Helena R. Gonçalves，Cristina P. Santos
（University of Minho，Center for MicroElectroMechanical，Portugal）
步态冻结（Freezing of gait，FoG）是帕金森病（Parkinson’s disease，PD）中最致残的运动症状之一，它影响大约一半的帕金森晚期患者。步态冻结的定义是指“企图行走时或前进过程中步伐短暂、突然地中止或明显减少”。步态冻结的病理模型表明，视觉或其他刺激对感觉超载的额外需求会导致典型的基底神经节通路过度激活，从而导致运动受限和冻结事件的发生。尽管步态冻结的原因是多方面的，但它们通常是对环境触发的响应而发生的，例如转弯和穿过狭窄的空间，例如门口。本文的门检测就是对住宅门口的检测（door detection）。
这种破坏（感觉超载和基底神经节通路中断）似乎可以通过使用外部感官线索（视觉、听觉和/或振动触觉）来克服，这可能有助于基底神经节回路转移到健康的备用神经运动通路。患者走到步态冻结触发环境前，装备（外部线索）可以通过指示患者在行走时应该将脚放在何处或何时放置来提供空间和时间信息。据推测，在步态冻结触发环境前，存在外部线索的情况下的患者会通过促进以目标为导向的步态而更专注于行走。因此，对此类触发环境的识别已成为PD研究社区的一个相关问题。然而，据文章作者所知，没有研究专注PD领域的门检测。而门检测是推进PD运动辅助或康复设备开发的有意义的一步，文章开发了一种基于摄像头的门检测系统，并将其集成到可穿戴生物反馈设备中。文章的解决方案不仅为PD的运动辅助或康复设备带来门检测的创新功能外，还补充当前的转弯环境下生物的反馈路径。
传感技术的最新进展和低成本设备（如微型相机模块）的出现使得图像收集变得更加可行和负担得起，此外还可以轻松集成到可穿戴设备中。越来越丰富的捕获图像鼓励研究社区利用这些更丰富的内容来解决与理解对象分类、检测和跟踪场景相关的计算机视觉问题。在过去几年中，深度学习（Deep Learning，DL）方法已被证明优于其他先前的机器学习技术，其中计算机视觉是最突出的案例之一。DL使用多个处理层的计算模型来学习和表示具有多个抽象级别的数据。
本文介绍了一个基于DL的对象检测模型，该模型在树莓派板中实现并使用其相机模块；开发了一种可穿戴生物反馈设备，通过使用DL 技术实时检测患者的环境来提供本体感受提示，以提供关于PD的情境感知生物反馈。该研究主要有两点贡献：（1）使用TensorFlow对象检测API的迁移学习进行端到端自定义对象（门）检测；（2）通过将基于 TensorFlow的模型转换为TensorFlow Lite（TF-Lite）版本，在树莓派中得到经过训练的对象检测模型。
资料来源：
根据Helena R. Gonçalves等于2023年发表在Expert Systems With Applications期刊题目为《Deep learning model for doors detection: A contribution for context-awareness recognition of patients with Parkinson’s disease》的文章缩写整理而成。
