基于可穿戴设备的深度学习帕金森病严重程度监测
机器学习
2019-04-26 v1 应用统计
机器学习
摘要
帕金森病药物治疗中的一个主要挑战是，反映患者运动状态的疾病严重程度无法使用可获取的生物学标志物来测量。因此，我们开发并检验了多种统计模型，以基于来自可穿戴设备的传感器数据检测此类患者的运动状态。我们发现，在该时间序列分类任务中，深度学习模型始终优于应用于手工特征上的经典机器学习模型。此外，我们的结果表明，将这一问题视为回归而非有序回归或分类任务最为合适。为一致的模型评估与训练，我们将留一受试者交叉验证方案应用于深度学习模型的训练。我们还采用了类加权方案，成功缓解了该领域中高度多类不平衡的问题。此外，我们提出了一种定制性能指标，反映了相关医务人员对模型的要求。为解决高质量训练数据有限的问题，我们提出了一种迁移学习技术，其有助于大幅提升模型性能。我们的结果表明深度学习技术为自主检测帕金森病患者的运动状态提供了很高潜力。
引用
@article{arxiv.1904.10829,
title = {Wearable-based Parkinson's Disease Severity Monitoring using Deep Learning},
author = {Jann Goschenhofer and Franz MJ Pfister and Kamer Ali Yuksel and Bernd Bischl and Urban Fietzek and Janek Thomas},
journal= {arXiv preprint arXiv:1904.10829},
year = {2019}
}