帕金森病（Parkinson’s disease, PD）运动功能障碍的精确定量评估由于传统传感器的局限性仍然具有挑战性：惯性测量单元（inertial measurement units, IMUs）易受漂移伪影影响，而表面肌电（surface electromyography, sEMG）对低频肌肉执行信号（<5 Hz）的捕获灵敏度不足（72.3%）。为实现连续、定量且具有临床可解释性的运动评估，研究人员提出了一种新型BiLSTM-MHA架构，并将其与自主研制的柔性光电传感器集成，该传感器能够在无电磁干扰条件下直接监测微米尺度的肌肉动态。不同于将特征提取与时序建模视为分离阶段的传统模型，该设计通过残差连接融合双向长短期记忆网络（bidirectional long short-term memory, BiLSTM）与多头注意力（multi-head attention, MHA），显式应对局部运动不规则性与全局运动上下文这两重挑战。BiLSTM用于捕获细粒度、序列性的肌肉激活模式，而MHA则对整个运动序列中的全局依赖关系进行动态加权，从而使模型能够区分单流架构难以识别的运动完成度与流畅性细微差异。该模型基于来自30例PD患者完成3种标准化动作所得的36,000个高分辨率片段进行训练，在动作分类任务中取得95.31%的F1值，显著优于BiLSTM（87.39%）、门控循环单元（gated recurrent unit, GRU，77.67%）和长短期记忆网络（long short-term memory, LSTM，88.70%）。更为关键的是，该架构支持构建多指标诊断评估系统，对4项经临床验证的指标——准确性、流畅性、完整性和肌肉活动水平——进行量化，并通过加权评分反映康复优先级。与专家Hoehn-Yahr分期进行的初步临床验证显示，该系统的诊断一致率达到90%，证实其不仅可用于检测，还可用于临床及居家康复场景中的运动表现定量分析。
该文发表于《Biomedical Signal Processing and Control》，围绕帕金森病（Parkinson’s disease, PD）患者运动功能障碍的客观量化评估展开，核心目标是以可穿戴柔性光电传感技术结合深度时序模型，建立兼具高识别精度与临床可解释性的运动评估框架。研究背景在于，PD是一种进行性神经退行性疾病，其典型运动症状包括震颤、运动迟缓、肌强直与姿势不稳，临床管理高度依赖对运动能力的准确判断。然而，现行金标准如统一帕金森病评定量表（Unified Parkinson’s Disease Rating Scale, UPDRS）与Hoehn-Yahr分期仍主要依赖临床医生主观判断，存在重复性不足、时间分辨率低以及难以实现连续监测等问题。因此，发展可量化、连续化、居家化的评估手段具有明确临床需求。
现有可穿戴评估技术虽已取得一定进展，但仍存在明显瓶颈。表面肌电（surface electromyography, sEMG）能够反映肌肉电活动，已被用于震颤、运动迟缓及手指敲击等任务分析，但其对低频肌肉执行信号的敏感性不足，尤其在<5 Hz范围内检测性能受限，且皮肤—电极界面噪声会影响亚临床微弱信号的稳定提取。惯性测量单元（inertial measurement units, IMUs）虽可直接获取运动学参数，但在低幅度、低频运动中易出现零漂和温度相关不稳定性，需要频繁校准，限制了其在长期自由生活环境监测中的应用。针对这些问题，柔性可穿戴软传感器因其贴合性、舒适性与稳定输出能力受到关注，尤其光电技术具有高灵敏度、抗电磁干扰以及对微米级肌肉动态直接响应的优势，为PD神经肌肉耦合监测提供了新的技术路径。论文正是在这一背景下提出，旨在弥补现有研究多停留于信号可行性验证或单动作识别、缺乏临床对齐的多指标运动质量量化体系这一空白。
研究人员构建了一套从信号采集、动作识别到临床量化评估的完整方法体系。检测端采用自主开发的柔性光电传感器，以替代传统sEMG在PD诊断中的部分局限，直接监测肌肉运动状态。在温州人民医院专业医师指导下，研究采集了3类标准化动作样本，包括手掌伸展、前臂旋转和手指敲击，共获得18,000个样本实例，并通过滑动窗口方法扩增至36,000个样本。随后，研究人员设计了融合双向长短期记忆网络（bidirectional long short-term memory, BiLSTM）与多头注意力（multi-head attention, MHA）的深度架构，并结合多尺度时间网络（multi-scale temporal network, MTN）进行特征提取，用于建立三分类运动识别模型。该模型不仅实现了高精度动作识别，而且进一步支持构建多指标诊断评估系统，对运动准确性、流畅性、完整性以及肌肉活动水平等临床相关指标进行加权量化，从而服务于早期病情进展判断与康复优先级分析。
从研究结论看，该工作主要获得了三方面结果。第一，自主柔性光电传感器能够有效监测PD患者肌肉活动状态，相较传统传感模态，在低频运动和长期稳定监测方面具有潜在优势。第二，提出的BiLSTM-MHA模型在标准化动作识别任务上表现突出，F1值达到95.31%，显著优于BiLSTM、GRU和LSTM等对照模型，说明该架构在局部时序细节捕获和全局依赖建模之间实现了更优平衡。第三，基于该模型构建的多指标评估系统与专家Hoehn-Yahr分期比较后显示90%的诊断一致率，并报告了90.3%的敏感度和88.7%的特异度，表明该系统不仅具有识别能力，也具备临床量化分析和居家康复应用价值。总体而言，论文的重要意义在于将柔性光电传感、深度时序建模和临床评价需求有机整合，为PD运动功能评估提供了更客观、可连续、可解释的新范式。
就主要技术方法而言，研究首先基于自主研制柔性光电传感器采集PD患者标准化动作过程中的神经肌肉机械变形信号，并同步结合sEMG进行相关性分析；样本来源于30例PD患者，在温州人民医院医师指导下完成动作采集。其次，采用滑动窗口（窗口1024点、步长512点）对时序数据进行扩增与分段。再次，构建融合多尺度时间网络（MTN）、双向长短期记忆网络（BiLSTM）与多头注意力（MHA）的编码—解码模型，完成三分类动作识别。最后，依据识别结果与时序特征建立多指标运动评估系统，对准确性、流畅性、完整性及肌肉活动水平进行加权评分，并与Hoehn-Yahr分期开展临床一致性验证。
在研究结果部分，论文首先通过“Method”部分给出了整体方法框架。研究人员指出，所提出的BiLSTM-MHA模型采用编码器—解码器范式，输入原始时间序列后，经编码器提取层级化时序特征，再由解码器输出任务相关结果。该设计的关键在于将MTN用于捕获多尺度时间特征，将BiLSTM用于建模前后文双向依赖，将MHA用于强化全局时序关联表达，并通过残差融合提升局部与全局信息的协同表征能力。这一结构为后续三类PD相关动作的高精度识别奠定了基础。
在“Correlation analysis”部分，研究同步采集并分析了柔性光电传感器与sEMG信号，以评估二者在PD患者肌肉活动状态监测中的关联性。文中说明，针对3种标准化动作，研究计算了多种统计学及动态相似性指标。尽管原始Pearson与Spearman相关系数的具体数值在所提供文本中未完全展开，但作者明确指出该部分目的是从同步监测角度验证柔性光电信号与肌肉活动状态之间存在可分析关联，而不仅限于肉眼观察式的定性比较。这说明论文在方法学上试图补足新型传感器与传统模态比较中缺乏稳健统计评价的不足。
在动作识别结果方面，研究人员开发的三分类模型能够有效区分与PD进展相关的3种临床动作模式，即手掌伸展、前臂旋转和手指敲击。基于36,000个高分辨率分段样本训练后，模型在测试数据集上达到95.31%的识别准确性能（摘要中以F1值形式报告为95.31%），明显优于BiLSTM（87.39%）、GRU（77.67%）和LSTM（88.70%）等基线模型。该结果表明，融合MHA的BiLSTM结构相较单一循环网络更能刻画PD动作信号中局部不规则性与整体时序上下文之间的关系；同时，MTN模块对于同时捕捉高频瞬态特征和低频运动动态具有积极作用，使模型在医学工程场景中的时序识别能力得到增强。
在临床量化评估结果方面，研究并未止步于动作类别判别，而是在此基础上构建了多指标诊断评价系统。该系统围绕4项经临床验证的指标展开：准确性、流畅性、完整性和肌肉活动水平。其中，文中提到流畅性可通过加加速度代价（jerk-cost）分析实现，准确性可基于轨迹偏差进行评估。通过对这些指标进行加权评分，系统能够更贴近康复临床中对不同功能维度的关注重点。初步临床验证结果显示，该系统与专家Hoehn-Yahr分期之间达到90%的诊断一致率，并具有90.3%的敏感度、88.7%的特异度和总体90%的诊断准确率。这意味着所提框架不仅可以识别动作类型，还能够对运动质量进行结构化、可解释的定量分析，从而支持疾病早期进展判断及居家康复随访。
论文讨论部分的核心可概括为：研究人员通过将柔性光电传感器与深度时序模型结合，回应了PD运动评估领域长期存在的几个关键难题，即低频信号保真度不足、长期监测稳定性欠佳以及临床解释性不强。与依赖IMUs或sEMG的传统方案相比，该系统直接捕捉自主肌肉收缩引发的机械形变，避免了电磁干扰问题，并减轻了漂移与校准需求，这使其更适用于长期居家康复场景。同时，BiLSTM-MHA结构通过联合局部时序建模与全局依赖加权，提升了对细微运动差异的辨识能力，为多维度运动质量量化提供了算法支撑。论文的价值不仅体现在方法性能提升，更体现在其尝试将工程信号识别结果转化为临床可理解的功能评价指标，推动PD评估从“是否异常”的检测走向“异常程度如何”的量化分析。
研究结论部分可翻译概括如下：本研究提出了一种用于帕金森病（PD）运动功能定量评估的新型一体化框架，将自主开发的柔性光电传感器与名为BiLSTM-MHA的时序信号分类架构相结合。与依赖惯性测量单元（IMUs）或表面肌电（sEMG）的传统方法不同，该系统直接捕获自主肌肉收缩所诱发的机械形变，因此能够规避相关局限。综合结果表明，该框架在标准化动作识别和临床量化评估方面均表现出良好性能，支持其作为PD患者临床评估及家庭康复监测工具的应用潜力。
