用于帕金森病步态冻结连续监测的自监督学习与机会推理方法

《ACM Transactions on Computing for Healthcare》：Self-Supervised Learning and Opportunistic Inference for Continuous Monitoring of Freezing of Gait in Parkinson’s Disease

　　帕金森病通过诸如步态冻结等严重的运动症状，极大地影响了患者的生活质量。对步态冻结进行持续的居家监测对于及时进行临床干预至关重要，但由于高能耗、标注成本以及现有可穿戴设备所需的受控环境，这一任务仍面临挑战。我们提出了LIFT-PD（源代码地址：https://github.com/shovito66/LIFT-PD），这是一种全新的自监督学习框架，可用于实时、无需依赖患者的步态冻结检测。该框架独特地仅利用一个腰部佩戴的加速度计——传统上认为这种方法的步态特征较弱，效果欠佳。LIFT-PD利用自监督学习处理来自非受控现实环境中的未标记数据，并采用一种新的差分跳跃窗口技术来应对步态差异和数据集不平衡问题。此外，它还包含一个机会性推理模块，仅在患者活动时激活深度学习模型，从而大幅降低能耗，实现超过48小时的持续监测。实验结果表明，与监督学习和半监督学习基线模型相比，LIFT-PD的精确度提高了7.25%，准确率提升了4.4%，同时所需的标记训练样本数量减少了约40%。在不同患者特征下的测试——包括病情严重程度、用药状况、年龄和性别——均证明了该模型的稳健性和临床应用价值，使其成为一种实用、节能且可扩展的解决方案，适用于帕金森病患者日常步态冻结的持续监测。经过掩码处理的信号数据X^W∈RN×T′，其定义为X^W=mask(XW,m)，其中x^wi∈X^W，m表示掩码比例（在我们的实现中为0.2）。图1展示了实时雾状状态检测的自监督训练流程。预训练阶段：编码器重构经过掩码处理的信号片段，为缺失数据输出预测值hi。微调阶段：在标记数据上使用交叉熵损失对多层感知机进行优化，同时冻结编码器权重。端到端流程：将训练好的模型集成到实时系统中，模型激活模块会选择性启用计算成本较高的雾状状态检测模型，从而实现高效、长期的监测。MAM即模型激活模块，MLP则为多层感知机。编码器fθ:RN×T′→RN×D能够从被掩码的信号窗口中重建原始信号，生成低维度的隐藏表示H∈RN×D，其中hi∈RD←fθ(x^wi)。这些隐藏表示会通过全连接网络gψ(?)进行处理，进而预测出被掩码的信号片段，表示为x^=gψ(hi)。编码器通过均方误差最小化重构损失Lθ，其计算公式为：Lθ=1Nm∑j=1Nm(x^j?xp(j))2，(1)其中Nm为被掩码点的总数，x^j是第j个被掩码点的预测值，xp(j)则是对应位置的原始输入值。我们的目标是最小化该Lθ损失，相应的最优参数可形式化为：θ?=arg?minθLθ。3.1.2 后续任务（雾状状态分类）。预训练完成后，在编码器之上引入多层感知机g?:RN×D→Y，用于进行二分类的雾状状态检测。该多层感知机将学习得到的嵌入向量H映射为雾状状态或非雾状状态的标签Y，表示为Y^=g?(H)=g?(fθ(XW))，其中fθ为带有参数θ的预训练编码器，XW则为经过分割的信号数据。这一微调阶段是在少量标记数据的监督下进行的。初始时，编码器fθ使用预训练得到的权重(θ?)进行初始化，而多层感知机g?则采用随机初始化方式。在微调过程中，编码器权重保持不变，仅对多层感知机的各层进行训练，且学习率较低，如图1（第二部分）所示。对于后续的雾状状态检测任务，我们需要最小化二元交叉熵损失Lce(θ,?)：Lce(θ,?)=?1N∑i=1N[yilog?(σ(y^i))+(1?yi)log?(1?σ(y^i))]，(2)其中N为信号窗口的总数，y为指示变量（雾状状态为1，非雾状状态为0），σ为S型函数，y^∈Y^则为分类器g?(hi)对第i个嵌入向量的输出结果。3.2 机会性推理为了在可穿戴设备上实现家庭帕金森病监测时降低功耗与计算资源消耗，我们提出了一种基于机会性的简单算法作为模型激活模块。该模块能够区分活跃时段与非活跃时段，仅在检测到活跃状态时才启动计算成本较高的SSL雾状状态检测模型，如图2所示。该激活模块会过滤掉非活跃时段的信号窗口，确保SSL模型仅在检测到活动时才会被调用，从而大幅降低功耗，同时避免在非活跃时段出现误判。在非活跃时段，系统会采用更简单的方法处理数据，通过比较当前传入信号的强度来实现更高效的能量利用。对于每个窗口i∈[1,N]，3D加速度计的信号强度Mi可通过公式Mi=1T′∑t=1T′‖ax,t2+ay,t2+az,t2‖计算得出，其中ax、ay、az分别为三个轴方向的加速度信号值。如果Mi≥α，则认为该窗口处于活跃状态，α为预先设定的阈值（见公式(3)），否则模型激活模块会将其视为非活跃状态：{1?（活跃）若?Mi≥α；0?（非活跃）否则。（3）该阈值的设定旨在在不影响SSL算法性能的前提下筛选窗口。最后，我们在推理阶段单独评估了信号强度阈值的效果（见4.6节）。图2展示了模型激活模块的功能：该模块通过基于活动阈值的触发机制，实现计算负载的分摊以及可穿戴式雾状状态检测系统电池续航时间的延长。3.3 不平衡训练数据的处理方法我们提出的数据集生成方法DHWT无需额外的预处理步骤，即可有效处理不平衡的数据集，能够在保证实时部署在可穿戴设备上的同时，兼顾特征的有效性与计算效率。该方法会将原始传感器数据分割成多个短小的、相互重叠的窗口，并根据不同的活动类型调整重叠比例。例如，在图3(a)所示的实验评估中，我们在非雾状状态训练期间采用50%的重叠比例，而在雾状状态训练期间则采用75%的重叠比例。在推理阶段，系统会使用标准且固定的重叠比例来分割窗口，以此模拟现实场景中无法提前识别雾状状态的情况。如图3(b)左侧的条形图所示，若采用固定长度的重叠比例，训练数据集会出现不平衡现象，其中非雾状状态样本占比为63.3%，而雾状状态样本占比仅为36.7%。相比之下，DHWT分割方法能够实现更均衡的数据分布，如图3右侧的条形图所示，非雾状状态与雾状状态样本的比例分别约为45%和55%。在测试集的生成过程中，我们采用固定50%的重叠比例（每1.5秒向前推进一次）进行数据分割，这一设置能够模拟实际运行环境，即处理前3秒内的数据。关于为何选择3秒作为窗口长度的详细说明可见4.7节。至于为何为雾状状态窗口设定75%的重叠比例，而非雾状状态窗口设定50%的比例，这一决策既基于实证验证，也参考了相关领域的专业经验。考虑到帕金森病患者的典型步态周期为1.2–1.5秒[25, 38]，若采用3秒的窗口长度，并结合75%的重叠比例（单步间隔约0.75秒），则每个训练窗口都能包含多次步态转换，从而完整呈现雾状状态发作的动态变化过程。而若在非雾状状态期间采用50%的重叠比例（单步间隔约1.5秒），则可以减少样本的冗余度并降低计算量。这样的重叠比例既能实现两类窗口数量的大致平衡（雾状状态与非雾状状态窗口比例约为1:1），又能确保时间覆盖范围符合专家观察到的步态特征。图3展示了训练集的DHWT分割过程（a）；以及采用标准分割方法与DHWT分割方法所得到的雾状状态数据比例对比（b）。3.4 数据集本研究使用的是公开可用的tDCS雾状状态数据集，该数据集包含了帕金森病患者在接受雾状状态诱发试验时，在服用药物（“服药状态”）与未服药（“未服药状态”）两种情况下的运动数据[11]。这些数据是通过安装在下背部的3D加速度计采集的，采样率为128Hz，共计记录了1,132次雾状状态发作事件，总记录时长为285分钟，同时还有15.3小时的连续数据记录。每次雾状状态发作事件都会被录制下来，并由专家进行标注[11]。表2总结了这些受试者的基本人口统计学信息与临床特征。该数据集中包含被标记为“正常状态”或“雾状状态”的事件，这些事件的分布情况则见表3。实验中的测试流程遵循Reches等人[27]、Manor等人[17]所提出的雾状状态诱发试验方案，该方案最初由Ziegler等人[41]定义。表2展示了受试者的整体特征。用药状态：服药状态为28人，占32%；未服药状态为7人，占31%；男性为6人，占20%。年龄的平均值及标准差分别为69.5岁（7.75岁）、70.9岁（6.5岁）、68岁（8.3岁）。在UPDRS评分方面，服药状态下的平均值为34.27分（标准差为12.7分），未服药状态下的平均值同样为34.27分（标准差为12.7分）；而NFOGQ评分的均值及标准差分别为17.12分（标准差为7.57分），两组数据之间不存在显著差异。从确诊帕金森病至今的平均年限及其标准差范围为10.5年（5.9年），最低值为1年，最高值为23年。表3展示了不同类型的事件分布情况。从用药状态来看，正常状态的事件占比为28.01%，雾状状态的事件占比为18.73%，二者合计占比为46.74%；而从整体数据来看，正常状态的事件占比为35.41%，雾状状态的事件占比为17.86%，二者合计占比为53.27%。在雾状状态诱发试验期间，我们对数据进行了重采样处理，将采样频率调整为40Hz，这一频率被认为既适合通过加速度计识别健康人群以及帕金森病患者的活动情况，也能有效应对雾状状态发作时的特殊表现。该频率既能捕捉到典型的动作停滞频段（3–8Hz），又能降低内存占用与计算复杂度。此外，将采样频率降至40Hz还有助于进一步减少数据处理的内存负荷与计算难度。密度图（图4的上半部分）显示，虽然两种状态下的数据分布都大致呈正态分布，但男性的得分在30–40分区间内的峰值密度更高，而女性的峰值则集中在40–50分区间。箱线图（图4的下半部分）则显示，男性的统一帕金森病评分量表得分的中位数略低于女性，不过两组数据在四分位距上存在重叠，且两组数据中都存在异常值，这说明各组的评分存在一定波动性。图4展示了按性别划分的UPDRS评分的密度分布图与箱线图。上半部分显示了UPDRS评分的密度分布情况，男性数据用蓝色标注，女性数据用紫色标注；下半部分则为箱线图，用于展示不同性别之间UPDRS评分的差异，其中标出了中位数、四分位距以及异常值。UPDRS即统一帕金森病评分量表。3.5 均值去除与标签分配在完成数据分割后，我们对每个窗口进行简单的预处理，即去掉各个传感器轴上的均值（如x轴、y轴、z轴的均值）。这种数据居中处理的方式可以有效减少传感器带来的偏差，同时降低计算复杂度。最后，我们会根据窗口内的数据内容为其分配标签：如果窗口内仅包含非雾状状态的数据，则标记为非雾状状态；如果窗口内至少有50%的数据属于雾状状态，则标记为雾状状态。对于同时包含两种状态数据的窗口，我们会直接将其舍弃，以确保在机器学习分类阶段能够实现清晰的分类结果。这种简化的预处理方式在保障雾状状态检测所需特征的同时，更注重提升系统的实时处理能力。3.6 单组留出法为了评估模型的通用性，我们采用了单组留出法的交叉验证策略。整个tDCS数据集被分为两组，每组包含20名随机选取的帕金森病患者。这两组的受试者在年龄、症状持续时间以及UPDRS评分等方面具有相似的特征。因此，我们会使用每组中的20名患者作为训练数据，通过SSL算法训练出与患者个体特征无关的通用模型，而另一组的标签则会被暂时移除，用于后续的验证工作。之后我们会评估被留出的那组患者的数据分类效果，并将其与我们的基准监督学习模型进行比较。这一流程会对数据集中的每组数据重复三次，最终将三次的结果取平均值，以此确保研究结果的可靠性与稳定性。3.7 模型构建与实验设置针对后续的雾状状态检测任务，我们在LIFT-PD项目中设计了一个包含5层的一维卷积神经网络架构（见图5），该架构使得我们无需进行复杂的特征工程即可直接使用原始传感器数据。该模型由一个用于特征提取的编码器模块和一个用于雾状状态检测的分类模块组成。编码器模块包含5层一维卷积层，每层的滤波器数量依次为64、128、256、128、64，内核大小均为3，激活函数为ReLU；在第二层之后会加入最大池化操作，池化尺寸为2；在第五层之后则加入全局平均池化操作，池化尺寸同样为2，这些操作均用于降低特征图的维度，从而减少计算复杂度。经过池化处理后的扁平化输出数据会传递到一个多层感知机中，该感知机包含两个密集层，单元数量分别为128和64，激活函数仍为ReLU，第一个层之后还会加入0.4的 Dropout随机失活机制，用于实现二分类功能；最后一个密集层的单元数量为1，激活函数为S型函数，用于输出最终的雾状状态检测结果。图5展示了该堆叠式一维卷积神经网络模型的结构示意图，模型的输入为3分钟的原始传感器数据。该模型的训练分为两个阶段：预训练阶段与微调阶段。在预训练阶段，编码器共经历了70个训练周期，每次训练的批量大小为64，优化器选用Adam算法，学习率初始设置为0.01，权重衰减系数为0.001。在微调阶段，新增的那些密集层会被随机初始化，然后模型会在标记数据上继续训练40个周期，此时批量大小保持不变，但分类任务的学习率则降低至0.0001。在处理预训练好的模型时，采用较低的学习率是一种常见的做法，这样的设置有助于保留预训练阶段学到的特征，同时让模型能够逐步进行调整，避免之前学到的特征信息出现剧烈丢失。所有实验（包括预处理与后处理步骤）都是在配备Apple M2 Pro芯片的计算机上完成的，该芯片拥有16核的神经网络引擎以及16GB的统一内存。分类模型的训练、优化与测试工作都是使用Python 3.8语言，以及Keras 2.4和TensorFlow 2.3这两个机器学习库来实现的。3.8 性能评估指标为了评估我们所提出的框架以及在现有最先进方法基础上构建的框架在窗口级雾状状态检测任务中的性能，我们计算并报告了常用的各项性能指标。在这个二分类问题中，我们需要判断数据属于雾状状态还是非雾状状态，因此常用的性能指标包括灵敏度、特异性、F1分数以及接收者操作特征曲线的AUC值。我们使用了这些指标对所提出的模型进行了全面评估，其评估标准与其他最先进方法保持一致。真阳性指的是被正确识别为雾状状态窗口的样本，而假阳性则是指被错误地标记为雾状状态的非雾状状态窗口。假阴性指的是那些实际上属于雾状状态但未被识别出来的窗口，真阴性则是指被正确分类为非雾状状态的样本。图6以示意图的形式展示了这些性能指标的含义。图6中，A代表雾状状态发作时段，B代表假阳性结果，C代表正常状态时段，D代表真阳性样本，E代表被正确识别为正常状态的样本，L则表示数据处理所需的延迟时间。灵敏度/召回率用于衡量被正确识别为雾状状态窗口的样本数量与总雾状状态窗口数量之间的比率，而特异性则用于衡量被正确识别为非雾状状态窗口的样本数量与总非雾状状态窗口数量之间的比率。精确度则用于评估模型避免出现假阳性的能力。F1分数则是灵敏度与精确度的调和平均值，这一指标常被用来评估不平衡数据集上的模型性能[26]。3.9 雾状状态检测的后处理为了进一步评估LIFT-PD框架的性能，我们还基于模型的预测结果与类别标签进行了后续的后处理分析。3.9.1 霍乱发作时段检测。在研究中，我们通过计算被检测到的发作时段比例以及每个时段内准确识别的霍乱窗口比例，来评估霍乱发作时段的检测效果。只要某个时段内有至少一个窗口被正确识别，该时段即被视为已被检测到。霍乱发作时段被分为三类：短时段（＜6秒）、中时段（6–12秒）和长时段（＞12秒）。接着，我们计算了整个数据集以及各时长类别中被检测到的霍乱发作时段的比例。同时，我们还测量了每个时段内准确识别出的DFW比例（见图6(D)），其计算公式为DFoG(%)=ndetected/ntotal，其中ndetected表示识别出的DFW数量，ntotal则是该时段内的霍乱窗口总数。对于误检的霍乱发作时段，我们计算了每个误检时段与最近的真实霍乱窗口之间的最小距离（见图6(B)），以此了解误报与实际霍乱发作的接近程度。最后，我们评估了霍乱检测的延迟时间，即实际霍乱发作时段开始时间与检测到该时段的时间差（见图6(L)）。这一指标反映了算法识别霍乱事件的响应速度，对于及时干预和管理帕金森病患者而言至关重要。

3.9.2 计算复杂度。为评估将我们的LIFT-PD框架部署在资源有限的可穿戴设备上的可行性，我们进行了多项分析。我们测试了不同输入规模下的训练和测试时间，以确定在使用不同量级未标记数据时，自监督预训练任务的最佳训练规模。训练完成后，我们又测量了不同输入规模下的推理时间，以评估其实时性能。此外，我们还分析了存储输入传感器数据及模型参数所需的内存，以确保其适用于资源受限的设备。为降低能耗并实现长期家庭监测，我们引入了活动阈值优化（ATO）算法（算法1），仅在活跃时段激活霍乱检测模型。假设性能函数P以及活跃窗口数量Nα的计算可在恒定时间内完成，那么不考虑推理模型时的总体运行时间为O(N?αmaxδα)。若计入推理模型的运行时间O(M)，其中M为单个活跃窗口的处理时间，那么调整后的复杂度则为O((M+N)?αmaxδα)。在最佳情况下，即第一次迭代就能找到最优阈值αopt时，运行时间为O(N)。

4 结果

4.1 性能分析。我们主要通过灵敏度、特异性以及其他指标（如被检测到的发作时段比例、延迟时间、精确度、F1分数以及ROC曲线的AUC值）来评估LIFT-PD框架的性能，并将其与具有相同架构和参数的基线监督模型进行对比。这项全面评估展现了我们的自监督学习方法在实时霍乱检测方面的优势及潜在局限。表4汇总了各项指标，结果显示，与基线监督模型相比，自监督学习模型取得了显著提升：平均精确度提升了7.25%，准确度提升了4.4%，特异性提升了6.5%。重要的是，尽管监督力度有所减弱，自监督学习模型仍保持了与基线模型相当的召回率/灵敏度（84%），确保了霍乱发作时段的检测效果不受影响。而平衡精确度与召回率的F1分数，自监督学习模型也高出约3.95%，表明其在检测霍乱发作时段方面的整体表现更为优异。

表4.
组别 精确度/灵敏度/DFW F1分数 准确度 特异性 损失 DFE DFW
0.66 (0.61) 0.82 (0.82) 0.73 (0.70) 0.81 (0.77) 0.81 (0.75) 0.19 (0.23) 86.65% (86.7%) 81.6% (82.0%)
0.82 (0.77) 0.86 (0.86) 0.84 (0.81) 0.84 (0.82) 0.83 (0.78) 0.16 (0.19) 89.35% (90.1%) 86.1% (86.1%)
平均 0.74 (0.69) 0.84 (0.84) 0.79 (0.76) 0.825 (0.79) 0.82 (0.77) 0.18 (0.21) 88.00% (88.4%) 83.85% (84.1%)
最小 0.66 (0.61) 0.82 (0.82) 0.73 (0.70) 0.81 (0.77) 0.81 (0.75) 0.16 (0.19) 86.65% (86.7%) 81.60% (82.0%)
最大 0.82 (0.77) 0.86 (0.86) 0.84 (0.81) 0.84 (0.82) 0.83 (0.78) 0.19 (0.23) 89.35% (90.1%) 86.10% (86.1%)
标准差 0.11 (0.11) 0.03 (0.03) 0.08 (0.08) 0.02 (0.03) 0.01 (0.02) 0.02 (0.03) 1.91 (2.4) 3.18 (2.9)

所提出的LIFT-PD框架的性能
关键指标定义：Acc.：准确度；DFE：检测到的霍乱发作时段；DFW：检测到的霍乱窗口；Prec.：精确度；Rec.：召回率；Sens.：灵敏度；Spec.：特异性；STD：标准差。基线监督模型的性能指标标注在括号内。

表5.
组别 测试组 精确度 召回率/F1分数 特异性 准确度 严重程度
严重 0.71 (0.7) 0.81 (0.79) 0.75 (0.74) 0.79 (0.79) 0.8 (0.79) (40人)
轻度（14人） 0.78 (0.78) 0.81 (0.81) 0.80 (0.79) 0.85 (0.84) 0.83 (0.83)
性别 女性 0.78 (0.67) 0.75 (0.77) 0.76 (0.72) 0.84 (0.71) 0.80 (0.77) (40人)
男性（32人） 0.71 (0.74) 0.67 (0.64) 0.69 (0.68) 0.83 (0.86) 0.77 (0.77)
年龄 老年（20人） 0.80 (0.75) 0.71 (0.71) 0.75 (0.74) 0.86 (0.82) 0.80 (0.78) (40人)
中年 0.70 (0.66) 0.80 (0.79) 0.74 (0.72) 0.82 (0.79) 0.81 (0.79)
用药状态 服药中 0.82 (0.78) 0.79 (0.72) 0.81 (0.75) 0.84 (0.82) 0.86 (0.81)
未服药 0.78 (0.70) 0.8 (0.74) 0.79 (0.72) 0.79 (0.72) 0.82 (0.78)
随机 1（20人） 0.66 (0.61) 0.82 (0.82) 0.73 (0.70) 0.81 (0.75) 0.81 (0.77) (40人)
2（20人） 0.82 (0.77) 0.86 (0.86) 0.84 (0.81) 0.83 (0.78) 0.84 (0.82)

不同群体间的性能比较
基线监督模型的性能指标标注在括号内。
第2组在所有指标上的表现均优于第1组。第1组精确度较低（0.66），是因为存在较多霍乱发作事件，导致误报率上升。而结合自监督学习的DHW技术有效缓解了数据不平衡问题，使得该组在类别不平衡的情况下仍能保持良好性能。图7中的ROC曲线显示，自监督学习模型的曲线下面积略高于监督模型（分别为0.908和0.9078），这说明其在霍乱分类方面的性能更优。尽管两种模型的AUC值非常接近，但这恰恰体现了我们的自监督学习方法具有很强的鲁棒性，即便在训练时仅使用少量标记数据，仍能取得与监督模型相当的性能。图7为监督模型与自监督学习模型的ROC曲线。

4.1.1 与基线模型的比较。我们还将我们的自监督学习方法与两种半监督基线模型在霍乱检测方面的性能进行了对比。为突出我们基于表示学习的策略的优势，我们在LIFT-PD中用以下两种方法替代了自监督预训练阶段：(i)基于Π模型的半监督流程[31]，以及(ii)均值教师法[36]，同时各模型的核心网络、DHW分割算法以及OIM部分保持不变。这两种半监督方法都通过一致性正则化利用未标记数据，但生成伪标签的方式有所不同：Π模型依赖经过置信度过滤的学生预测结果，而均值教师法则利用指数移动平均机制生成稳定且柔和的目标值。虽然这两种基线方法相比纯监督训练有所改进，但它们需要更多比例的标记数据（约为训练集的65–75%，而LIFT-PD仅需40%）才能使伪标签收敛稳定。由于霍乱发作事件的稀疏性和多样性，Π模型早期的伪标签往往噪声较多，而均值教师法在标记比例较低时虽稳定性较好，但灵敏度稍弱。相比之下，我们的自监督预训练任务通过重建被遮蔽的传感器数据段，学习了与标签无关的时间结构，从而使编码器无需依赖临时标签即可从所有记录中泛化出通用特征。因此，LIFT-PD在召回率（0.84，相比均值教师法的0.75和Π模型的0.77）和F1分数（0.79，相比均值教师法的0.72和Π模型的0.75）方面表现更佳，同时在精确度、准确度和特异性方面也与这两种基线模型相当或更优（见表6）。

表6.
组别 精确度 召回率/灵敏度/DFW F1分数 准确度 特异性
SSL MT Π SSL MT Π SSL MT Π SSL MT Π
10.66 0.65 0.66 0.82 0.75 0.73 0.73 0.70 0.70 0.81 0.79 0.80 0.81 0.84
20.82 0.76 0.80 0.86 0.74 0.81 0.84 0.75 0.80 0.84 0.77 0.82 0.83 0.80 0.82

不同时长段的DFE比例
小型（0–6秒） 中型（6–12秒） 大型（＞12秒）
SSL MT Π SSL MT Π SSL MT Π
83.3% 77.7% 79.7% 100% 96.0% 97.0% 100% 99.2% 99.2%

所提出的自监督学习模型与两种半监督基线模型——均值教师法和Π模型——的对比
所有指标均为各组平均值；时段级指标显示了不同时长段霍乱发作时段的检测率，最佳结果以粗体标出。

4.1.2 DHWT方法的通用性。除了主要的tDCS数据集外，我们还将分析范围扩展到了Daphnet[28]以及MotionSense[16]中的两种活动类型（作为二元分类任务）。结果显示，由于需要处理类别不平衡问题，各数据集的训练时间有所增加，但推理时间却保持稳定。DHW技术显著提升了存在类别不平衡时的精确度、F1分数和特异性，证明了其在不同条件下的有效性。在Daphnet数据集中，其精确度提升了161%，特异性提升了108%。这些结果表明DHW技术在不会影响计算效率的前提下具备良好的通用性（见表7）。

表7.
数据集 训练时间 测试时间 精确度 F1分数 特异性 准确度
tDCS 1.8秒↑ 88% 0.94秒(0.92秒) 0.74↑ 7.2% 0.8↑ 5.3% 0.82↑ 6.5% 0.83↑ 5.1%
Daphnet 0.14秒↑ 42% 0.134秒(0.132秒) 0.55↑ 161% 0.44↑ 42% 0.94↑ 108% 0.87↑ 71%
MotionSense 0.08秒↑ 142% 0.022秒(0.024秒) 1↑ 3.1% 0.99↑ 2.5% 1↑ 1.2% 0.99↑ 1.22%

不同数据集中DHWT方法的性能比较
第二行数值为相比基线的提升幅度。

表8.
指标 统计量 p值 解释
精确度 3.18 0.011 使用LIFT-PD后有统计学意义上的显著提升（p＜0.05）。
召回率 1.87 0.094 虽无统计学显著性（p＞0.05），但LIFT-PD仍呈现上升趋势。
F1分数 4.20 0.0023 使用LIFT-PD后F1分数有极显著的提升。
特异性 2.74 0.023 使用LIFT-PD后假阳性率显著降低（p＜0.05）。
准确度 4.27 0.0021 使用LIFT-PD后整体准确度有极显著的提升。

将LIFT-PD与监督模型进行对比的配对t检验结果

4.1.3 不同受试者群体的鲁棒性。为确保方法的通用性，我们根据严重程度（轻度，N=14人）、性别（男性，N=32人）和年龄（中年，N=20人）等关键特征将数据集（共N=40人）划分为不同群体（见表5）。设置这些群体是为了纳入异常值，体现现实世界中的多样性，从而确保模型能够在不过度拟合任何特定人群的情况下处理不同特征的患者。我们在所有群体中都观察到了F1分数、准确度和特异性方面的提升，尤其是轻度病例和老年群体，这进一步证明了该方法在不同患者特征下的有效性。至于用药状态，我们分别分析了处于“服药中”和“未服药”状态的患者数据。处于服药状态的患者由于多巴胺治疗的效应，运动症状通常较轻，而未服药状态则表现为更明显的运动症状及波动。有趣的是，在训练时将两种状态的数据合并后，模型反而取得了更好效果，因为它能够更好地捕捉到患者在服药与未服药状态之间的差异（随机组2）。这说明LIFT-PD能够有效适应不断变化的运动症状，从而在不同的用药状态下实现精准检测，这对实际临床监测和干预计划制定非常重要。

4.2 预测霍乱评分的临床相关性。为评估LIFT-PD预测结果的临床意义，我们计算了模型生成的霍乱评分与标准临床指标之间的相关系数（见表8）。此处，霍乱评分是指测试过程中每个受试者出现DFW的时间占比。这一指标可概括地反映模型在每位受试者身上检测到霍乱相关特征的频率。研究发现，霍乱评分与NFOGQ评分（皮尔逊相关系数r=0.72，p＜0.01）以及UPDRS-III“未服药”状态评分（r=0.63，p＜0.05）存在显著相关性，而这些指标都是衡量疾病严重程度和运动功能受损程度的常用临床指标。这些结果表明，模型的预测结果与临床评估高度一致，进一步证明了该模型在患者监测方面的应用潜力。

4.3 性能差异的统计分析。为从统计学上验证LIFT-PD相较于监督基线模型所展现出的优势，我们对多个性能指标进行了配对t检验。结果表明，LIFT-PD在精确度（p=0.011）、F1分数（p=0.0023）、特异性（p=0.023）和准确度（p=0.0021）方面均存在统计学意义上的显著提升，这说明它在与临床应用相关的关键指标上表现更优。尽管召回率的提升在5%显著性水平上不具统计学显著性（p=0.094），但仍呈现上升趋势，说明其在不同患者群体中的性能较为稳定。这些发现进一步证明了所提出方法的可靠性和稳健性。

4.4 与最先进模型的比较。表9对比了我们的LIFT-PD模型与目前用于检测帕金森病患者霍乱症状的最先进方法们的性能。为保证公平性，所有模型都是从零开始实现的，并且在相同的实验协议下于同一数据集上进行了测试。虽然多头CNN[4]在霍乱发作时段和窗口的检测率方面表现最高（分别为97.27%和94.64%），但其精确度和特异性较低（分别为0.545和0.491），这意味着其假阳性率较高。较高的假阳性率会因为患者对持续干预的适应而降低干预措施的效果[7, 9]。单类分类器[21]的精确度和特异性较高（分别为0.856和0.891），但召回率较低（0.716），会导致许多真实的霍乱发作事件被遗漏，进而影响监测效果并延误干预。半监督模型[19]的召回率比LIFT-PD低约12%，特异性低约13%，因此不太适合仅依靠一个加速度计进行家庭监测。

表9.
研究 DFE 召回率/灵敏度/DFW 精确度 F1分数 特异性
单类分类器[21] 90.8% 71.6% 0.86 0.77 0.89
半监督模型[19] – 72.3% – 0.71
多头CNN[4] 97.3% 94.6% 0.56 0.68 0.49
LIFT-PD 88% 84% 0.74 0.79 0.82

与最先进模型的比较
最佳结果以粗体标出，次佳结果则用下划线标出。

我们的LIFT-PD模型实现了较为均衡的性能，其霍乱发作时段检测率为88%，窗口检测率为83.85%，精确度为0.74，召回率为0.84，F1分数为0.79，特异性为0.82。这些结果表明，LIFT-PD的性能与监督方法相当，同时更适于在计算资源有限的场景下实现实时可穿戴设备监测。

4.5 基于时长段的霍乱发作时段分析。表10展示了按时长划分的霍乱发作时段和窗口的检测率以及对应的延迟时间指标。我们的自监督学习模型性能与基线监督模型进行了对比，后者指标标注在括号内。

表10.
时长 霍乱发作时段检测率(%) 窗口检测率(%) 延迟时间（秒） 标准差
小型，0–6秒 83.3% (82.8%) 2.42 ± 0.45秒 (2.38 ± 0.45秒)
中型，6–12秒 100% (98.8%) 2.6 ± 0.96秒 (2.5 ± 0.82秒)
大型，＞12秒 100% (100%) 2.64 ± 1.45秒 (2.6 ± 1.29秒)
最大延迟时间 4.5秒 (4.5秒) 6秒 (5.25秒)
9.75秒 (9.75秒)对于较短时段的病例，检测率为83.3%，而时间窗口的检测率为68%，平均延迟时间为2.42±0.45秒。对于较长时段的病例，这些检测率分别上升至100%和91.1%，延迟时间为2.64±1.45秒。较长时段病例检测率提升的原因是其表现出更为明显且持续的福格综合征特征，如震颤和步态不稳，而这些特征能被SSL模型有效捕捉。较长时段病例检测率提升也是因为类似震颤和步态不稳的显著持续特征可被LIFT-PD有效识别。从病例开始到被检测到的延迟时间会随时长略有增加，短时段病例的平均延迟为2.42±0.45秒，而长时段病例则达到2.64±1.45秒。最大延迟时间从短时段的4.5秒上升到长时段的9.75秒，这反映出为准确判断福格综合征的发作，需要更长时间来分析更多数据。尽管存在这种延迟增加，长时段病例的检测精度依然更高，体现了SSL模型在平衡延迟与精度方面的优势，从而能够在不同时长病例中实现可靠的福格综合征检测。

针对较短时段的福格综合征病例进行的故障分析显示，这类病例（<6秒）的检测率较低（83.3%，见表10），主要是因为其发作起始与结束时间常常与时间窗口边界重合。这就导致3秒时间窗口内以福格综合征特征为主的样本比例下降，进而造成时间线索模糊，出现检测延迟。此外，当运动开始时MAM阈值较高时，模型的激活可能会被推迟，从而导致首次阳性预测出现延迟。未来的研究将探讨采用自适应时间窗口（如2.5秒窗口）以及基于边界特征的平滑处理方法，以提高对短暂病例的响应速度。

4.6 MAM中的阈值效应

为确定MAM的最佳活动阈值，我们评估了不同阈值值对各项性能指标的影响，结果见表11和图8。如表11所示，降低活动阈值（如0.0）可以提高灵敏度（0.884）和DFE比率（0.92），这意味着能检测到更多福格综合征事件。但相应地，特异性会降低（0.78），且由于SSL模型在非活跃时段也会频繁被激活，推理时间会增加到3.31毫秒。相反，提高活动阈值（如1.2）则能使特异性提升至0.846，拒绝比率下降至0.59，意味着在非活跃时段出现的误检会减少。不过，这一改进伴随着灵敏度（0.845）、DFE比率（0.809）的轻微下降，以及更多福格综合征事件的漏检。图8展示了活动阈值对SSL性能的影响，表11则列出了不同阈值下的灵敏度、特异性、DFE比率及拒绝比率、推理时间等参数。

不同激活阈值对MAM的影响如图8所示，随着阈值升高，特异性和拒绝比率稳步上升，而灵敏度及整体检测性能（F1分数）则逐渐下降。因此，需谨慎选择阈值，以在准确检测活跃时段与有效排除非活跃时段之间取得平衡，从而优化计算资源使用。图9显示，随着活动阈值提高，无论是监督学习模型还是自我监督学习模型的执行时间都会缩短。当阈值为1.2g时，SSL模型的执行时间可降至约1.1毫秒（见表11和图9）。这一下降得益于MAM能有效过滤掉非活跃时段，从而减少了需要运行的计算密集型SSL模型的工作量。由于SSL模型在预训练编码器之上还多了一个MLP层，其推理时间略高于监督学习模型。尽管存在这一小幅增加，但SSL模型仍展现出更强的鲁棒性，且仅需40–60%的标注训练数据即可实现更优性能。监督学习模型每个时间窗口的平均执行时间为0.0295毫秒，而SSL模型则为0.0379毫秒。图9展示了活动阈值对推理时间的影响。

4.6.1 电池寿命估算

电池寿命的估算是基于实验中使用的本地硬件所测得的推理时间得出的。不同的活动阈值设置（α）对应不同的平均推理时间（见表11），该数值被用作能耗的替代指标。假设能耗与推理持续时间成正比，那么平均计算能耗可表示为：Eavg=(1?ρ)Einf+Ebase，其中ρ为拒绝比率，Einf为实际测得的推理能耗（或时间）。当α为1.2g时，拒绝比率降至0.59，推理时间从3.31毫秒缩短至1.1毫秒，计算负荷大约降低了2.4倍。这一改进意味着在同类低功耗可穿戴设备上，系统运行时间可从约20小时延长至48小时以上。由于MAM是基于平均去除后的加速度幅值进行工作的，因此它对传感器方向、轻微位移以及短暂的运动异常具有较好的适应性。

4.7 时间窗口大小对病例检测的影响

我们通过随机选取训练数据中10%作为验证集，进行了大量验证实验。结果表明，较长的时间窗口，如4秒或5秒，会在福格综合征病例的检测上带来延迟，这可能是由于包含了与福格综合征发作并无密切关联的步态片段，这一结论与之前的研究[14, 18]一致。在所测试的2–5秒时间窗口中，3秒窗口最为理想，因为它能在检测延迟与数据相关性之间实现最佳平衡。虽然从直觉上看，较短的窗口（2秒）在某些情况下可能有助于减少较长福格综合征病例的检测延迟，但我们的验证表明，较短窗口缺乏足够的上下文信息，无法实现可靠检测，因此其平均检测延迟略高于3秒窗口，如图10所示。而更长的窗口（3.5秒、4秒、5秒）虽不会提升检测精度，却会进一步增加检测延迟。综上，我们选择3秒窗口作为实现最佳检测性能的选项。图10展示了不同时长病例下窗口大小对福格综合征检测延迟的影响。

4.8 预训练期间标签的作用

图11展示了在不同标签比例（横轴）条件下，SSL模型与监督学习模型在训练过程中的性能变化（纵轴）。随着标签比例从0.2上升至0.7（即可用于训练的标注数据增多），两种模型的精确度、召回率、F1分数及整体准确率等指标均呈现上升趋势，这与更多标注数据可用时的预期表现相符。不过，值得注意的是，与监督学习模型相比，SSL模型表现出更高的稳定性与一致性，后者的性能在不同标签比例下波动更为明显。这种稳定性凸显了SSL模型的强健性，使其对训练过程中标注数据的可用性不太敏感。同时这也表明该模型能够利用未标注数据进行的预训练，学习出可迁移至目标任务的通用特征。图11还显示，即便只有40–60%的标注数据，SSL模型的性能也能与监督学习模型相媲美，有时甚至更优，这体现出其在标注数据较为匮乏的场景下仍能取得良好效果，具备较高的效率与适应性。

4.9 后处理

后处理分析研究了LIFT-PD框架所检测到的假阳性与真阴性事件之间的时间关系。平均而言，假阳性事件发生在上一个真阴性事件之后16秒，以及下一个真实病例发作之前18.5秒，这表明它们往往源于实际福格综合征事件发生后的残余运动不稳定或传感器误差。我们的“假阳性前分析”显示，假阳性事件通常出现在距离最近的真阴性事件约14秒处，这说明系统对福格综合征发作前后细微的运动模式变化具有高度敏感性。这些误报可作为福格综合征即将发作的预警信号，为及时调整治疗方案提供宝贵时间窗口。为解决零星出现的误检问题，我们采用了多数投票机制：若某个时间窗口的分类结果与其相邻窗口不一致，则对该窗口的结果进行调整，使其与相邻窗口一致，从而平滑检测序列。这一方法提升了检测性能，使得真正被检测到的福格综合征病例比例从88%上升至89.8%，真正被检测到的福格综合征时间窗口比例也从83.85%上升至84.64%。

5 局限性

尽管LIFT-PD在实际应用中展现出良好的性能与优势，但仍存在若干局限性。首先，虽然该模型在多种数据集及不同患者群体中都能良好泛化，但还需要在更多具有不同临床状况和疾病进展阶段的患者群体中进行进一步验证，尤其是那些以震颤为主要症状或其他非典型帕金森病运动症状的患者，以此确认其鲁棒性及临床适用性。具体而言，还需进一步评估该模型在存在静止性震颤、运动障碍或动作迟缓等干扰症状时的检测准确性，这类症状在帕金森病患者中较为常见。其次，虽然该系统仅依靠单个加速度计即可正常工作，但若能引入陀螺仪或生理传感器（如心率、皮肤电导率传感器）等更多类型的传感器，或许能进一步提升检测精度，尤其是在检测细微或早期阶段的福格综合征事件时。第三，尽管OIM技术显著提升了能源效率，但它有时可能会延迟模型激活，从而导致一些极其短暂或微弱的福格综合征事件被遗漏。第四，虽然OIM中的决策阈值是通过使用训练数据中的小规模验证子集经过经验优化的，但这一阈值选择过程仍依赖于特定数据集，可能无法在不同条件或传感器配置下通用。我们意识到真实环境中的诸多变量会影响系统性能，目前正在研究基于独立数据集的、与数据集无关的阈值校准方法，未来有望进一步提升阈值选择的稳健性，确保在不同应用场景下都能保持稳定性能。最后，尽管SSL算法减少了所需标注样本的数量，但模型的初始参数调优与训练仍部分依赖标注数据，完全无监督的模型适配仍然是一个有待解决的难题。未来的研究应着力解决这些问题，进一步优化LIFT-PD的性能、临床应用价值及其适应性。

6 讨论

在本研究中，我们提出了LIFT-PD，这是一种计算效率高且稳定性强的SSL框架，专为实时、无需依赖特定患者的帕金森病福格综合征发作检测而设计。我们所提出的方法解决了持续居家监测福格综合征时面临的诸多难题，尤其是对大规模、高标注密度数据集的依赖以及较高的能耗问题。通过引入一种新的DHWT算法，LIFT-PD能够有效处理数据分布不均衡及多样的步态特征，从而减轻标注工作负担，提升临床应用的可行性。此外，通过整合OIM技术，该系统仅在患者行走时才激活深度学习模型，大幅降低了能耗。这种选择性激活机制显著延长了电池续航时间，使得连续超过48小时的可穿戴监测成为可能。该系统所需的数据预处理工作极少，仅需在腰部放置一个三轴加速度计——这一传统上被认为不够理想的方案，通过我们的SSL策略却展现了极高的实用性。从临床角度看，LIFT-PD能够实现准确、实时的福格综合征检测，从而及时提供听觉、视觉或触觉等刺激信号，这对于打破或预防福格综合征发作、避免患者产生习惯性反应至关重要[6, 22]。为评估该模型的临床稳健性，我们根据疾病严重程度、年龄、性别及用药状态对检测性能进行了分层分析。这些分组反映了帕金森病临床表现与管理中存在的已知差异因素。LIFT-PD在所有分组中均保持了较高的F1分数和特异性，尤其在老年患者及正在服药的患者群体中表现更为出色。该系统能够在不同患者群体中——包括不同疾病严重程度、用药状态及年龄层——稳定检测出福格综合征发作，进一步证明了其在实际临床场景中的广泛应用价值，有助于实现更加个性化的患者管理。大多数误检发生在持续时间较短、变化迅速的福格综合征发作中（<6秒），此时窗口内的运动变化较为剧烈，而运动幅度较小。这类情况对时间连续性判断及MAM模型的激活灵敏度都构成了挑战。采用自适应阈值调整以及更短、重叠的推理时间窗口，可能是进一步减少此类误检的有效途径。虽然短时段病例的检测率低于长时段病例，但需结合临床实际情境来理解这一性能差异。一般来说，短时段的福格综合征发作对患者活动能力及跌倒风险的危害相对较小，但它们可能预示着药物作用正在减弱，或是更长时段发作的前兆。表10显示，短时段病例的平均检测延迟时间为2.42±0.45秒，这一时间仍为采取预防性干预措施提供了足够的时间窗口。此外，我们还将LIFT-PD与多种先进的半监督学习方法进行了对比，包括已发表的Mikos等人设计的模型[19]、一种Π模型作为基准，以及一种MT变体，所有方法的评估均采用相同的数据划分方式与模型架构。尽管这些半监督学习方法能够通过一致性正则化利用未标注数据，但它们仍需要较多比例的标注数据才能保持稳定性能，且在检测短暂福格综合征事件时的灵敏度较低。相比之下，所提出的SSL框架在使用更少标记数据（40%）的情况下仍能获得更高的召回率和F1分数，这体现了其能够学习到强大且与标签无关的步态表示，从而在不同受试者和临床情况下都能有效泛化。7 结论总体而言，LIFT-PD为实时检测帕金森病中的冻结步态提供了实用且具有临床意义的解决方案。该系统通过创新的SSL技术和机会主义推理策略，实现了强大且与患者个体差异无关的监测功能，降低了对标记数据的依赖，同时显著延长了电池使用寿命。由于仅依赖一个佩戴在腰部的加速度计，该系统保证了患者的舒适度与依从性，提升了其在家庭中持续使用的可行性。此外，LIFT-PD在年龄、性别、疾病严重程度以及用药状况等方面都表现出良好的泛化能力，其输出结果与临床评估指标（如NFOGQ和UPDRS-III Off评分）存在显著相关性，进一步证明了其临床应用潜力。最终，通过实现准确及时的冻结步态检测，并提供有针对性的个性化干预建议，LIFT-PD显著提升了家庭监测能力，改善了帕金森病的症状管理，从而有助于提高患者的生活质量。数据与代码获取方式本研究使用了公开可用的tDCS冻结步态数据集。该数据集包含来自帕金森病患者的可穿戴式3D下背部分布式传感器记录，这些记录已标注出冻结步态发生的时刻。针对“启动犹豫”“转向”和“行走”这三类事件，其真实标签是通过专家逐帧视频标注得到的。该数据集可通过竞赛网站获取：https://kaggle.com/competitions/tlvmc-parkinsons-freezing-gait-prediction。LIFT-PD框架的代码库，包括模型实现、训练脚本以及评估流程，均可在以下地址获取：https://github.com/shovito66/LIFT-PD。