可穿戴脚部传感器数据中无监督异常检测的可行性基线研究：为糖尿病足部溃疡预防而做准备
摘要
糖尿病足 (Diabetic Foot Ulcer, DFU) 是糖尿病的严重并发症，导致显著的疾病负担、截肢风险及相关经济成本。开发有效的持续监测框架，首先需要建立可靠的正常足部生物力学基线模型。本文针对可穿戴脚部传感器的时间序列数据，进行无监督异常检测框架的可行性研究，具体聚焦NTC薄膜热电偶温度传感器与FlexiForce A401压力传感器用于足部植皮负荷监测。数据来源于健康成年受试者，在计量通道上收集了 312 次捕获 sessions，生成 93,790 条有效的多传感器读数，覆盖 2023 年 9 月至 2024 年 6 月。应用两种无监督算法——隔离森林 (Isolation Forest) 与基于局部离群因子的 K 近邻 (KNN/LOF)，用于检测足部温度与压力信号的统计偏差。结果表明，隔离森林对细微且分布式的异常更为敏感，而 KNN/LOF 能识别集中剧烈的偏差，但会标记更多此类 sessions 的比例高于隔离森林。由于暂无临床真实标签，故将此差异解释为在共享 5% contamination 假设下的特异性较低，而非确认的假阳性率。压力与温度特征之间呈现轻微正相关 (0.41-0.48)，支持多模态监测的观点。这些发现建立了经过验证的基线分析管道，为未来涉及糖尿病患者的临床验证研究提供了方法学基础，使可检测的异常可直接关联至 DFU 相关的病理生理学。
引用
@article{arxiv.2603.12278,
title = {Unsupervised Anomaly Detection in Wearable Foot Sensor Data: A Baseline Feasibility Study Towards Diabetic Foot Ulcer Prevention},
author = {Md Tanvir Hasan Turja},
journal= {arXiv preprint arXiv:2603.12278},
year = {2026}
}
备注
36 pages, 19 figures. Published in Biomedical Signal Processing and Control, Vol. 123, Part A, 110416, September 2026. https://doi.org/10.1016/j.bspc.2026.110416