華盛頓大學(xué)的研究人員開發(fā)了一個由人工智能驅(qū)動的應(yīng)用程序，可以直接在球場上檢測腦震蕩。據(jù)了解，籃球、摔跤、排球、長曲棍球等等，幾乎在任何體育運動中，運動員都會受到腦部損傷。

GPU助力腦震蕩檢測App

僅僅在美國，就有 4500 萬兒童參與體育運動，其中每年有 100 萬至 200 萬人患有腦震蕩。大量有關(guān)橄欖球運動員的研究都發(fā)現(xiàn)，多次腦震蕩與慢性創(chuàng)傷性腦部病變（一種神經(jīng)退化性疾?。┯嘘P(guān)。腦損傷還會導(dǎo)致認知問題，有時甚至是死亡。

華盛頓大學(xué)五年級博士生 Alex Mariakakis 表示：盡管存在這些危害，但一直沒有行之有效的方式可以在醫(yī)院外診斷腦震蕩。

因此，Mariakakis 發(fā)明了一種方法。通過與華盛頓大學(xué)研究人員和臨床醫(yī)生團隊合作，他利用GPU 加速深度學(xué)習(xí)創(chuàng)建了一個應(yīng)用程序，只需一個智能手機攝像頭以及 3D 打印紙箱即可檢測腦震蕩以及其他創(chuàng)傷性腦損傷。

Mariakakis 表示：“初高中球隊很少會在球場邊線安排訓(xùn)練有素的臨床醫(yī)生，通常是志愿者家長或教練進行判斷。測試也比較主觀，很容易誤判?！?/p>

眼見為實

如果出現(xiàn)腦震蕩，大腦很容易在顱骨內(nèi)受到擠壓，這樣會損傷控制眼睛對光線做出反應(yīng)的相關(guān)區(qū)域。這個名為PupilScreen的應(yīng)用程序可以評估瞳孔對光線的反應(yīng)，效果幾乎可以與瞳孔檢測儀（僅在臨床治療中使用的昂貴設(shè)備）一較高下。

PupilScreen 利用智能手機的閃光燈模擬患者的眼睛，并利用視頻攝像頭錄制時長三秒鐘的視頻。為了開發(fā)這個應(yīng)用程序，該團隊訓(xùn)練了一個神經(jīng)網(wǎng)絡(luò)來確定每個視頻幀中有哪些像素屬于瞳孔，并測量這些幀中瞳孔大小的變化。

在對 42 名患有或者未患有創(chuàng)傷性腦損傷的患者進行的初步研究中，該應(yīng)用程序幾乎能像瞳孔檢測儀一樣跟蹤瞳孔大小。當(dāng)他們對六名患者測試其原型時，醫(yī)生僅參考這一應(yīng)用程序的輸出結(jié)果，便能夠做出幾乎完全準確的診斷。

該團隊借助 CUDA 并行計算平臺、NVIDIA GPU 和 cuDNN 以及 Python TensorFlow 深度學(xué)習(xí)框架來加快訓(xùn)練速度。同時，他們還使用 NVIDIA GPU 來部署神經(jīng)網(wǎng)絡(luò)（即所謂的推理過程）。

腦震蕩檢測現(xiàn)有工具缺乏

長期以來，觀察人眼一直都是快速評估腦損傷的方法。負責(zé)檢測腦震蕩的醫(yī)學(xué)專家和其他人通常使用特殊的小手電筒來觀察人眼對光線的反應(yīng)。

研究人員表示：小手電筒測試并沒有標準化，它還需要執(zhí)行測試的人具備某些技能，因此，結(jié)果也會因其個人專業(yè)知識水平而異。

Mariakakis 說，如果一個人處于無意識狀態(tài)，便不能使用其他常用的腦震蕩檢測工具，并且同時必須與賽季開始時進行的基準測試作比較。但并不是所有兒童都進行了基準測試，并且有些人也在質(zhì)疑測試的可靠性。

盡管橄欖球占據(jù)了頭條，但女子足球運動員患腦震蕩的人均概率更高

在球場上使用 PupilScreen

最初的 PupilScreen 設(shè)計需要用戶將智能手機插入到特制的紙箱中，以便研究人員控制手機和運動員面部之間的距離，以及射入眼睛的光量。

這樣會使得瞳孔測量更加精確。但使用紙箱會讓設(shè)備難以使用，在對無意識的人進行測試時尤其困難，因此，團隊舍棄了這種設(shè)計。盡管新設(shè)計的精確度可能會稍低一些，但研究人員說，這與小手電筒相比已經(jīng)取得了巨大進步，因為這種設(shè)計是量化測試，而非主觀測試。

Mariakakis 說：“我們希望減輕家長的負擔(dān)，轉(zhuǎn)用手機來完成這項任務(wù)。”

今年秋季進行的更為廣泛的臨床研究將會把 PupilScreen 交給醫(yī)生和急救醫(yī)務(wù)人員，以便收集更多數(shù)據(jù)，對于了解腦震蕩相關(guān)的瞳孔反應(yīng)的不確定因素更有幫助。研究人員希望在兩年內(nèi)推出商業(yè)版 PupilScreen。