FM-FoG：基于基础模型的实时可穿戴系统用于冻结步态缓解
机器学习
2025-09-30 v1
摘要
冻结步态（FoG）影响超过 50% 的中晚期帕金森病（PD）患者，显著损害患者的移动独立性并降低生活质量。FoG 的特征是在站立或行走期间突然发生无法开始或中断行走的症状，且从不在坐着或躺着时发生。现有的 FoG 检测系统需要大量的患者特定训练数据且缺乏泛化能力，限制了临床部署。为了解决这些问题，我们提出 FM-FoG，一个基于基础模型的实时可穿戴系统，在无需患者特定训练的情况下实现对未见患者的 FoG 检测。我们的方法结合了在多样化惯性测量单元（IMU）数据集上的自监督预训练与传感器上下文集成。由于 FoG 仅在移动活动中发生，一个轻量级 CNN-LSTM 活动分类器选择性地仅在行走或站立时激活基础模型，避免不必要的计算。在包含 23 名 PD 患者的 VCU FoG-IMU 数据集上评估，FM-FoG 在先前未见患者上测试时达到 98.5% 的 F1 分数，大幅超越竞争性基线方法。部署在 Google Pixel 8a 智能手机上，该系统将电池续航延长最多 72%，同时保持亚 20 毫秒的干预延迟。结果表明，我们的 FM-FoG 可以实现实用的、节能的医疗保健应用，在无需个体训练要求的情况下跨患者泛化。
引用
@article{arxiv.2509.24176,
title = {FM-FoG: A Real-Time Foundation Model-based Wearable System for Freezing-of-Gait Mitigation},
author = {Chuntian Chi and John Clapham and Leslie Cloud and Ingrid Pretzer-Aboff and GinaMari Blackwell and Huajie Shao and Gang Zhou},
journal= {arXiv preprint arXiv:2509.24176},
year = {2025}
}
备注
This is a preprint version, 12 pages, 7 figures, 8 tables