遲緩兒對大部分人來說可能是不治之症，終其一生都不能適應社會生活，但是如果能在0~3歲趁早發現，及時治療，治癒率可以高出十倍以上。許多成功案例也都表明，發育遲緩是可能恢復到正常人的水準，本文描述協助醫學中心對於遲緩兒早期偵測的專案結果。
一般來說，判斷遲緩兒的標準會以兩到三位物理治療師觀察後，並輔以GM測量表(General movement assessment)，計算量性分數及是否達到定性標準，藉此判斷是否有發育遲緩的可能。若是判斷可由AI協助，則好處是當偵測為健康嬰兒時可節省醫師人力，專注在個案的治療上，而當偵測為遲緩兒時可及早趁黃金治療期介入。
專家的想法是藉由影片觀察嬰兒的動作姿勢，獲取肢體的連續信號，這些信號會呈現週期性的高低起伏，若是信號在遲緩兒與普通嬰兒身上表現是有差異的，則這次pilot study的方向便有繼續研究的價值。
我們選用多人姿態辨識的模型，可處理因為場景中出現超過一個人以上例如父母闖入鏡頭的情況，並且運算極快。另外，採用YOLO v3做為辨識器濾去無法辨識嬰兒的場景，且因為以上兩模型的準確度高並即時運算可減少大量的作業時間，約減輕手工標記的84.57%作業量，這次共標記了300萬幀影像，其中手動標記46萬幀。
視覺化
我們選用MPII格式做預測，使用共十六個點，取得許多的特徵，其中可從關節角度的波形看出兩者的不同。確診者的波形變化較為突兀，健康者的波形較為平滑。
使用UMAP對角度做視覺化後，可見遲緩兒的動作主體與健康嬰兒的右下角部分重疊，顯示或許左上角的姿勢是遲緩兒無法做到的。
結語
本次專案與醫學中心合作，明白到AI的應用可以很深刻的接近人群，不只是販售商品或推薦服務，另外也接觸許多不同類型的Pose Estimation表達方式，例如單人或多人、2D或3D、曲面或關鍵點、影片或圖像。該研究仍在進行，對於如何分辨運動行為的特徵、視覺化方法及分類模型都有很高的研究價值。
