机构名称：
¥ 1.0
摘要 — 步态特征下降在老年人中很常见，是残疾、发病和死亡风险增加的指标。在双任务步行 (DTW) 条件下，老年人的步态和次要认知任务的表现进一步下降，这与跌倒史显着相关。最近有研究通过功能性近红外光谱 (fNIRS) 测量老年人 DTW 期间的步态皮质控制，特别是前额皮质 (PFC)。然而，在单任务和双任务步态条件下认知激活差异的自动分类尚未得到广泛研究。在本文中，我们将其制定为分类任务，并利用深度学习对 STW、DTW 和单认知任务 (STA) 进行自动分类。我们对数据样本进行分析，揭示 HbO2 和 Hb 值之间差异的特征，随后将其用作附加特征。我们执行特征工程，将 fNIRS 特征公式化为 3 通道图像，并应用各种图像处理技术进行数据增强，以提高深度学习模型的性能。实验结果表明，使用收集的 fNIRS 数据集以及性别和认知状态信息进行微调的预训练深度学习模型可以实现约 81% 的分类准确率，比传统机器学习算法高出约 10%。我们进一步进行了消融研究，以确定 fNIRS 级别和/或体素位置等特征对分类任务贡献的排名。
基于深度学习的步行任务分类......
主要关键词
相关文件推荐
