InceptoFormer: 一种用于从步态评估帕金森病严重程度的多信号神经框架.pdfVIP

The38thCanadianConferenceonArtificialIntelligence

DOI:0

InceptoFormer:一种用于从步态评估帕金森病严重程度的多

信号神经框架

†,††‡

萨夫文·奈米,阿里杰·赛德,瓦西姆·布阿奇尔,吉勒姆-亚历山大·比洛杜

†加拿大魁北克蒙特利尔魁北克大学（TÉLUQ）

‡蒙特利尔理工学院，魁北克，蒙特利尔，加拿大

摘要

我们提出了初始之形former，一个多信号神经框架，旨在通过步态动力学分析评估帕金

森病（PD）的严重程度。我们的架构引入了Inception模型的一维适应版本，我们称之为

Inception1D，以及一个基于Transformer的框架，根据Hoehn和Yahr(HY)量表对PD严重

本程度进行分期。Inception1D组件通过使用具有不同核大小的并行一维卷积滤波器来捕获多尺

译度时间特征，从而在多个时间尺度上提取特征。Transformer组件高效地建模步态序列中的长

距离依赖关系，提供对局部和全局模式的全面理解。为了解决PD严重程度分期中类别不平衡

中的问题，我们提出了一种基于过采样的数据结构化和预处理策略，以增强代表性不足的严重程

1度水平的表现。总体设计能够捕捉到步态信号中的细微时间变化和全局动态，显著提高了PD

v严重性评估的分类性能。通过广泛的实验，初始者former实现了96.6%的准确率，在PD严重程

0度评估中超越了现有的最先进的方法。我们的实现源代码在/SafwenNaimi/InceptoFormer

4

5公开可用。

4关键词：一维初始网络,变换器,帕金森病分期,HY量表,竖向地面反作用力信号

0

.

8

0

5

21.介绍

:

v

i帕金森病的患病率在全球范围内呈上升趋势，目前估计有1000万人正在遭受这种疾病

x

r的影响[1]。这一神经退行性疾病主要影响负责协调运动的大脑区域，导致震颤和行走困难

a

等症状。虽然无法治愈帕金森病，但有许多治疗方法可用于控制其症状。为了更好地分析该

病症，常使用步态分析来检测任何运动中的异常情况。这种分析依赖于评估一系列临床症状

和体征。这些因素可能会带来挑战，因为它们可能与其他神经性疾病重叠。为此，利用足部

传感器提取步态信息对于理解我们的运动模式并识别异常至关重要。为了根据症状严重程

度将帕金森病分类为五个不同的阶段，常采用Hoehn和Yahr(HY)量表[2]。另一种常用

的评估症状严重程度的方法是统一帕金森病评分量表(UPDRS)[3]。这两个量表在临床环境

和研究中都扮演着至关重要的角色，用于跟踪疾病进展并评估治疗效果。

尽管基于步态的诊断技术取得了进步，评估疾病的严重程度仍然是一个重大挑战。几种

基于深度学习的技术被提出用于从步态数据中检测帕金森病（PD），并产生了令人鼓舞的结

果[4–6]。然而，这些方法主要用于二分类以根据步态模式检测PD。将PD的严重程度分类