利用时频与自回归隐马尔可夫模型方法基于可穿戴惯性传感器数据评估小脑疾病

我们使用自回归隐马尔可夫模型和时频方法，从运动期间收集的可穿戴惯性传感器数据中创建小脑性共济失调行为特征的有意义定量描述。可穿戴传感器数据相对易于收集，并提供可直接用于开发有用行为生物标志物的运动测量。神经退行性疾病灵敏且特异的行为生物标志物对于支持早期检测、药物研发工作和靶向治疗至关重要。我们基于参与者执行临床评估任务时从可穿戴传感器收集的加速度计和陀螺仪数据，创建了一组灵活且具描述性的特征，并据此估计疾病状态与严重程度。短时段数据收集（ $<$ 5 分钟）即可提供足够信息，以极高准确率有效区分共济失调患者与健康对照、区分共济失调与其他神经退行性疾病（如帕金森病），并给出疾病严重程度估计。