基于可穿戴传感器的物联网 XAI 框架用于预测帕金森氏病的步态冻结
机器学习
2025-10-28 v2
摘要
本研究讨论了利用基于可穿戴传感器技术（由 LoRa 通信供电）的早期检测和早期预测帕金森氏病步态冻结 (FOG) 的关键需求。该系统由 Esp-32 微控制器组成，其中利用 Micromlgen Python 库进行模型训练。该研究通过利用机器学习 (ML) 算法（如 Catboost、XGBoost 和 Extra Tree 分类器）对临床数据进行准确的 FOG 分类。XGBoost 能实现约 97% 的准确率，Catboost 为 96%，Extra Trees 分类器为 90%。SHAP 分析显示，GYR SI degree 是 FOG 预测中最影响因素。这些结果表明可以监控和识别患者位置，提供一种用于辅助技术的监控和识别手段。开发的传感器技术在 healthcare 和生物医学技术改进方面具有解决实际问题的潜力。
引用
@article{arxiv.2507.01068,
title = {Wearable Sensor-Based IoT XAI Framework for Predicting Freezing of Gait in Parkinsons Disease},
author = {Biplov Paneru},
journal= {arXiv preprint arXiv:2507.01068},
year = {2025}
}