基于监督式对比学习的可穿戴IMU步态信号数字生物标志物发现

事件概述

相关报道显示，研究提出一种基于监督式对比表征学习的数字生物标志物EDGB：用多输入卷积神经网络将可穿戴IMU的加速度、角速度及其时间导数编码为32维表示，并根据与健康、神经系统、骨科三类原型的距离构建指标。在Voisard临床步态公开数据集的受试者级划分测试中，EDGB区分三类步态的AUC分别为90.59%、88.47%、99.50%，临床类别可解释其71%方差，且重复试验一致性ICC(2,1)=0.82。

这类研究的意义不只在于提出新的疾病认识，也在于为早筛、分层诊疗和随访管理提供更具体的检测依据。

产业观察

前沿医学研究会持续推动检测技术、临床分层和疾病管理方式的变化。

文章来源

https://www.medrxiv.org/content/10.64898/2026.07.02.26357115v1