GFASNet: 認知症に関連する歩行パターンの分析のための注意力主導の深層連続ネットワーク

科学分野:

• 神経科学は神経科学である.
• バイオメディカルエンジニアリング
• コンピュータサイエンス コンピュータサイエンス

背景:

• ディープラーニングモデルは,歩行などの人間の活動データを用いて認知症の予測の可能性を示しています.
• 現在のモデルの限られた解釈性と臨床的関連性は,認知健康研究におけるその応用を妨げています.

研究 の 目的:

• 認知症に関連する歩行の変化を特定するためのGFASNet (歩行特徴注意力駆動深層配列ネットワーク) を導入します.
• モデルの透明性を高め,注意力メカニズムを使用して歩行パラメータの貢献を定量化します.
• 認知症の早期発見のための潜在的なデジタルバイオマーカーを探求する.

主な方法:

• 圧力センサーの歩道を使用した232人の参加者から時空歩行データを収集しました.
• 4つのGFASNetのバリエーション (LSTM,BiLSTM,GRU,BiGRU) の歩行配列 (8歩) を訓練し,評価しました.
• ディープシーケンシャルアーキテクチャ内の機能レベルの注意力メカニズムを利用した.

主要な成果:

• すべてのGFASNetモデルは,認知症の分類タスクにおいて,注意欠陥のベースラインを上回った.
• 注意重量分析は,認知症症例の特定のために特定の歩行特徴に一貫して焦点を当てていることを明らかにしました.
• 解釈可能な歩行分析を提供するGFASNetの能力を実証しました.

結論:

• GFASNetは,解釈可能な歩行分析を通じて,認知症の識別精度を高めています.
• 注意力メカニズムを介して識別された歩行特徴は,認知健康のためのデジタルバイオマーカーとして有望を示しています.
• GFASNetは,認知症の研究のための臨床的に関連する歩行分析を促進します.