基于帧级手写嵌入的神经退行性疾病检测
机器学习
2025-02-12 v1 计算机视觉与模式识别
摘要
本研究探讨了使用表示手写信号的谱图以评估神经退行性疾病，包括42名健康对照（CTL）、35名帕金森病患者（PD）、21名阿尔茨海默病患者（AD）以及15名帕金森病类拟症状（PDM）。我们应用CNN和CNN-BLSTM模型对基于多通道固定大小和基于帧的谱图进行二分类。我们的结果表明，手写任务和谱图通道组合显著影响分类性能。最高F1分数（89.8%）用于AD对CTL，PD对CTL达到74.5%，PD对PDM得分77.97%。CNN始终优于CNN-BLSTM。测试了不同的滑动窗口长度用于构建基于帧的谱图。1秒窗口对AD效果最佳，较长的窗口可提高PD分类，窗口长度对PD对PDM影响不大。
引用
@article{arxiv.2502.07025,
title = {Detecting Neurodegenerative Diseases using Frame-Level Handwriting Embeddings},
author = {Sarah Laouedj and Yuzhe Wang and Jesus Villalba and Thomas Thebaud and Laureano Moro-Velazquez and Najim Dehak},
journal= {arXiv preprint arXiv:2502.07025},
year = {2025}
}