Freezing of Gait Prediction From Accelerometer Data Using a Simple 1D-Convolutional Neural Network — 8th Place Solution for Kaggle’s Parkinson’s Freezing of Gait Prediction Competition

要約

すくみ歩行（FOG）はパーキンソン病（PD）患者によく見られる運動症状です。
FOG のエピソード中、患者は意図したとおりに歩く能力を突然失います。
患者が装着する加速度計は、これらのエピソード中の患者の動きに関する情報を捕捉でき、機械学習アルゴリズムはこのデータを分類できる可能性があります。
したがって、この組み合わせはリアルタイムで FOG を検出できる可能性を秘めています。
この研究では、加速度計データ内の FOG イベントを検出するようにトレーニングされた単純な 1 次元畳み込みニューラル ネットワークを紹介します。
モデルのパフォーマンスは、通常の動きと FOG エピソードを区別するモデルの成功度を測定することによって評価され、Kaggle のプライベート リーダーボードでの平均精度は 0.356 でした。
最終的に、このモデルはパーキンソン病の凍結歩行予測コンテストで 1379 チーム中 8 位にランクされました。
この結果は、深層学習ベースのソリューションが FOG 検出分野を進歩させ、PD 患者への介入と管理戦略の改善に貢献する可能性を強調しています。

要約(オリジナル)

Freezing of Gait (FOG) is a common motor symptom in patients with Parkinson’s disease (PD). During episodes of FOG, patients suddenly lose their ability to stride as intended. Patient-worn accelerometers can capture information on the patient’s movement during these episodes and machine learning algorithms can potentially classify this data. The combination therefore holds the potential to detect FOG in real-time. In this work I present a simple 1-D convolutional neural network that was trained to detect FOG events in accelerometer data. Model performance was assessed by measuring the success of the model to discriminate normal movement from FOG episodes and resulted in a mean average precision of 0.356 on the private leaderboard on Kaggle. Ultimately, the model ranked 8th out of 1379 teams in the Parkinson’s Freezing of Gait Prediction competition. The results underscore the potential of Deep Learning-based solutions in advancing the field of FOG detection, contributing to improved interventions and management strategies for PD patients.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google