基于姿态的视频帕金森病震颤分类诊断
计算机视觉与模式识别
2022-07-15 v1 机器学习
摘要
帕金森病（PD）是一种进行性神经退行性疾病，会导致多种运动功能障碍症状，包括震颤、运动迟缓、僵硬和姿势不稳。PD的诊断主要依赖临床经验而非确切的医学检测，且由于受到不同医学专家主观意见或经验的挑战，诊断准确率仅为约73-84%。因此，一个高效且可解释的自动PD诊断系统对于支持临床医生进行更稳健的诊断决策具有重要价值。为此，我们提出对帕金森震颤进行分类，因为它是PD最具普遍性且泛化性强的症状之一。不同于其他依赖可穿戴传感器、耗时耗力的计算机辅助帕金森震颤（PT）分类系统，我们提出了SPAPNet，它仅需消费级非侵入式摄像头拍摄的人体运动视频作为输入，即可为未确诊患者提供低成本的PT分类结果作为PD预警信号。我们首次提出使用一种具有轻量级金字塔通道压缩融合架构的新型注意力模块来高效提取相关PT信息并过滤噪声。该设计有助于提升分类性能和系统可解释性。实验结果表明，我们的系统在PT与非PT类别的分类中达到了90.9%的平衡准确率和90.6%的F1分数，优于现有最优方法。
引用
@article{arxiv.2207.06828,
title = {Pose-based Tremor Classification for Parkinson's Disease Diagnosis from Video},
author = {Haozheng Zhang and Edmond S. L. Ho and Xiatian Zhang and Hubert P. H. Shum},
journal= {arXiv preprint arXiv:2207.06828},
year = {2022}
}
备注
MICCAI 2022