通过双边步行摄像头传感器融合使用CMSA-Net检测帕金森病,并在便携式设备上实施
Jinxuan Wang1, Hua Huo1, Wei Liu1
1School of Information Engineering, Henan University of Science and Technology, Luoyang 471000, China.
Sensors (Basel, Switzerland)
|June 27, 2025
概括
早期帕金森病 (PD) 检测通过视频的步态分析得到了改进. 一个新的CMSA-Net模型实现了高精度,为便携式PD检测设备铺平了道路.
科学领域:
- 生物医学工程 生物医学工程
- 神经学 神经学
- 计算机视觉 计算机视觉
背景情况:
- 帕金森病 (PD) 的发病率正在上升,需要先进的检测方法.
- 步行视频分析为PD检测提供了一个有希望的,非侵入性的生物标志物.
- 现有的方法需要改进,以早期和准确的PD诊断.
研究的目的:
- 开发一种准确和有效的方法来检测帕金森病,使用步态视频分析.
- 为步态特征提取和PD分类创建一个新的深度学习模型.
- 设计一个实用的,便携式设备,用于现实世界的PD查.
主要方法:
- 开发了一种使用Savitzky-Golay (SG) 过和滑动窗口峰值选择的单步细分方法.
- 引入了与Mamba-2和自我注意网络 (CMSA-Net) 的交叉注意力融合,用于步态分析.
- 利用最大平均差异 (MMD) 损失函数来增强特征融合.
- 在双视图行走视频数据集上收集和评估方法 (304名健康对照,84名PD患者).
主要成果:
- 在PD检测中,CMSA-Net模型实现了89.10%的准确性和81.11%的F1得分.
- 在从步态视频中检测帕金森病时,超越了现有的方法.
- 在医院合作的双视图步态数据集上表现出卓越的性能.
结论:
- 开发的CMSA-Net方法显示了通过步态分析检测帕金森病的高效性.
- 提出的方法可以创建一个用户友好的,便携式的PD检测设备.
- 该设备的可适应的操作模式确保在各种临床和家庭环境中具有实用性.
