中科院苏州医工所杨洪波/PSU程寰宇Adv. Sci.：基于柔性运动传感网络的新生儿不安运动自动筛查

不安运动（General Movement, GM）已被广泛用于新生儿大脑发育障碍（例如脑瘫）的早期临床评估，以方便对有风险的新生儿进行超早期的干预、康复。但临床目前多依赖于儿科医生的主观评价，缺乏定量评估的手段，而且需要大量的专业医生和临床人员限制了其进行大规模普筛的可能，尤其是在低医疗水平地区则更难普及。尽管可以使用摄像机进行新生儿动作捕捉和数字化，但隐私性及易用性仍然存在一些问题。探索用于新生儿不安运动评估的可穿戴生理传感网络具有很大的应用价值。

近期，中国科学院苏州医工所杨洪波团队与宾夕法尼亚州立大学程寰宇团队共同提出了一种由柔性无线运动传感器（SWD）组成的稀疏传感网络，通过将5个传感节点无感、舒适、安全地与新生儿皮肤接触（头部，手腕、脚腕），可对20周内的新生儿进行精准的不安运动快速筛查。该系统基于良好的可穿戴生物兼容性和运动信号稳定性，成功用于新生儿临床运动信息采集，整合自主研发的小型易部署机器学习算法，实现了具有脑部发育风险的新生儿快速自动筛查，准确率达到了99%以上。相对于传统临床依赖人工的筛查方法，该项工作为实现新生儿脑部发育疾病的大规模快速筛查提供了新的数字化方法与自动化技术，对于脑部发育风险新生儿的超早期干预与康复具有重要意义。该研究成果以“Intelligence Sparse Sensor Network for Automatic Early Evaluation of General Movements in Infants”为题发表在Advanced Science。

【文章要点】

基于无线IMU传感器的运动稀疏传感网络构建

1.无线可延展IMU传感器（SWD）组网配置

为了更好地保护新生儿脆弱的皮肤，因此需要尽可能少、轻、柔的设备与皮肤直接接触。作者通过“岛桥结构”赋予整体电路可延展能力，同时利用高生物兼容性的弹性体材料对其进行封装最终完成单个传感节点的配置。随后，作者通过“蓝牙一拖五”组网技术实现稀疏传感网络的搭建，以连续、实时获取新生儿头部和肢体的运动信息（3轴加速度与3轴角速度）。通讯测试表明该组网技术可以在10米内完成高数据吞吐量的数据交互，为进一步的实验提供了支撑。

2. SWD的力学特性与生物兼容性测试

实验表明，该传感器在拉伸、弯曲、扭转、折叠过程中依旧可以保障数据的稳定通讯，且无生物毒性，皮肤连续佩戴不会引起过敏等反应，为进一步的临床验证提供了支撑。

3.SWD的电学性能测试

实验表明，与商用惯导相比，该传感器得到的数据更加平滑。且进一步利用该传感器对人体机械声学信号进行采集，可以获取人体微弱体动信息（呼吸、脉搏、心动等）。这些结果表明了传感器采集运动信息的准确性，为进行精准的新生儿不安运动评估夯实了基础。

基于轻量化机器学习模型的新生儿不安运动自动早期筛查

1.实验设置与数据集建立

临床验证得到了吉林大学附属第一医院、苏州市儿童医院、曲沃县中医医院的支持，对搜集到的新生儿运动信息进行初步分析，可以发现有、无风险的新生儿之间存在时域、频域等方面的差异，但是仍然不能通过简单地阈值方法进行完全区分，因此需要部署机器学习算法，然而为了日后更好地进行大规模的筛查活动，需要实现模型轻量化。

2.机器学习模型轻量化

在进行数据增强后，通过对时域、频域和熵的特征值p值计算后进行排序，以方便获得尽可能少但不影响模型准确率的算法模型。

实验结果表明，单一传感节点的特征值无法获得最有的分类效果，而当特征值数量超过30时，则对分类结果的影响可以忽略不计，因此特征矩阵的维度最终确定为30，对不同机器学习算法模型进行对比，发现逻辑回归（LR）模型在进行二分类、三分类时均具有最优的准确率，在二分类时超过了99%。

【结论】

该方法提供了一种自动化的新生儿脑部发育评估工具，随着医疗云数据库的建立，这项工作的设计策略有望成为新生儿脑部发育大规模、快速筛查的有利工具，同时还具备其他疾病应用的潜力（如肺功能和中风平衡评估、远程康复等）。相关工作得到了国家重点研发计划、国家自然科学基金、江苏省重点研发计划的大力支持。

原文链接：

https://onlinelibrary.wiley.com/doi/full/10.1002/advs.202306025