基于异常深度表示的帕金森病步态建模

帕金森病(PD)与步态运动障碍相关,如运动迟缓、僵硬、震颤和姿势不稳,由进行性多巴胺缺乏引起。目前,一些方法已实现学习表示以量化运动过程中的运动学模式,支持诊断和治疗规划等临床程序。这些方法假设有大量分层和标记的数据来优化判别表示。然而,这些考量可能限制方法在临床实践真实场景中的可操作性。本工作引入一种自监督生成表示,在视频重建和异常检测框架的借口任务下学习步态运动相关模式。该架构采用一类弱监督学习进行训练,以避免类间方差并逼近表征运动的多种关系。所提方法使用14名PD患者和23名对照受试者进行验证,仅使用对照人群训练,在分类任务中考虑其泛化性取得了95%的AUC、70%的齐次性水平和70%的形状水平。