基于步态的一维信号 Transformer 在帕金森病检测中的应用

本文聚焦于基于患者步态分析进行帕金森病的检测。Transformer 网络在自然语言处理和图像识别中日益增长的流行度与成功，促使我们针对该问题开发一种基于 Transformer 自动特征提取的新方法。Transformer 在一维信号中的应用尚不广泛，但我们在本文中表明它们能有效地从一维信号中提取相关特征。由于 Transformer 需要大量内存，我们将时间与空间信息解耦以使模型更小。我们的架构使用了时间 Transformer、降维层以缩减数据维度、一个空间 Transformer、两个全连接层以及一个用于最终预测的输出层。我们的模型在 Physionet 数据集上以 95.2% 的准确率区分帕金森患者与健康人，优于当前最先进的算法。本工作的一个关键启示是 Transformer 能使结果具有更高的稳定性。源代码与预训练模型发布于 https://github.com/DucMinhDimitriNguyen/Transformers-for-1D-signals-in-Parkinson-s-disease-detection-from-gait.git。