مواجهه را محدود می کند، برطرف می کند. در اینجا، یک طرح تخمین پوز بدون نشانگر، براساس فناوری یادگیری عمیق پیشرفته، برای پیگیری حرکات نوزادان در فیلم های ویدئویی دستگاه های همراه مصرف کننده گزارش شده است. دو مدل شبکه عصبی عمیق به نام های Ef ci ent net -b۶ و resnet-۱۵۲ با استفاده از داده های دستی نگارش شده در دوازده موقعیت آناتومیکی (۳ در هر عضو) در ۱۲ ویدئو از ۶ نوزاد به دوره تمام (میانگین سن= ۱۷.۳۳ (SD ۲.۹) هفته، ۴ مرد، ۲ زن) با استفاده از چارچوب DeepLabCut آموزش داده شدند. اعتبار سنجی متقاطع K-f ol d توانایی تعمیم شبکه های عمیق مدل عملکرد (Ef ci ent net -b۶) بر روی تمام نوزادان (محدوده عملکرد : ۸۴.۳۲-۹۹.۲۴% در تمام مواقع آناتومیکی) نشان می دهد. این مقاله به علاوه یک ارستراتژی اتوماتیک و بدون نظارت برای ارزیابی عملکرد در طی ضبط های گسترده خارج از دامنه از طریق ترکیب احتمالات از یک فیلتر Kal nan و شبکه عمیق معرفی می کند. یافته ها نشان می دهند که امکان ایجاد یک پلتفرم پیگری اتوماتیک GM به عنوان یک جایگزین مناسب برای پروتکل های مشاهده فعلی برای تشخیص زودرس اختلالات عصبی در دوران نوزادی امکان پذیر است یا به عنوان حمایت از آنها عمل کند.کلیدواژه ها
ارزیابی حرکات عمومی نوزادان (GMA)، پیگیری حرکت خودکار بدون نشانگر ، یادگیری عمیق، پردازش تصویر ، گرفتن حرکتمقالات مرتبط جدید
- آنالیز تکنیک ها و فرایندهای رایج در کنترل وضعیت سیستم های ماهواره ای
- یادگیری عمیق و تشخیص بلادرنگ موانع در وسایل نقلیه خودران
- Characterization of impact in multiwall boron nitride nanotubes
- Dynamic responses of multiwall carbon nanotubes under partlylength impact loading
- مطالعه آزمایشی بررسی استفاده از نانومایع AI۲O۳ - گلیکول اتیلن/آب به عنوان خنک کننده در رایاتور خودرو
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.