A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis

近年来，全球受神经退行性疾病（NDs）影响的人口逐渐增加，这些疾病通常需要大量医疗资源和人力进行医学诊断和监测。作为重要的与疾病相关的运动症状，人类步态可以用于表征不同的NDs。当前人工智能（AI）模型的进展使得自动步态分析用于NDs识别和分类成为可能，为促进更快速、更具成本效益的NDs诊断打开了新的途径。本文对近年来应用于通过步态诊断五种典型NDs的机器学习和深度学习AI技术的进展进行了全面调查。我们概述了AI辅助NDs诊断的过程，并提供了现有步态数据和AI模型的系统分类。通过对164项研究的广泛审查和分析，我们确定并讨论了这一领域的挑战、潜在解决方案和未来方向。最后，我们展望了利用3D骨架数据进行人类步态表征和开发更有效的NDs诊断AI模型的前景。我们提供了一个公共资源库来跟踪和促进这一新兴领域的发展：https://github.com/Kali-Hac/AI4NDD-Survey。

本论文旨在通过机器学习和深度学习技术，利用人体步态进行神经退行性疾病的自动识别和分类，以便更快速、更经济地进行诊断和监测。

论文提出了基于机器学习和深度学习的自动步态分析方法，以识别和分类五种典型的神经退行性疾病。同时，论文提出了使用3D骨架数据来表示人体步态，并发展更高效的AI模型进行神经退行性疾病诊断的前景。

论文提供了一个系统的分类方法，对已有的步态数据和AI模型进行了全面的回顾和分析，指出了这个领域面临的挑战、潜在的解决方案和未来的发展方向。论文还提供了一个公共资源库来追踪和促进这个新兴领域的发展，并且有164个研究的分析。

最近在这个领域中，还有一些相关的研究，如：'A machine learning approach for gait detection using smartphone sensors'、'A comprehensive review of deep learning for image captioning'、'A review on deep learning techniques for the diagnosis of skin cancer'等。