GenGait：基于 Transformer 的人体步态异常检测与规范性双胞胎生成模型
人工智能
2026-04-03 v1
摘要
步态分析为运动功能的客观表征，广泛用于支持神经系统和骨骼系统疾病的诊断与康复监测。深度学习日益应用于该领域，但大多数方法依赖于在疾病标记数据上训练的监督分类器，限制了对异质性病例表现的泛化能力。本文提出了一个无标签框架，用于基于仅从150名成年人（使用无标记多摄像机运动捕捉系统获取）的规范性步态序列上训练的 Transformer 掩码自编码器进行的关节级异常检测与运动学校正。推断时，针对潜在病理输入序列，应用两步流程：首先通过遮蔽单个关节并测量其与所学规范性先验之间的偏差来估计关节不一致得分；随后，将被标记关节从编码器输入中暂时移除，并从剩余时空上下文中重建完整骨架，从而在被标记位置生成校正后的运动学轨迹。对10名留作检验的规范性参与者（他们模仿了7种模拟的步态异常）进行验证，结果显示该方法能准确定位生物力学不一致的关节，所有分析关节的角度偏差显著降低，效果尺寸大，并且保持了规范性运动学。该方法使无需疾病标签即可实现对步态障碍的可解释、针对个体的定位。视频可在 https://youtu.be/Rcm3jqR5pN4 查看。
关键词
引用
@article{arxiv.2604.01997,
title = {GenGait: A Transformer-Based Model for Human Gait Anomaly Detection and Normative Twin Generation},
author = {Elisa Motta and Marta Lorenzini and Clara Mouawad and Alberto Ranavolo and Mariano Serrao and Arash Ajoudani},
journal= {arXiv preprint arXiv:2604.01997},
year = {2026}
}
备注
13 pages, 6 figures. Preprint submitted to a journal