基于可解释区间二型神经模糊系统的步态周期分析帕金森病诊断
机器学习
2022-11-30 v2 人工智能
摘要
本文提出了一种利用区间二型模糊神经网络、基于步态周期分析检测帕金森病（PD）患者的可解释分类器。所提方法利用从垂直地面反作用力（vGRF）提取的临床特征，该力由放置在受试者鞋底的16个可穿戴传感器测量，并学习可解释的模糊规则。因此，专家可以通过考察可解释模糊规则的激发强度来验证所提方法的决策。此外，专家可以利用提取的模糊规则进行患者诊断，或基于其知识对其进行调整。为提高所提方法对不确定性和传感器噪声测量的鲁棒性，采用了区间二型模糊逻辑。为学习模糊规则，提出了两种范式：1-基于聚类可用样本的批量学习方法来提取初始模糊规则；2-提出一种互补的在线学习以改进遇到新标注样本时的规则库。该方法在不同条件下（包括存在噪声或观测新实例）对分类患者和健康受试者进行了性能评估。此外，将该模型性能与一些先前的有监督和无监督机器学习方法进行比较。所提方法的最终准确率、精确率、召回率和F1分数分别为88.74%、89.41%、95.10%和92.16%。最后，报告了每个特征提取的模糊集。
引用
@article{arxiv.2109.02442,
title = {Parkinson's Disease Diagnosis based on Gait Cycle Analysis Through an Interpretable Interval Type-2 Neuro-Fuzzy System},
author = {Armin Salimi-Badr and Mohammad Hashemi and Hamidreza Saffari},
journal= {arXiv preprint arXiv:2109.02442},
year = {2022}
}