Une décennie de progrès dans l'évaluation des mouvements du nourrisson par vidéo : une enquête exhaustive des méthodes, applications et ensembles de donnéesA Decade of Progress in Video-Based Infant Movement Assessment: A Comprehensive Survey of Methods, Applications, and Datasets
- L'analyse vidéo des mouvements du nourrisson a évolué d'une évaluation clinique subjective vers des systèmes automatisés quantitatifs.
- Les méthodes d'estimation de pose ont été adaptées avec succès aux caractéristiques des nourrissons.
- Les défis majeurs incluent le manque de données diversifiées, l'absence de standardisation et la nécessité de validation clinique robuste.
Revue exhaustive couvrant les méthodes et défis de l'analyse vidéo du mouvement infantile, pertinente pour les cliniciens en neurodéveloppement et en pédiatrie, avec des implications directes pour le dépistage précoce.
La rareté des ensembles de données larges et diversifiés limite la généralisation des modèles. Le manque de standardisation entre les plateformes entrave la comparabilité des études. Les études de validation clinique robustes font encore défaut. Les préoccupations éthiques concernant la vie privée et le consentement persistent.
Cet article présente une revue systématique des avancées technologiques dans l'analyse vidéo des mouvements du nourrisson pour la détection précoce des troubles neurodéveloppementaux, de 2014 à 2024. Il couvre les méthodes d'estimation de pose adaptées aux nourrissons, les approches d'analyse vidéo directe et les méthodologies de collecte de données. L'accent est mis sur les périodes clés du développement (mouvements de reptation, agités et volontaires) et les défis persistants tels que la rareté des ensembles de données, le manque de standardisation et les préoccupations éthiques.
L'analyse vidéo des mouvements du nourrisson a évolué d'une évaluation clinique subjective vers des systèmes automatisés quantitatifs. Les méthodes d'estimation de pose ont été adaptées avec succès aux caractéristiques des nourrissons. Les défis majeurs incluent le manque de données diversifiées, l'absence de standardisation et la nécessité de validation clinique robuste. L'intelligence artificielle explicable est cruciale pour favoriser la confiance clinique et l'adoption. La revue compare les ensembles de données et systèmes de surveillance, soulignant leurs forces et limites.
L'automatisation de l'évaluation motrice pourrait permettre un dépistage précoce et à grande échelle des troubles neurodéveloppementaux. Les cliniciens doivent intégrer ces outils avec prudence, en tenant compte des contraintes pratiques et éthiques. La validation clinique rigoureuse est essentielle avant l'adoption en pratique courante. L'explicabilité des modèles d'IA améliorera l'acceptation par les professionnels de santé.
Revue