NeuralGait：使用智能手机评估大脑健康

随着人口老龄化，大脑健康越来越受到关注。基于智能手机的步态传感和分析可以帮助识别日常生活中的脑部疾病风险以进行预防。现有步态分析方法主要手工设计时间步态特征或开发基于CNN的特征提取器，但它们要么容易丢失一些不明显的病理信息，要么仅专注于单一脑部疾病的筛查。我们发现步态段落之间的关系可以作为检测多种病理模式的通用指标。本文提出NeuralGait，一个普及的智能手机-云系统，被动捕获和分析用于大脑健康评估的步态段落关系。在智能手机端，将手机放在裤兜中时收集惯性步态数据。然后，我们构建局部时频步态域特征，并开发基于自注意力的步态段落关系编码器。随后，域特征和关系特征被输入云中的可扩展RiskNet进行大脑健康评估。我们还设计了病理热点更新协议，以有效地在RiskNet中添加新的脑部疾病。NeuralGait非常实用，因为它可以在日常生活中无负担地提供大脑健康评估。在实验中，我们招募了988名健康人和417名患有帕金森病、脑外伤和中风单病或合并症的患者，并使用一组专门设计的指标评估大脑健康评估，包括全局准确率、精确准确率、灵敏度和误报率。我们还展示了NeuralGait的泛化能力（如特征有效性分析和模型效率分析）和包容性。