基于一维卷积与BiGRU的序列动态笔迹分析用于帕金森病检测
计算机视觉与模式识别
2021-01-26 v1
摘要
帕金森病(PD)通常以若干运动症状为特征,如运动迟缓、运动不能、僵直与震颤。分析患者的精细运动控制,尤其是书写,是支持PD评估的有力工具。多年来,笔压、笔画速度、离纸时间等各种动态笔迹属性,可借助在线笔迹采集工具捕获,已被评估用于识别PD。在线笔迹中捕获的运动事件及其关联的时空属性,可通过识别独特序列模式有效分类PD患者。本文提出一种基于一维卷积与双向门控循环单元(BiGRUs)的新分类模型,以评估笔迹序列信息在识别帕金森症状中的潜力。一维卷积应用于原始序列及派生特征;所得序列随后送入BiGRU层以实现最终分类。所提方法在PaHaW数据集上优于最先进方法,并在NewHandPD数据集上取得有竞争力的结果。
引用
@article{arxiv.2101.09461,
title = {Sequence-based Dynamic Handwriting Analysis for Parkinson's Disease Detection with One-dimensional Convolutions and BiGRUs},
author = {Moises Diaz and Momina Moetesum and Imran Siddiqi and Gennaro Vessio},
journal= {arXiv preprint arXiv:2101.09461},
year = {2021}
}