用于帕金森病坐立动作时间分割的不确定性增强时空框架

《IEEE Transactions on Neural Systems and Rehabilitation Engineering》：Uncertainty-Enhanced Spatiotemporal Framework for Sit-to-Stand Temporal Segmentation in Parkinson’s Disease

　　

摘要：

在帕金森病患者的坐立转换动作中实现自动的时间分割面临诸多挑战，这些挑战包括多尺度时间动态、边界模糊以及连续视频流中严重的类别不平衡问题。现有的STS评估方法主要侧重于预分割后的动作识别，而非帧级的时间定位，因此难以用于长期的家庭监测。为解决这些问题，我们提出了一种增强不确定性的时空框架，该框架将图卷积网络与不确定性建模相结合，以实现精确的时间动作分割。具体而言，我们设计了一种新的时空架构，它将基于图的空间关节建模与分层多尺度时间特征金字塔相结合，从而捕捉不同时间尺度下的复杂运动模式。此外，我们还引入了高斯边界不确定性建模方法，将尖锐的二元转换转化为平滑的概率表示，以此体现病理性运动边界的渐进性和模糊性。另外，我们设计了双头架构，同时优化动作分割和边界不确定性估计，以有效应对临床数据中严重的类别不平衡和固有的标注模糊问题。我们还开发了一种考虑边界的后处理机制，利用学到的不确定性估计来提升时间定位的准确性。在真实的帕金森病数据集上的实验表明，该方法的性能更为优异，F1@50值达到92.59%（50%重叠率下的分割级F1值），mIoU值达到81.78%，均优于现有的时间动作分割方法。消融实验验证了各组件的有效性，统计分析也表明在5折交叉验证中性能保持稳定。我们的框架为临床中的持续自动化移动性监测奠定了基础...

查看更多