利用深度学习模型预测三种类型的冻结步态事件
机器学习
2023-10-11 v1 人工智能
摘要
冻结步态是帕金森病的一种症状，会阵发性地使患者在行走时无法迈步或转身。尽管医学专家已发现冻结步态的多种触发因素和缓解动作，但其潜在原因与预测模型至今仍在探索中。当前利用机器学习的冻结步态预测模型基于时间序列数据在冻结步态预测上取得了较高的灵敏度与特异度；然而，这些模型缺乏对冻结步态事件类型的明确区分。我们采用 transformer 编码器架构加双向 LSTM 层以及不同特征集构建了多种深度学习模型，以预测三种不同类型的冻结步态事件。性能最佳的模型在测试数据上取得了 0.427 的分数，可在 THE MICHAEL J. FOX FOUNDATION 主办的 Kaggle 冻结步态预测竞赛中排名前五。不过，我们也注意到训练数据中存在过拟合，可通过在额外数据上进行伪标注以及简化模型架构来潜在改善。
引用
@article{arxiv.2310.06322,
title = {Predicting Three Types of Freezing of Gait Events Using Deep Learning Models},
author = {Wen Tao Mo and Jonathan H. Chan},
journal= {arXiv preprint arXiv:2310.06322},
year = {2023}
}
备注
5 pages