医院儿童眼病中心。院方提供

　　中山大学中山眼科中心22日称，该中心医生团队发现正常和视觉损伤婴幼儿存在行为模式差异，并利用深度学习技术，建立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。

　　上述研究成果于2019年10月21日发表于《自然》杂志的子刊《自然生物医学工程》。

　　中山大学中山眼科中心人工智能学科带头人林浩添介绍，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因不能被及时发现而终生致盲。

　　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、频繁眨眼等标志性的医学行为体征，与婴幼儿视觉损伤的量化关系。

　　该算法从上述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。

　　林浩添称，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一定意义。