基于自监督学习与可穿戴设备的帕金森病实时冻结步态检测
信号处理
2024-10-29 v1 机器学习
摘要
LIFT-PD 是一个创新的自监督学习框架，旨在使用单个三轴加速度计实时检测帕金森病（PD）患者的步态冻结（FoG）。它通过应用差分跳跃窗口技术（DHWT）来解决训练期间数据不平衡的问题，从而减少对大型标注数据集的依赖。此外，机会性推理模块仅在活动运动期间激活模型，从而降低能耗。在公开数据集上的广泛测试表明，与监督模型相比，LIFT-PD 的精确率提高了 7.25%，准确率提高了 4.4%，同时使用的标注样本减少了 40%，推理时间减少了 67%。这些发现使 LIFT-PD 成为持续居家监测 PD 患者的一种极具实用性和能效的解决方案。
引用
@article{arxiv.2410.20715,
title = {Wearable-Based Real-time Freezing of Gait Detection in Parkinson's Disease Using Self-Supervised Learning},
author = {Shovito Barua Soumma and Kartik Mangipudi and Daniel Peterson and Shyamal Mehta and Hassan Ghasemzadeh},
journal= {arXiv preprint arXiv:2410.20715},
year = {2024}
}
备注
2pages, 2 figures, submitted in BHI'24