中山大学中山眼科中心全球首创的婴幼儿视功能人工智能评估技术

该文发表于《自然·生物医学工程》

图片由记者郭静摄。

记者 郭静 通讯员 邰梦云

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，并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《自然》杂志的子刊《自然生物医学工程》（Nature Biomedical Engineering）。

图1. Nature Biomedical Engineering在线发表的文章首页。

首次明确视觉损伤和行为模式的量化关系

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2. 视觉损伤和行为模式量化关系的研究流程

创新应用时序分割网络为核心的医学人工智能算法框架

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3. 采用时序分割网络自我学习表型特征

建立婴幼儿智能视功能评估系统

据介绍，该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4. 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

研究背景：

中山大学中山眼科中心一直致力于医疗技术的研发与创新，引领眼科服务水平的发展。2018年5月成立首个全国医学人工智能新型临床专科，定位人工智能诊疗平台研发、临床试验、应用服务推广三大任务。专科具有坚实的工作基础及人才团队，在刘奕志教授和林浩添教授的带领下，已完成眼科大数据资源池建设（Science 2015），研发白内障新疗法成功应用于临床（Nature 2016），创建全球首个人工智能白内障诊疗云平台（Nat. Biomed. Eng. 2017，封面论文）和青少年近视个体智能化预测系统（PLOS Medicine 2018），开启全球首个眼科人工智能机器人门诊，并联合多家眼科单位完成全球首项人工智能多中心临床对照试验研究（EClinicalMedicine 2019，封面论文）。专科在国家重点研发计划，粤港澳大湾区医疗技术发展重点项目及广东省重点领域研发计划等重大科研项目支持下，在人工智能医疗领域达国际先进水平。