基于深度学习模型的病态步态分类可靠性基准测试
机器学习
2024-09-23 v1
摘要
早期检测神经退行性疾病是一个重要的开放性问题，因为早期诊断和治疗可能带来更好的预后。近年来，研究人员一直在利用机器学习算法的进展来检测病态步态的症状，这些症状可能对应于神经退行性病因的出现。然而，尽管近期文献中多次声称实现了积极且准确的检测，但使用多种传感器和算法，解决方案距离实际应用还很远。本文分析了现有方法，以识别阻碍转化的空白。通过在三个Kinect模拟数据集和一个真实帕金森病患者数据集上的实验，我们指出了这些方法中可能的错误来源和泛化失败。基于这些观察，我们提出了一个强基准——异步多流图卷积网络（Asynchronous Multi-Stream Graph Convolutional Network, AMS-GCN），可可靠地在数据集之间区分多种病态步态。
引用
@article{arxiv.2409.13643,
title = {Benchmarking Reliability of Deep Learning Models for Pathological Gait Classification},
author = {Abhishek Jaiswal and Nisheeth Srivastava},
journal= {arXiv preprint arXiv:2409.13643},
year = {2024}
}
备注
23 pages, Accepted in Machine Learning for Healthcare(MLHC) 2024, JMLR Volume 252