基于姿态的视频帕金森病震颤类型与程度分析
计算机视觉与模式识别
2023-12-22 v1
摘要
目的：当前帕金森病（PD）的诊断方法依赖于临床检查，其准确率介于 73% 至 84% 之间，且受临床评估者经验的影响。因此，一个自动、有效且可解释的 PD 症状识别辅助系统将有助于临床医生做出更稳健的 PD 诊断决策。方法：我们提出分析帕金森震颤（PT）以支持 PD 分析，因为 PT 是 PD 最具典型性且广泛通用的症状之一。为实现这一构想，我们提出了 SPA-PTA，这是一种基于深度学习的 PT 分类与严重程度估计系统，该系统以面向前方的消费级人体视频作为输入。该系统的核心是一个新颖的注意力模块，采用轻量级金字塔通道压缩融合架构，能够有效提取相关的 PT 信息并过滤噪声。它在提升建模性能的同时提高了系统的可解释性。结果：我们在两项任务上通过基于个体的留一法交叉验证对我们的系统进行了验证：PT 分类任务和震颤严重程度评级估计任务。我们的系统在将 PT 与非 PT 类进行分类时呈现出 91.3% 的准确率和 80.0% 的 F1 分数，同时在更复杂的多类震颤评级分类任务中提供了 76.4% 的准确率和 76.7% 的 F1 分数。结论：我们的系统为具有 PT 症状的未确诊患者提供了具有成本效益的 PT 分类和震颤严重程度估计结果，作为 PD 的预警信号。此外，它为临床资源有限地区的 PD 诊断支持提供了一种潜在的解决方案。
引用
@article{arxiv.2312.13776,
title = {Pose-based Tremor Type and Level Analysis for Parkinson's Disease from Video},
author = {Haozheng Zhang and Edmond S. L. Ho and Xiatian Zhang and Silvia Del Din and Hubert P. H. Shum},
journal= {arXiv preprint arXiv:2312.13776},
year = {2023}
}