Allgemeine Bewegungen (General Movements) sind spontane Bewegungsmuster bei Säuglingen im Alter von 3 bis 5 Monaten. Eine spezielle Art von allgemeinen Bewegungen, die in der Literatur ausgiebig untersucht wurde, sind Zappelbewegungen (Fidgety Movements), die subtile, multidirektionale Bewegungen mit geringer Amplitude bezeichnen, die in allen Körperteilen (d.h. Hals, Gliedmaßen und Rumpf) beobachtet werden. Anormale, fehlende oder sporadische Fidgety Movements sind mit einem hohen Risiko für spätere neurologische Funktionsstörungen (insbesondere Zerebralparese) verbunden. Andererseits ist das Auftreten normaler Zappelbewegungsmuster mit hoher Wahrscheinlichkeit ein Hinweis auf eine unauffällige neurologische Entwicklung bei Kindern. Aus diesen Gründen ist die Erkennung und die Klassifizierung dieser Art von Bewegungen bei Säuglingen enorm wichtig, damit frühzeitig geeignete Maßnahmen eingeleitet werden können. Dieses Screening wird in der Regel von Klinikern im Rahmen des Prechtl's General Movement Assessment durchgeführt. Letzteres wird jedoch nicht automatisch für alle Säuglinge durchgeführt, da es zeitaufwendig ist und speziell geschultes medizinisches Personal erfordert. Aus diesen Gründen ist die Automatisierung der Erkennung von Fidgety Movements ein Ziel von großem Interesse für die medizinische Gemeinschaft.

In enger Zusammenarbeit mit Prof. Ute Thyen (Leiterin des Zentrums für Neuropädiatrie und Sozialpädiatrie, Universitätsklinikum Schleswig-Holstein in Lübeck) entwickeln wir eine lernbasierte Mustererkennungsplattform, die die Untersuchung von Fidgety Movements mithilfe von Algorithmen automatisieren soll. Als Dateninput verwenden wir Bilder von zwei RGBD (d.h. Farbe und Tiefe) Kameras (Microsoft Kinect Azure und iPhone 12 Pro) und vier Inertial Measurement Units (IMUs) Sensoren (Suunto Movesense IMU), die an den Schultern und Hüften der Säuglinge angebracht sind. Nach der Standardmethodik der Mustererkennung werden die Klassifikationsalgorithmen der Plattform mit Sensordaten trainiert, die von den medizinischen ExpertInnen unseres Konsortiums, die speziell für die Erkennung von Fidgety Movements geschult sind, manuell ausgewertet werden. Die Ergebnisse der automatisierten Erkennung und Klassifikation der Bewegungsmuster werden den behandelnden ÄrztInnen vor Ort mithilfe einer App präsentiert und bei Bedarf telemedizinisch an eine spezialisierte medizinische Einrichtung übermittelt. Ein weiteres wichtiges Ziel für uns ist es, die Verfügbarkeit dieser Untersuchung signifikant zu verbessern, damit sie flächendeckend (auch in ländlichen Regionen) zur Verfügung gestellt werden kann.

Methodisch arbeiten wir in diesem Zusammenhang an drei Mustererkennungsansätzen zur Erkennung von Fidgety Movements. Erstens untersuchen wir den Einsatz von Klassifikationsverfahren, die auf manuell ausgewählten einfachen statistischen Merkmalen basieren. Zweitens entwickeln wir einen hierarchischen Erkennungsalgorithmus, der die Klassifizierung zunächst separat entlang der von den medizinischen ExpertInnen verwendeten Bewertungskriterien (z.B. Komplexität, Variation, Geläufigkeit) durchführt und erst zum Schluss die Ergebnisse zusammenführt. Schließlich implementieren wir ​Deep Learning​-Algorithmen, um automatisch Merkmale zu lernen, die für die Erkennung der Fidgety Movements relevant sind.

Ansprechpartner

Dr.-Ing. Frédéric Li

Drittmittelprojekte

BMBF-Projekt: ScreenFM - Sensorbasierte Beurteilung der neurologischen Entwicklung bei Säuglingen durch Analyse der Fidgety Movements (Förderkennzeichen: 13GW0444E). Laufzeit: 01.05.2021 - 30.04.2024.

Publikationen

M. T. Irshad, M. A. Nisar, P. Gouverneur, M. Rapp, M. Grzegorzek, AI approaches towards Prechtl's assessment of general movements: a systematic literature review, Sensors (MDPI), Vol. 20, No. 18, 2020.

F. Lentzsch, F. Li, F. Pagel, M. Lau, K. Otte, H. M. Röhling, A. Stein, A. Nisar, L. Zieser, S. Glende, N. Kaartinen, S. Mansow-Model, U. Thyen, M. Grzegorzek, Deep feature learning for fidgety movement detection using inertial measurement unit data, Student Conference Proceedings 2023 (Infinite Science Publishing), 2023