使用步态指标进行三类虚弱评估的深度学习模型比较评估

《Frontiers in Aging》:Comparative evaluation of deep learning models for three-class frailty assessment using gait metrics

【字体: 大 中 小 】 时间:2026年07月07日 来源:Frontiers in Aging 4.9

编辑推荐:

  背景:老年人虚弱评估通常依赖于耗时且需要训练有素人员的主观临床工具,限制了其在常规或大规模筛查中的应用。基于可穿戴传感器的步态分析提供了一种有前景的客观替代方法;然而,使用结构化步态指标进行多类虚弱分类的深度学习模型的全面评估仍然有限。方法:研究人员评估了多种

  
背景:老年人虚弱评估通常依赖于耗时且需要训练有素人员的主观临床工具,限制了其在常规或大规模筛查中的应用。基于可穿戴传感器的步态分析提供了一种有前景的客观替代方法;然而,使用结构化步态指标进行多类虚弱分类的深度学习模型的全面评估仍然有限。方法:研究人员评估了多种深度学习架构,用于使用单一可穿戴惯性测量单元(IMU)提取的结构化步态特征进行三类虚弱分类。使用公开的GSTRIDE数据集评估了四种架构(Transformer、ShapeFormer、InceptionTime和LSTM-CNN),该数据集包含163名老年人(非虚弱:n = 65,前虚弱:n = 77,虚弱:n = 21)。使用从单个IMU提取的11个临床可解释的步幅级步态变量作为模型输入。采用10折参与者级交叉验证方案,与原始实现的默认配置(cv_seed = 1)匹配,以确保稳健的性能估计并防止数据泄漏。结果:四种架构在统一协议下产生了可比较的平均准确率(ShapeFormer 73.1% ± 10.6%,Transformer 72.6% ± 6.0%,InceptionTime 70.5% ± 9.5%,LSTM-CNN 65.9% ± 9.8%)。对每折分数的Friedman总体检验未能拒绝性能相等的零假设(准确率和macro-F1(宏平均F1)的p值分别为0.050和0.056,处于临界值,macro-AUC(宏平均曲线下面积)无显著差异p = 0.840),表明表面上的排名在抽样变异性之内。非虚弱和前虚弱个体的性能较高,而虚弱个体的分类在所有模型中仍然具有挑战性。结论:使用来自单个可穿戴传感器的结构化步态指标进行多类虚弱分类是可行的,尽管性能因模型和虚弱类别而异。模型稳定性和对特定类别的敏感性是重要的权衡。意义:这些发现支持开发可扩展、客观的虚弱评估方法,并强调了根据临床优先选择模型的重要性。
随着全球人口老龄化加剧,虚弱(frailty)作为一种多维度综合征,与不良结局(如跌倒、住院、死亡)密切相关,且在前虚弱(pre-frail)阶段具有可逆性,因此早期识别至关重要。然而,当前临床评估工具(如Fried衰弱表型及临床衰弱量表)存在局限性:主观性强、耗时、需要训练有素人员,不适合常规或大规模筛查。步态(gait)作为健康敏感标志,可通过可穿戴惯性测量单元(IMU)客观量化,但现有研究多集中于二分类,忽略前虚弱与虚弱的区别;多分类研究缺乏全面评估,且存在数据泄漏问题;原始传感器信号缺乏临床可解释性。因此,研究人员开展了这项研究,旨在系统比较多种深度学习模型在结构化步态指标下进行三类虚弱分类。该研究使用公开的GSTRIDE数据集(García-de-Villa等,2023),包含163名西班牙社区老年人(非虚弱n=65、前虚弱n=77、虚弱n=21),从单个IMU提取11个临床可解释的步幅级步态变量(包括步长时间、摆动期百分比、足尖离地角度等时空、运动学参数),评估了四种深度学习架构:Transformer(基于自注意力的编码器)、ShapeFormer(结合形状元组与注意力的双流模型)、InceptionTime(多尺度卷积集成)和LSTM-CNN(双向长短期记忆网络+卷积混合模型)。采用10折参与者级分层交叉验证,使用类加权交叉熵损失处理类别不平衡,并通过Friedman总体检验等统计方法比较性能。得出结论:四种架构在统一协议下平均准确率介于65.9%–73.1%,其中ShapeFormer最高(73.1%),Transformer变异最小(±6.0%),InceptionTime在虚弱类F1分数最高(73.0%),LSTM-CNN在虚弱召回率最高(85.0%),但Friedman检验显示差异不显著(准确率p=0.050,macro-F1 p=0.056,macro-AUC p=0.840)。这些结果支持使用结构化步态指标进行客观虚弱评估,并凸显了根据临床优先选择模型的重要性。论文发表在《Frontiers in Aging》。

技术方法方面,研究使用GSTRIDE数据库(163名西班牙社区老年人,按Fried表型分为非虚弱、前虚弱、虚弱),从单个可穿戴IMU(9自由度,置于足背)采集步行数据,提取11个步幅级变量(包括步长时间、摆动期百分比、足尖离地及足跟触地角度、步频、速度、步长、离地间隙等)。模型评估采用4种深度学习架构:Transformer(编码器结构,8头自注意力)、ShapeFormer(类特定shapelet流与通用卷积流融合)、InceptionTime(五网络集成,卷积核大小10、20、40)、LSTM-CNN(128单元双向LSTM+两层卷积)。评估框架包含10折参与者级分层交叉验证,使用类加权交叉熵损失,三种随机种子,共30次运行,指标涵盖准确率、macro-F1、macro-AUC及每类精确率召回率。

研究结果部分,3.1 整体与多指标性能:通过综合准确率、macro-F1、macro-AUC等指标,发现四种模型整体性能相当,ShapeFormer准确率73.1%最高,但Friedman检验未达显著差异(准确率p=0.050,macro-F1 p=0.056,macro-AUC p=0.840),表明排名在抽样变异内。3.2 每类性能:通过分析每类精确率、召回率、F1,发现虚弱类性能最低且变异性大(F1标准差24–37%)。InceptionTime在虚弱类F1最高(73.0%),LSTM-CNN召回率最高(85.0%)但精度低。非虚弱和前虚弱类性能较高,但模型间表现不同。3.3 消融研究:3.3.1 损失函数与阈值敏感性:比较类加权交叉熵与focal loss,无一致优势,保留类加权交叉熵。3.3.2 原始IMU与结构化特征:在相同协议下,结构化特征在所有模型上提升了准确率2.0–10.1个百分点,尤其虚弱类F1提升明显(如ShapeFormer提升23.9个百分点),表明结构化特征的优势。

讨论部分总结:研究证实了三类虚弱分类的可行性,但虚弱类性能受限于小样本(仅21人)。模型选择应基于每类性能特征,而非单一准确率。统计检验未发现显著差异,但每类操作特性(如虚弱类召回率与整体准确率权衡)是主要区分点。未来应增加样本量、收集纵向数据、采用多模态传感器(如心率变异性、呼吸等)以增强鲁棒性。研究结论翻译如下:总之,本研究使用来自单个可穿戴IMU的结构化步态指标,对四种深度学习架构进行了三类虚弱分类的系统比较。在统一评估协议下(10折分层交叉验证、三个模型种子、每个架构n=30次运行),Friedman总体检验表明准确率(p=0.050)和macro F1评分(p=0.056)存在差异的弱证据,而macro-AUC(p=0.840)无差异证据;所有配对比较均未通过Holm校正。因此,这四种架构的主要差异在于每类操作特性而非整体排名:ShapeFormer取得了最高的整体准确率(73.1%)和macro-AUC(79.0%);InceptionTime取得了最高的虚弱类F1评分(73.0%);Transformer取得了最低的折间准确率变异(±6.0%);LSTM-CNN取得了最高的虚弱召回率(85.0%),但以较低的整体准确率为代价。这些结果支持使用结构化步态指标进行客观的虚弱评估,并表明应根据与临床用例最佳匹配的每类操作特性来指导架构选择。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号