Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

As ajudas por computador da aproximação diagnosticam as desordens neurológicas baseadas no prejuízo do motor

A maneira que nós nos movemos diz muito sobre o estado de nosso cérebro. Quando o comportamento normal do motor apontar a uma função saudável do cérebro, os desvios podem indicar prejuízos devido às doenças neurológicas. A observação e a avaliação de testes padrões do movimento são conseqüentemente parte da investigação básica e são do mesmo modo um dos instrumentos os mais importantes para diagnósticos não invasores em aplicações clínicas.

Sob a liderança do prof. Dr. Björn Ommer do cientista de computador e em colaboração com pesquisadores de Suíça, uma aproximação por computador nova neste contexto foi desenvolvida na universidade de Heidelberg. Como estudos inter alia com as pessoas humanas do teste mostraram, esta aproximação permite o reconhecimento totalmente automático de prejuízos do motor e, com sua análise, fornece a informação sobre o tipo das doenças subjacentes o auxílio da inteligência artificial.

Para a análise informatizada do movimento, os assuntos geralmente têm que ser etiquetados com as marcações reflexivas ou os marcadores virtuais têm que ser aplicados ao material video produzido no âmbito da avaliação. Ambos os procedimentos são comparativamente complicados. Além disso, o comportamento notável do movimento tem que ser sabido adiantado de modo que possa mais ser examinado.

“Uma ferramenta diagnóstica real não deve somente confirmar desordens de motor mas para poder reconhecê-las no primeiro lugar e classificá-las correctamente,” explica o prof. Ommer, que dirige o grupo da visão de computador no centro interdisciplinar para a computação científica na universidade de Heidelberg.

Isso é tornado precisamente possível pelo método diagnóstico novo desenvolvido por sua equipe, e conhecido como “a análise e a ampliação unsupervised do comportamento usando profundamente a aprendizagem” (uBAM). O algoritmo subjacente é baseado na aprendizagem de máquina que usando redes neurais artificiais e a reconhece independente e inteiramente automaticamente comportamento característico e desvios patológicos, como o cientista de Heidelberg explica.

O algoritmo determina que parte do corpo é afetada e funciona como um tipo da lupa para testes padrões comportáveis destacando tipos diferentes de desvio directamente no vídeo e fazendo os visíveis. Como parte disto, o material video relevante é comparado com outros assuntos saudáveis ou do mesmo modo danificados. O progresso em tratar desordens de motor pode igualmente ser documentado e analisado desta maneira. De acordo com o prof. Ommer, as conclusões podem igualmente ser tiradas sobre a actividade neuronal no cérebro.

A base para a relação do uBAM é uma rede neural circunvolucional assim chamada, um tipo de rede neural que é usada para o reconhecimento da imagem e as finalidades do processamento de imagem especialmente. Os cientistas treinaram a rede para identificar o comportamento similar do movimento no caso dos assuntos diferentes, mesmo apesar das grandes diferenças em sua aparência externa.

Isso é possível porque a inteligência artificial pode distinguir entre a postura e a aparência. Além do reconhecimento e da quantificação dos prejuízos, uma análise detalhada dos sintomas é igualmente importante.

Para estudá-los em detalhe, nós usamos uma rede neural generative. Essa maneira nós podemos ajudar neurocientistas e clínicos a centrar-se sobre os desvios subtis no comportamento do motor que são prováveis ser negligenciados com o olho nu, e a fazê-los facilmente visíveis ampliando o desvio. Então nós podemos exactamente delimitar o tipo de doença no caso individual.”

Dr. Björn Ommer, cientista de computador e professor, universidade de Heidelberg

A equipa de investigação já tem podido provar a eficácia desta aproximação nova com o auxílio de modelos animais diferentes e estuda com pacientes humanos. Testaram, inter alia, a precisão com que o uBAM pode se diferenciar entre a actividade de motor saudável e danificada. Em sua publicação no assunto, os cientistas relatam uma taxa muito alta da recuperação nos ratos e em pacientes humanos.

“Em tudo, nosso estudo mostra que, em relação aos métodos convencionais, a aproximação baseada na inteligência artificial entrega uns resultados mais detalhados com significativamente menos esforço,” Björn Ommer sublinha.

No que diz respeito à aplicação, os cientistas esperam que o uBAM estará usado na pesquisa biomedicável básica e em diagnósticos clínicos e além. Prof. Ommer: “A relação pode ser aplicada onde os métodos tradicionais provam demasiado complicado, fastidioso, ou nao eficiente bastante. Potencial poderia conduzir a uma compreensão melhor de processos neuronal no cérebro e da revelação de opções terapêuticas novas.”

Source:
Journal reference:

Brattoli, B., et al. (2021) Unsupervised behaviour analysis and magnification (uBAM) using deep learning. Nature Machine Intelligence. doi.org/10.1038/s42256-021-00326-x.