使用深度多示例学习对自然环境中采集的 IMU 数据进行帕金森震颤检测
信号处理
2020-05-11 v1 机器学习
摘要
帕金森病是一种缓慢演变的神经系统疾病，影响约 1% 的 60 岁以上人群，其症状起初十分轻微，但随着病情发展强度逐渐增加。这些症状的自动检测可为疾病的早期发作提供线索，从而通过有针对性的干预措施改善患者的预期临床结果。这种潜力促使许多研究人员开发利用广泛可用的传感器来测量和量化震颤、僵硬和运动迟缓等帕金森病症状的方法。然而，这些方法大多在受控环境（如实验室或家中）下运行，从而限制了它们在自由生活条件下的适用性。在本研究中，我们提出了一种基于智能手机采集的 IMU 信号自动识别与帕金森病相关的震颤发作的方法。我们提出了一种多示例学习方法，其中受试者被表示为无序的加速度计信号片段集合以及一个专家提供的单一震颤标注。我们的方法将深度特征学习与可学习的池化阶段相结合，能够识别受试者集合中的关键实例，同时仍可进行端到端训练。我们在一个包含 45 名受试者的新引入的数据集上验证了我们的算法，该数据集包含完全在自然环境中采集的加速度计信号。在所进行的实验中获得的良好分类性能表明，所提出的方法能够有效地应对自然环境录音中的噪声环境。
引用
@article{arxiv.2005.04185,
title = {Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning},
author = {Alexandros Papadopoulos and Konstantinos Kyritsis and Lisa Klingelhoefer and Sevasti Bostanjopoulou and K. Ray Chaudhuri and Anastasios Delopoulos},
journal= {arXiv preprint arXiv:2005.04185},
year = {2020}
}