SincPD：一种基于 Sinc 滤波器通过步态周期分析诊断帕金森病严重程度的可解释方法
信号处理
2025-02-26 v1 机器学习
摘要
本文提出了一种基于自适应 sinc 滤波器的可解释深度学习分类器，用于帕金森病诊断及其严重程度判定，该方法基于步态周期分析（SincPD）。考虑到帕金森病对患者步态周期的影响，所提方法利用放置在受试者鞋底的穿戴式传感器测量的垂直地面反作用力形式的原始数据。所提方法由 Sinc 层组成，这些层对自适应带通滤波器进行建模，以提取患者与健康受试者步态周期中的重要频带。因此，通过考虑这些频率，可以解释将一个人分类为患者或健康背后的原因。在该方法中，经过一些预处理步骤后，首先训练一个配备大量滤波器的大型模型。接下来，为了剪枝多余单元并获得更具可解释性和简洁性的结构，使用基于质心的聚类方法根据截止频率对提取的滤波器进行聚类。随后，将提取的簇的中心点作为最终滤波器。因此，每个传感器仅导出 15 个带通滤波器用于对患者和健康受试者进行分类。最后，通过比较每个滤波器在处理患者和健康受试者时的能量，确定最有效的滤波器及传感器。
引用
@article{arxiv.2502.17463,
title = {SincPD: An Explainable Method based on Sinc Filters to Diagnose Parkinson's Disease Severity by Gait Cycle Analysis},
author = {Armin Salimi-Badr and Mahan Veisi and Sadra Berangi},
journal= {arXiv preprint arXiv:2502.17463},
year = {2025}
}