基于Transformer的多模态室内定位用于帕金森病活动能力测量
机器学习
2022-05-13 v1
摘要
帕金森病(PD)是一种缓慢进展的衰弱性神经退行性疾病，其显著特征是运动症状。室内定位，包括房间到房间转换的次数和速度，提供了一种代表活动能力的替代性结果，可用作数字生物标志物来量化随着疾病进展活动能力如何变化。我们使用从10名帕金森病患者和10名对照者收集的数据，他们每个人都在配备各种传感器的智能家中生活了五天。为了更有效地进行室内定位，我们提出了一种基于Transformer的方法，利用两种数据模态——来自可穿戴设备的接收信号强度指示(RSSI)和加速度计数据，它们提供了运动的互补视角。我们的方法通过以下方式建立非对称和动态关联：a)在不同尺度和层级上学习时间相关性，以及 b)利用各种门控机制在模态内选择相关特征并抑制不必要的模态。在一个包含真实患者的数据集上，我们证明所提方法平均准确率达89.9%，优于对比方法。我们还表明，我们的模型能更好地预测帕金森病患者的居家活动能力，与真实值的平均偏差为1.13秒。
引用
@article{arxiv.2205.06142,
title = {Multimodal Indoor Localisation for Measuring Mobility in Parkinson's Disease using Transformers},
author = {Ferdian Jovan and Ryan McConville and Catherine Morgan and Emma Tonkin and Alan Whone and Ian Craddock},
journal= {arXiv preprint arXiv:2205.06142},
year = {2022}
}
备注
17 pages, 1 figure, 3 tables