Infant’s Motor Development and Postural Control: Correlation between Machine-Learning-Algorithm Based Smart Jumpsuit Measures and Parental Survey Values
| Title: | Infant’s Motor Development and Postural Control: Correlation between Machine-Learning-Algorithm Based Smart Jumpsuit Measures and Parental Survey Values |
| Author(s): | Kontio, Salla |
| Contributor: | University of Helsinki, Faculty of Biological and Environmental Sciences |
| Degree program: | Master 's Programme in Neuroscience |
| Specialisation: | Neuroscience |
| Language: | English |
| Acceptance year: | 2022 |
| Abstract: |
Vauvojen spontaanit ja vapaaehtoiset liikkeet heijastavat tehokkaasti aivoverkostojen kehityksen eheyttä. Mitä tulee motorisen kehityksen tutkimukseen, älykkään teknologian käyttö on osoittanut tarjoavan objektiivisia, automatisoituja ja skaalautuvia menetelmiä motorisen liikehdinnän arviointiin. Teknologian lisäksi kyselyiden – tässä tapauksessa vanhempainkyselyjen – käyttöä koskevassa tutkimuksessa on tarkasteltu vanhempien näkemyksen potentiaalia. Vanhemmilla on ainutlaatuinen ja kokonaisvaltainen kuva lapsen kehityksestä, joten vanhempaintutkimuksista saatuja tietoja voitaisiin käyttää apuna vauvan kehityksen arvioinnissa.
Pro-gradu tutkielmassani tarkastelin, kuinka vanhempien aika-arvio siitä, missä asennoissa heidän lapsensa viettää aikaa, korreloi älypotkupuvulla mitatun koneoppimiseen perustuvan datan kanssa. Älypotkupuvun avulla tehtyjen kotimittausten avulla voimme nähdä kuinka paljon aikaa lapsi viettää kussakin asennossa. Tavoitteena oli tutkia näiden muuttujien välistä suhdetta ja saada lisätietoa vanhemman näkökulman hyödyntämisestä motorisen kehityksen arvioinnissa.
Data kerättiin 19 videotallenteesta ja videot annotoitiin Anvil-ohjelmistolla. Videolta annotoitiin sekä lapsen asennot, että liikkumisen sujuvuus. Annotaatiota käytettiin älypotkupuvun koneoppimiseen perustuvan luokittimen kehittämiseen. Vain asentoja koskeva data poimittiin lisäanalyysiä varten. Mittauksen ohella teimme vanhempainkyselyn, jossa pyysimme vanhempaa arvioimaan, kuinka paljon aikaa valveillaoloajastaan lapsi viettää tietyssä asennossa. Asennot, joihin kyselyssä keskityttiin, olivat makuuasento, selällään olo, kylkiasento, istumisasunto, ryömimisasento ja seisomisasento.
Älypuku-mittauksista saatu data sekä vanhempaintutkimuksesta saadut tiedot visualisoitiin tutkakuvioilla (radar chart). Muuttujien välinen korrelaatio visualisoitiin lineaarisella regressiolla. Asennot, joilla oli väh. 0.5 korrelaatio ja merkittävä p-arvo, olivat istumisasento (p < .001**), ryömintäasento (p < .05*), seisoma-asento (p < .001**) ja selällään olo (p < .05*).
Tulokset viittaavat siihen, että vanhemmat arvioivat onnistuneesti seuraavissa asennoissa vietetyn ajan: istuminen, ryömiminen, seisomisasento ja selällään olo. Tämä viittaa siihen, että vanhemmilla on kokonaisvaltainen käsitys lapsensa motorisesta kehityksestä – tästä tiedosta voi olla hyötyä lapsen kehityksen kokonaisarvioinnissa lääkärinarvioinnin rinnalla, varsinkin mikäli lapsen kehitys on hidastunutta. Vanhemman täsmällinen kyky arvioida lapsen motorista kehitystä auttaa vanhempaa tukemaan lapsen kehitystä.
Spontaneous and voluntary movements of infants effectively reflect the developmental integrity of brain networks. When it comes to the research of motor development, the use of intelligent technology has shown to provide objective, automated, and scalable methods for movement assessment. In addition to intelligent technology, research on the usage of surveys – in this case parental surveys – has looked at the untapped potential that parental viewpoint. Guardians have a unique and holistic image of the child’s development, thus data from parental surveys could be used to further help us to assess infant’s development.
For this study, I studied how the parents’ time estimate on the positions their child spends time in holds up against the machine-learning based data obtained with the smart jumpsuit. Using the data acquired from the smart jumpsuit during the recordings, we can see the amount of time the child spends in each position. Aim was to study the relationship between these variables and gain further understanding on the utilization of parental perspective in the assessment of motor development.
Data was collected from 19 video recordings and videos were annotated with Anvil video annotation software for child’s posture and movements, and the annotations were used for training a machine learning-based classifier of the smart jumpsuit. Only data regarding postures was extracted for further analysis. Parental surveys were carried alongside of recordings. In the survey of parental estimate, we asked the parent to assess how much time the child spends in a specific posture. Positions which the survey focused on were prone, supine, side, sitting, crawling, and standing.
Data from the recordings as well as data from parental surveys were visualized with radar plots. In addition, correlation was visualized in a linear regression. Positions which had both correlation of higher than 0.5 and a significant p-value were sitting (p < .001**), crawl posture (p < .05*), standing (p < .001**), and supine (p < .05*).
Results suggested that parents were successfully assess the time spent in following postures: sitting, crawling, standing, and supine. This indicates that parents have a holistic understanding of their child’s motor development, and the knowledge could be useful in the overall assessment of development, especially when it comes to children with developmental delay. The parent’s ability to accurately assess a child’s motor development helps the parent support the child’s development.
|
| Keyword(s): | Neurotiede älypotkupuku motorinen kehitys vanhempien kysely |
Files in this item
| Files | Size | Format | View |
|---|---|---|---|
| Kontio_Salla_tutkielma_2022.pdf | 1.483Mb |