基于脚步压力 FoG 检测的多级对抗时空学习
计算机视觉与模式识别
2022-09-23 v1 人工智能
摘要
步态冻结（FoG）是帕金森病最常见的症状之一，帕金森病是一种影响全球数百万人的中枢神经系统神经退行性疾病。为满足改善 FoG 治疗质量的迫切需求，设计计算机辅助的 FoG 检测与量化工具已愈发重要。作为收集运动模式的非侵入性技术，从压敏步态垫获得的脚步压力序列为在临床及潜在家庭环境中评估 FoG 提供了良好机会。在本研究中，FoG 检测被表述为序列建模任务，并提出一种新颖的深度学习架构，即对抗时空网络（ASTN），以跨多个层级学习 FoG 模式。我们引入了一种带有多级受试者判别器的新型对抗训练方案，以获得独立于受试者的 FoG 表征，有助于降低因受试者间高方差导致的过拟合风险。因此，可对未见过受试者实现鲁棒 FoG 检测。所提方案也为改进其他场景下的受试者级临床研究提供了思路，因其可集成于许多现有深度架构。据我们所知，这是基于脚步压力的 FoG 检测的首批研究之一，且利用 ASTN 的方法首个追求受试者独立表征的深度神经网络架构。在来自 21 名受试者的 393 次试验上的实验结果展示了所提 ASTN 用于 FoG 检测的鼓舞人心性能，AUC 为 0.85。
引用
@article{arxiv.2209.10770,
title = {Multi-level Adversarial Spatio-temporal Learning for Footstep Pressure based FoG Detection},
author = {Kun Hu and Shaohui Mei and Wei Wang and Kaylena A. Ehgoetz Martens and Liang Wang and Simon J. G. Lewis and David D. Feng and Zhiyong Wang},
journal= {arXiv preprint arXiv:2209.10770},
year = {2022}
}