InceptoFormer：用于行走姿态的多信号神经框架中的帕金森病严重程度评估
计算机视觉与模式识别
2025-08-07 v1
摘要
我们提出InceptoFormer，一个用于帕金森病（PD）严重程度评估的多信号神经框架，通过行走动力学分析。我们的架构引入了1D版本的Inception模型，我们称为Inception1D，以及基于Transformer的框架，用于根据Hoehn and Yahr（H&Y）量表分阶段PD严重程度。Inception1D组件通过采用不同核大小的平行1D卷积滤波器来捕捉多尺度时序特征，从而提取多个时序尺度上的特征。Transformer组件高效地建模行走序列中的长程依赖，为对局部和全局模式的全面理解提供支持。为解决PD严重程度分级中的类别不平衡问题，我们提出了基于抽样的data structuring和预处理策略，以增强 underrepresented 严重程�水平的表示。该整体设计能够捕捉行走信号中细粒度的时序变化和全局动力学，显著提高对PD严重程度评估的分类性能。通过广泛实验，InceptoFormer实现了96.6%的准确率，凌驾于现有PD严重程度评估的最先进方法。我们的实现代码已公开发布于 https://github.com/SafwenNaimi/InceptoFormer
引用
@article{arxiv.2508.04540,
title = {InceptoFormer: A Multi-Signal Neural Framework for Parkinson's Disease Severity Evaluation from Gait},
author = {Safwen Naimi and Arij Said and Wassim Bouachir and Guillaume-Alexandre Bilodeau},
journal= {arXiv preprint arXiv:2508.04540},
year = {2025}
}
备注
11 pages; 5 figures. Published in the proceedings of the 2025 Canadian AI conference