嬰幼兒視力篩查不再難 中山大學中山眼科中心全球首創嬰幼兒視功能人工智能評估技術

長期以來，全世界嬰幼兒視功能評估都難以做到客觀準確，全球2000萬以上的視覺損傷嬰幼兒不能被及時發現而終生致盲，造成了沉重的社會負擔。

中山大學中山眼科中心劉奕志教授和林浩添教授發現正常和視覺損傷嬰幼兒的行為模式差異，通過深度學習技術鑒別視覺損傷嬰幼兒的動態行為模式，通俗的說，實現了基于行為模式的嬰幼兒智能視功能評估，用于客觀篩查嬰幼兒的視功能，及時發現語言前嬰幼兒的視覺損傷。最新的研究成果“Discrimination of the behavioural dynamics of visually impaired infants via deep learning”于2019年10月21日發表于《自然》雜志的子刊《自然生物醫學工程》（Nature Biomedical Engineering）。

Nature Biomedical Engineering在線發表的文章首頁

語言前嬰幼兒視功能評估是世界難題

先天性白內障、先天性小角膜、晶體脫位等先天性眼病是威脅嬰幼兒視功能發育的主要疾病，而由于缺乏客觀評估嬰幼兒視功能的手段，很多嬰幼兒錯失最佳治療時機，全球數以千萬計的視覺損傷嬰幼兒因此終生致盲。

醫生給嬰幼兒評估視功能，通常是通過一塊評估板來完成的，評估板一邊帶有鏤空的條紋，一邊沒有條紋，醫生通過板上的針孔觀察被評估者，一般視功能正常的嬰幼兒會不自覺的將視線偏向有條紋的一邊。但這種傳統的評估方式相對粗糙，并且容易產生一定的主觀性，干擾到視覺評估的準確性。

常規小兒視功能評估檢查

另外，嬰幼兒在發育成熟前缺乏溝通能力，在視功能評估時醫生往往得不到很好地配合。因此長期以來，嬰幼兒的視功能評估都是困擾全世界眼科醫生的一大難題。

中山大學中山眼科中心建立人工智能評估系統

為了進一步增加嬰幼兒視覺評估的準確性，中山眼科中心小兒白內障之家在評估嬰幼兒時，使用高清攝像頭對評估者的眼球、眼位進行動態行為錄制。并對4196例嬰幼兒的行為學表型視頻大數據進行分析，定量對比不同視功能群體4大類、13個行為特征的發生頻率及嚴重程度，首次明確了斜視、眼球震顫、雙眼運動不協調、揉眼、壓眼、戳眼、補償性光凝、空視、無目標視物、頻繁眨眼、瞇眼、皺眉11個標志性的醫學行為體征，與嬰幼兒視覺損傷的量化關系。

中山大學中山眼科中心小兒視功能檢查評估室

該研究創新性采用時序分割網絡來自主學習、建立行為學表型在視頻水平的特征模型。算法采用基于分段結構的稀疏采樣方案，從原始視頻序列中提取短片段，再從采樣片段的聚集信息中，完成視頻水平的預測和推斷。輔助的光流網絡將通過一致性分段函數，進行整合，達到不同片段得分融合的效果，以產生最終的分類概率。

視覺損傷和行為模式量化關系的研究流程

據介紹，該研究為建立高準確性和特異性的嬰幼兒智能視功能評估系統提供可能。研究結果表明，通過行為模式的視頻記錄來評估嬰幼兒的視覺功能，智能評估系統在檢測輕度和重度視覺損傷以及病因診斷方面都有令人滿意的表現。

人工智能篩查模型用于明確嬰幼兒視覺缺陷病因具有優異的敏感性與特異性

林浩添教授表示，目前利用嬰幼兒視頻片段分類診斷嬰幼兒視功能損害程度的準確率超過了80%，通過對嬰幼兒行為模式的分析，可以有效區分先天性白內障、小眼球、小角膜、晶體脫位、無晶體眼等多種病眼以及健康眼睛。

嬰幼兒視功能智能篩查移動端或將上線

據了解，此項研究的最終目的是建立移動的嬰幼兒視功能評估體系，通過研發手機客戶端，讓嬰幼兒視功能篩查能夠普及，盡早的掌握孩子的視功能狀況，也有利于下一步的治療。

林浩添教授表示，嬰幼兒視功能評估手機客戶端將于半年內研發上線，家長可以用手機錄制一段短視頻，通過系統分析得到孩子視功能是否健康的信息。如果能夠早期發現一些視功能損損傷并及時采取治療措施，患者往往能取得更好的預后，同時治療的價格也相對較低。所以早期的視功能篩查是很重要的。

與傳統的檢測方法相比，嬰幼兒視功能評估系統不需要專業的醫生也可以進行，同時又解決了嬰幼兒不配合檢查的問題，可行性和準確性都有很大的提升。

此外，該系統可作為視覺發育臨床研究的技術支持，對于進一步探究和明確嬰幼兒的視覺發育規律具有重要意義。

家庭醫生在線（www.zpeb.net）原創內容，未經授權不得轉載，違者必究，內容合作請聯系：020-37617238