信息速览

数据集名称gaitpdb — 帕金森病步态数据库 AI-Ready Wikipedia | 千方病案医数集

数据类型166 名受试者,100 Hz × 19 列 VGRF 文本,约 300 MB 免费下载,ODC-BY 1.0 开放许可

规模166 名受试者（93 例帕金森病 + 73 名健康对照）

接入方式PhysioNet（Tel-Aviv Sourasky 医疗中心步态与神经动力学实验室） url: https://physionet.org/content/gaitpdb/1.0.0/

AI 就绪度

数据集封面

Gait in Parkinson’s Disease — 帕金森病步态数据库 AI-Ready Wikipedia

INFOBOX

字段	内容
数据集名称	帕金森病步态数据库
英文全称	Gait in Parkinson’s Disease Database（PhysioNet gaitpdb）
别名/简称	gaitpdb、GaitPD、Gait in Parkinson’s Disease
疾病分类（ICD-11）	8A00.0（帕金森病 Parkinson’s disease）
SNOMED CT	49049000（Parkinson’s disease）
数据模态	步态时序信号（鞋底 8×2 力敏传感器垂直地面反作用力 VGRF，100 Hz）
AI 任务类型	二分类诊断、严重度分级、步态变异性量化、时序表征学习
样本总数	166 名受试者（93 例特发性帕金森病 + 73 名健康对照；文件口径 93 + 72）
数据大小	约 300 MB 纯文本（估算，单记录文件 0.43-1.06 MB）
数据格式	19 列数值文本文件（.txt）+ demographics.xls/html/txt
许可证	Open Data Commons Attribution License v1.0（ODC-BY 1.0）
访问级别	开放（无需注册或申请，需引用与致谢）
DUO 标签	NRES（无限制二次研究使用）
语言	元数据与标注为英语
首发日期	2008-02-25
最后更新	2008-02-25（仅 v1.0.0，无后续版本）
发布机构	Tel-Aviv Sourasky 医疗中心步态与神经动力学实验室（Jeffrey M. Hausdorff 团队），PhysioNet 托管
官方主页	PhysioNet gaitpdb
下载地址	physionet.org/files/gaitpdb/1.0.0
DOI	10.13026/C24H3N
引用次数	635+（Scopus，Ga 子集定义论文 Yogev et al. 2005，截至 2026-09）
AI 就绪度评分	⭐⭐⭐⭐（4/5）— 纯文本格式即读即用、人口学与量表标注齐全；扣分项：无官方训练/测试划分、无预处理脚本，对照人数存在 72/73 双口径需自行核实
页面状态	published

§0 E-E-A-T 审核与免责声明

医学审核：千方病案医学编辑部交叉审核：§2 医学背景（ICD-11/SNOMED CT 双映射、帕金森病流行病学与 Hoehn & Yahr 分期解读）、§7 偏倚分析。
数据工程审核：[千方病案医学编辑部交叉审核] 医疗 AI 数据工程师，审核范围：§4 DAIMS 数据字典、§5 数据划分策略、§6 预处理 Pipeline 和坑点。
审核日期：2026-09-05

医疗免责声明：本页面提供的医学信息仅供研究和教育目的，不构成医疗建议、诊断或治疗方案。数据集的医学描述基于公开发表的文献，未经逐一临床验证。任何基于该数据集训练的 AI 模型在应用于临床决策前，必须经过独立的临床验证和监管审批。

技术免责声明：本页面的代码示例、预处理建议和基准性能数据基于公开资料整理，不保证在特定环境下的准确性和适用性。使用者应自行验证代码安全性和数据预处理流程的正确性。千方病案医数集不对因使用本页面信息而导致的任何直接或间接损失承担责任。

数据使用合规：使用本页面描述的数据集前，请务必阅读并遵守数据集原始许可协议。Gait in Parkinson’s Disease 数据库以 ODC-BY 1.0 开放许可发布，无需提交申请或签署数据使用协议，但须按官方要求引用数据库 DOI 与 PhysioNet 平台论文，并在成果中致谢数据贡献者。DUO 标签仅供参考，具体使用限制以数据集官方协议为准。

§1 数据集概览

§1.0 📌 30 秒速览

这是什么？ 这是全球步态 AI 研究中被使用最多的帕金森病公开数据库之一：166 名受试者（93 名帕金森病患者、73 名健康老人，平均年龄 66.3 岁）穿上一双特制鞋垫，鞋垫下每只脚埋了 8 个力敏传感器，然后以自己习惯的速度在平地上走约 2 分钟。传感器以每秒 100 次的频率记录每只脚踩地时受到的垂直地面反作用力（VGRF，单位牛顿），最终存成一行行纯文本数字。

为什么重要？ 帕金森病会悄悄改变人走路的方式——步子变碎、变乱、左右不对称。这套 100 Hz 的足底力学信号就像"走路的心电图"，让研究人员用可穿戴、低成本的方式量化一种过去只能靠医生肉眼评估的疾病。它自带 Hoehn & Yahr 分期和 UPDRS 评分，是少见的"信号 + 临床金标准"配对数据。

我能用它做什么？ 训练一个二分类模型判断"这是患者还是健康人"（文献最高准确率已超 99%）、预测病情严重程度（HY 2/2.5/3 三级）、研究 dual-task（边走路边做减法）对步态的冲击，或者把它当作时序表征学习、可解释 AI 与数字生物标志物研究的标准试验场。

§1.1 技术摘要

gaitpdb 由以色列特拉维夫 Sourasky 医疗中心步态与神经动力学实验室（Jeffrey M. Hausdorff 团队）于 2008-02-25 整合三项子研究后发布于 PhysioNet（官方页面）。数据采集使用 Infotronic 公司 Ultraflex Computer Dyno Graphy 鞋垫系统：每脚下 8 个力敏传感器以 100 Hz 同步采样，输出垂直地面反作用力（牛顿），并附每脚 8 通道之和的总力信号，共 19 列（时间 + 16 传感器通道 + 2 总力通道）。受试者以自选步速在水平地面行走约 2 分钟，每名受试者含 2-3 次步行记录。三个子集各有研究主题：Ga（Yogev et al. 2005，dual-task 步行）、Ju（Hausdorff et al. 2007，节律性听觉刺激 RAS）、Si（Frenkel-Toledo et al. 2005，跑步机步行）。随附 demographics.xls 提供年龄、身高、体重、性别、步行速度与 Hoehn & Yahr 分期和/或 UPDRS 评分。数据库以 ODC-BY 1.0 许可完全开放下载，仅 v1.0.0 一个版本，是步态时序 AI 论文中事实上的标准基准之一。

§1.2 战略价值

数字生物标志物研究的"标准果蝇"。 帕金森病的临床评估高度依赖运动障碍专科医师的主观量表（UPDRS、Hoehn & Yahr），而 gaitpdb 提供了与这些金标准配对的客观力学信号。它规模虽小（166 人），但"信号—诊断—严重度"三层标注齐全，且采集协议在论文中充分公开，使其成为验证"步态力学能否作为 PD 数字生物标志物"这一命题最常用的试验场。从 2017 年的 VGRF 标志物研究（Alam et al. 2017, PLoS ONE）到 2025 年的图神经网络管线（Soft Computing, 2025），八年间持续有方法学论文以它为基准，纵向可比性极强。

时序 AI 教学与可解释性研究的理想粒度。 单条记录约 12,000 个采样点、19 列、纯文本、单文件约 1 MB——这使整个数据集可以放进一台笔记本内存里做端到端实验，训练循环分钟级完成，特别适合课程教学、消融研究与可解释性分析（例如逐传感器归因、步态事件定位）。同时，Ga 子集的 dual-task 记录（walk 编号 10，边走边做 serial-7 连续减法）为"认知负荷如何破坏步态自动性"提供了独特的对照设计，这是多数纯运动数据集不具备的维度。

§1.3 同类数据集横向对比

数据集	规模	模态	标注	与 gaitpdb 的差异化
gaitpdb（本库）	93 PD + 73 对照	鞋垫 16 通道 VGRF，100 Hz	PD/HC + HY 分期 + UPDRS	三个子研究汇聚，含 dual-task 与跑台协议，临床量表齐全
Gait in Neurodegenerative Disease（gaitnd，PhysioNet）	15 PD + 20 亨廷顿 + 13 ALS + 16 对照	鞋垫力敏电阻，约 100 Hz	PD/HD/ALS/HC 四分类	跨多种神经退行性疾病，但规模更小
Gait Maturation Database（PhysioNet）	50 名健康儿童（40-163 月龄）	双足footswitch步态间隔	年龄	发育纵向视角，无患者
Gait in Aging and Disease（gaitdb，PhysioNet）	15 名老年受试者	步态间隔时间序列	健康/状态	仅步态间隔，无力学波形
Tai Chi, Physiological Complexity, and Healthy Aging - Gait（PhysioNet）	健康老年人与 PD 患者足开关 + 肌电	footswitch + EMG	dual-task 设计	90 秒 dual-task 协议与 gaitpdb 的 Ga 子集互补

（同族数据集信息来源：PhysioNet gait 主题页）

§1.4 版本时间轴

版本	发布日期	变更内容	状态
1.0.0	2008-02-25	首发：整合 Ga、Ju、Si 三项子研究，含 demographics 表与 format.txt	现行唯一版本，无后续更新

（来源：PhysioNet 版本页）

§1.5 典型应用场景

帕金森病步态辅助筛查：以 VGRF 波形或手工特征（步频、摆动相占比、变异系数）训练二分类器，文献报告最高准确率 99.51%（CNN-GRU-GNN, 2025）。
严重度自动分级：按 Hoehn & Yahr（2/2.5/3）或 UPDRS 做多分类，Muñoz-Mata et al. 2024 报告 10 折加权准确率 99.3%。
dual-task 认知-运动交互研究：利用 Ga 子集 walk 10（serial-7 连减）与 walk 01 的配对设计，量化注意力负荷对步态变异性的影响（Yogev et al. 2005）。
步态变异性与节律动力学基础研究：步幅间波动（stride-to-stride variability）、中心压力轨迹推导、左右不对称性分析（PhysioNet 官方描述）。
时序深度学习教学与可解释性研究：小体积、强信号、临床标注齐全，适合 1D-CNN/LSTM/Transformer 课程实验与逐通道归因分析。

§2 医学背景

§2.1 疾病与术语编码映射

本数据集的疾病轴心为帕金森病（步态障碍为其核心运动症状之一）：

标签	ICD-11 编码	SNOMED CT	术语
帕金森病（主诊断）	8A00.0	49049000	Parkinson’s disease

说明：步态异常作为帕金森病的症状维度，在 ICD-11 症状体征章节有独立编码段；本库受试者的实际标注维度是"帕金森病 vs 健康对照"与 Hoehn & Yahr 分期，故以帕金森病主诊断编码为准。Hoehn & Yahr 分期本身无 ICD-11/SNOMED 直接映射，属临床分级量表。

§2.2 疾病简介与流行病学

帕金森病（Parkinson’s Disease, PD）是最常见的运动障碍疾病之一：据 PhysioNet 官方页面转述，美国约有 100 万患者（全球估计 400-650 万人），约 1% 的老年人受累，仅美国每年即有 60,000 新确诊病例（来源）。PD 是慢性进展性神经系统退行性疾病，以震颤、肌强直、运动迟缓与姿势不稳为核心运动症状。步态紊乱是常见且致残性强的症状：步幅变小、步态节律紊乱、冻结与慌张步态使患者跌倒风险显著升高，并可最终导致功能性独立丧失。

步态变异性（stride-to-stride variability）是 PD 步态的关键量化指标：官方页给出的示例中，一名 PD 患者常规行走时摆动相变异系数（CV）为 2.7%（对照 1.3%），而在边走边做 serial-7 连减的 dual-task 条件下升至 6.5%（对照几乎不变，1.2%）——提示健康人对步态节律的调控是自动化的，而 PD 患者需要占用注意资源（Yogev et al. 2005）。

§2.3 临床任务定义

任务	定义	输入	标签	难度要点
辅助诊断（二分类）	区分 PD 患者与健康对照	19 列 VGRF 时序或派生特征	Co / Pt（文件名编码）	对照为同龄老人，需防年龄混淆；同一受试者多记录需聚合
严重度分级	按 HY 分期分三级	VGRF 时序	HY 2 / 2.5 / 3（55/28/10 例）	HY3 仅 10 例，长尾类别；需受试者级划分
步态变异性量化	提取步幅/摆动时间序列并计算 CV、分形维数等	总力通道的事件检测结果	连续值	依赖步态事件（触地/离地）检测精度
dual-task 效应分析	比较常规 vs 认知负荷步行的步态指标	Ga 子集 walk 01 vs 10	受试者内配对	仅 Ga 子集具备该设计；文件名编码易被忽视

§2.4 患者人群构成

属性	健康对照	PD（HY 2）	PD（HY 2.5）	PD（HY 3）
人数	73（官方口径）	55	28	10
年龄（岁，均值 ± 标准差）	63.69 ± 40.32	62.88 ± 16.39	69.34 ± 10.71	68.52 ± 11.43
身高（m）	1.68 ± 0.08	1.67 ± 0.06	1.71 ± 0.07	1.68 ± 0.06
体重（kg）	71.20 ± 22.64	69.50 ± 14.48	72.39 ± 7.93	62.73 ± 6.24
男/女	40/33	36/19	16/12	6/4

（来源：Gait classification for early detection and severity rating of Parkinson’s disease, PMC10881932 Table 1；PD 患者整体官方口径为平均 66.3 岁、63% 男性，对照平均 66.3 岁、55% 男性，见 PhysioNet 官方页面。）

三项子研究的设计学差异一览（决定数据能否混用）：

维度	Ga 子集	Ju 子集	Si 子集
定义论文	Yogev et al. 2005	Hausdorff et al. 2007	Frenkel-Toledo et al. 2005
研究主题	Dual tasking（认知-运动双重任务）	节律性听觉刺激（RAS）	跑步机作为外部节拍器
步行表面	水平地面	水平地面	跑步机
特殊条件	walk 10 = 边走边做 serial-7 连减	含外部节律刺激条件	受控/固定速度
PD 人数（文件口径）	29	29	35
对照人数（文件口径）	18	25	29

全部受试者为以色列特拉维夫单中心招募的门诊人群，PD 患者均为特发性帕金森病、病情集中于中轻度（HY 2-3），无早期（HY 1）与晚期（HY 4-5）患者；采集时受试者在"开期"（on-state，正常服药状态下）接受评估。

§2.5 临床价值

对临床而言，该库支撑的量化步态分析有望带来三重改变：其一，把"走路"变成可重复、可追踪的客观指标，弥补 UPDRS 量表主观性强、访视间波动大的短板；其二，dual-task 范式连接了步态自动性与执行功能，为跌倒风险分层提供信号基础（执行功能越差，dual-task 下步态变异性恶化越明显，Yogev et al. 2005）；其三，鞋垫传感器的低成本与可穿戴属性，使从实验室基准走向家庭长期监测的路径清晰可见——尽管本库全部数据均在实验室条件下采集，不能直接代表居家场景。

§2.6 标注金标准

维度	内容
诊断金标准	运动障碍专科医师的临床诊断（特发性 PD 纳入标准，排除继发性帕金森综合征）
严重度金标准	Hoehn & Yahr 分期（0-5 级，含 1.5/2.5 中间级）和/或 UPDRS 评分，由临床医师评定
标注方式	人工临床评定（面诊），随 demographics 表分发
标注者资质	运动障碍专科医师（Tel-Aviv Sourasky 医疗中心运动障碍单元）；具体评定者间一致性未公布
标签性质	诊断标签确定性高（专家临床金标准）；严重度标签为有序连续量，含观测者间变异
对照组性质	年龄匹配的健康老年志愿者（均值 66.3 岁），无神经系统疾病史

§3 数据集规格

§3.0 使用场景抉择矩阵

本库仅 v1.0.0 一个版本，但三个子集协议差异大，实际"抉择"发生在子集与记录的取舍上：

你的需求	推荐取用	涉及数据	理由
PD vs 对照二分类基准	全库，但剔除 dual-task 文件	所有 walk 01/02 及 Ju/Si 全部记录	混入 walk 10 会把认知负荷效应学成疾病特征
严重度分级	PD 全部 + demographics 表	HY 2/2.5/3（55/28/10 例）	需要 HY/UPDRS 列对齐文件名受试者编号
dual-task 机制研究	仅 Ga 子集	GaPt/GaCo 的 01 与 10 记录	只有 Ga 提供受试者内常规-dual 配对
跑台-地面跨域实验	Si（跑台）vs Ga+Ju（地面）	按文件名前缀切分	Si 全部为跑步机采集，天然构成域偏移实验组

§3.1 模态详情

信号类型：垂直地面反作用力（Vertical Ground Reaction Force, VGRF），单位牛顿（N），由鞋底力敏传感器阵列输出。
通道配置：每足 8 个传感器（鞋垫下按解剖分区布设：足跟、足弓、跖骨区等），双足共 16 个独立通道；另有 2 个合成通道（每足 8 通道之和）。
采样率：100 Hz（每秒 100 个采样点），步态力学分析的经典采样率，可完整覆盖 0.83-1.95 Hz 的常速步行步频及其谐波。
记录时长：每次步行约 2 分钟，单文件约 12,000 行 × 19 列。
辅助信息：demographics 表（xls/html/txt 三种格式）提供受试者编号、年龄、身高、体重、性别、步行速度、Hoehn & Yahr 分期和/或 UPDRS 评分。

§3.2 按子集样本数

子集	前缀	研究主题	PD 患者数	对照数	记录特点
Ga	GaPt / GaCo	Dual tasking（serial-7 连减）	29	18	每人 01/02 常规步行 + 10 dual-task
Ju	JuPt / JuCo	节律性听觉刺激（RAS）	29	25（官方描述 73 名对照合计）	每人多次步行
Si	SiPt / SiCo	跑步机步行	35	29	跑台条件，每人多次步行
合计	—	—	93	72（文件口径）/ 73（官方口径）	每人 2-3 次步行记录

⚠️ 口径说明：官方文档写 73 名对照，但按文件名计数对照受试者仅 72 名（Ga 18 + Ju 25 + Si 29），多数复现论文按"93 PD / 72 HC"统计（arXiv:2109.02442、Muñoz-Mata et al. 2024），另有论文沿用官方 73 口径（PMC10881932）。使用前必须以实际文件计数为准并在论文中声明口径。详见坑点 2。

§3.3 数据格式

文件类型	格式	结构	说明
步行记录	.txt（数值文本）	19 列 × 约 12,000 行，无表头	列 1 时间（秒）；列 2-9 左足 8 传感器；列 10-17 右足 8 传感器；列 18/19 左右足总力
人口学表	.xls / .html / .txt	每受试者一行	ID、年龄、身高、体重、性别、步行速度、HY 和/或 UPDRS
格式说明	format.txt	纯文本	官方 19 列定义权威文件（2.3 KB）
校验和	SHA256SUMS.txt	纯文本	全部文件 SHA256 校验值（24.6 KB）

§3.4 存储大小

单条步行记录：约 0.43-1.06 MB（实测样例：JuPt01_06.txt 451,377 B，SiCo01_01.txt 1,076,050 B，GaCo01_01.txt 1,116,032 B；目录页）。
全库合计：约 300 MB 量级纯文本（按目录页逐文件大小估算），解压后可直接用 pandas 全量载入一台 8 GB 内存工作站。
辅助文件合计不足 200 KB（demographics.xls 47 KB、demographics.html 106 KB、format.txt 2.3 KB 等）。

§3.5 标注方式

标注对象	方式	载体
PD vs 健康对照	人工（临床诊断，非数据内列，编码于文件名 Co/Pt）	文件名
研究子集归属	人工（按来源研究编码于文件名 Ga/Ju/Si）	文件名
dual-task 状态	人工（Ga 子集 walk 编号 10）	文件名
Hoehn & Yahr 分期	人工临床评定	demographics 表
UPDRS 评分	人工临床评定	demographics 表

§3.6 标注者资质与一致性

临床标注（诊断、HY 分期、UPDRS）由 Tel-Aviv Sourasky 医疗中心运动障碍单元的运动障碍专科医师完成；三项子研究均经机构伦理审查并取得书面知情同意。评定者间一致性（如 UPDRS 的 ICC）未随库公布，使用者应将严重度标签视为含观测者间变异的有序量而非精确测量。

§3.7 采集周期

三项子研究分别对应 2005 年与 2007 年发表的论文（Yogev et al. 2005、Frenkel-Toledo et al. 2005、Hausdorff et al. 2007），PhysioNet 目录页文件时间戳集中于 2004-11 至 2005-10，具体逐例采集日期未随库公布；数据库整合发布于 2008-02-25。

§3.8 地域覆盖

单一中心：以色列特拉维夫 Sourasky 医疗中心（Tel-Aviv Sourasky Medical Center）运动障碍单元步态与神经动力学实验室。无多中心、多地域数据，泛化到其他人群时需谨慎（见 §7.1）。

§3.9 设备规格

项目	规格
传感器系统	Ultraflex Computer Dyno Graphy（Infotronic Inc., 荷兰）
传感器类型	力敏传感器（输出与所受垂直力成正比，标定至牛顿）
传感器数量	每足 8 个，双足 16 个，嵌入鞋垫下方
采样率	100 Hz
输出量纲	牛顿（N）
同步	双足 16 通道同步采样，单时钟

§3.10 深度溯源链

三项同行评审研究（2005-2007）
  ├─ Ga: Yogev et al. 2005, Eur J Neurosci 22:1248-1256（dual tasking）
  ├─ Ju: Hausdorff et al. 2007, Eur J Neurosci 26:2369-2375（RAS）
  └─ Si: Frenkel-Toledo et al. 2005, Mov Disord 20:1109-1114（跑台）
        ↓ 整合发布（2008-02-25）
PhysioNet gaitpdb v1.0.0（DOI: 10.13026/C24H3N，ODC-BY 1.0）
        ↓ 镜像与引用
RRID: SCR_006891（SciCrunch 收录）→ 千方病案医数集收录本条目

资助方：美国国立卫生研究院（NIH）、National Parkinson Foundation、Parkinson’s Disease Foundation（官方页面）。

§4 数据结构

§4.0 目录树

gaitpdb/1.0.0/
├── GaCo01_01.txt            # Ga·对照 01·常规步行（1,116,032 B）
├── GaCo01_02.txt            # Ga·对照 01·常规步行第 2 次
├── GaCo01_10.txt            # Ga·对照 01·dual-task（serial-7 连减）
├── ...
├── GaPt01_01.txt            # Ga·PD 患者 01·常规步行
├── ...
├── JuCo01_01.txt            # Ju·对照 01（RAS 研究）
├── JuPt01_06.txt            # Ju·PD 患者 01·walk 06（451,377 B）
├── ...
├── SiCo01_01.txt            # Si·对照 01（跑步机，1,076,050 B）
├── SiPt02_01.txt            # Si·PD 患者 02（1,089,592 B）
├── ...
├── demographics.html        # 人口学与临床量表（HTML，106,031 B）
├── demographics.xls         # 人口学与临床量表（Excel，47,104 B）
├── demographics.txt         # 人口学与临床量表（纯文本，15,665 B）
├── format.txt               # 官方 19 列格式说明（2,339 B）
├── SHA256SUMS.txt           # 全库校验和（24,573 B）
└── gaitpd.png               # 官方示意图（22,068 B）

文件名语法：{Ga|Ju|Si}{Co|Pt}{两位受试者编号}_{两位步行编号}.txt。Ga 子集中步行编号 10 表示 dual-task 步行（行走同时做 serial-7 连续减法），01 表示常规步行。

§4.1 DAIMS 字段字典

步行记录文件（每行一个 100 Hz 采样点，19 列）：

字段（列）	类型	说明	示例值	AI 用途	观测误差	信息性缺失编码	取值范围
1: Time	Float	采样时刻（秒），步长 0.01	0.01	时间轴对齐、窗口切分	时钟漂移未公布	无缺失	0 至约 120
2-9: 左足传感器 1-8	Float	左足 8 通道 VGRF（N）	0.0 / 128.4	足底压力空间图、事件检测	传感器非线性未标定细节	无缺失（离地时为 0）	约 0-1000+
10-17: 右足传感器 1-8	Float	右足 8 通道 VGRF（N）	0.0 / 96.7	同上（对侧）	同上	无缺失	约 0-1000+
18: 左足总力	Float	左足 8 通道之和（N）	512.3	步态事件检测（触地/离地阈值）、身体重心近似	恒等于列 2-9 之和	无缺失	约 0-1000+
19: 右足总力	Float	右足 8 通道之和（N）	498.1	同上	恒等于列 10-17 之和	无缺失	约 0-1000+

demographics 表（每受试者一行）：

字段	类型	说明	示例值	AI 用途	观测误差	信息性缺失编码	取值范围
ID	Text	受试者标识（对应文件名前缀）	GaPt03	受试者级分组（防泄漏）	—	无缺失	Ga/Ju/Si + Co/Pt + 编号
Age	Float	年龄（岁）	66.3	混淆变量控制	自报误差	部分缺失以空值表示	约 40-80+
Height / Weight	Float	身高（m）/ 体重（kg）	1.68 / 71.2	体格归一化	自报误差	部分缺失	成人常见范围
Gender	Text	性别	M / F	分层评估	—	部分缺失	M/F
Walking speed	Float	步行速度（m/s）	1.12	速度混杂校正	测量方法未详述	部分缺失	约 0.5-1.5
Hoehn&Yahr	Float	HY 分期（仅 PD）	2 / 2.5 / 3	严重度标签	临床评定变异	对照与部分患者为空	2-3
UPDRS	Float	UPDRS 评分（仅 PD）	32.5	严重度回归标签	临床评定变异	部分患者为空	0-199（本库集中于轻中度段）

§4.2 标签分布

标签维度	取值	数量	占比
诊断	PD 患者	93	约 56%
诊断	健康对照	72-73（双口径）	约 44%
HY 分期（PD 内）	2	55	PD 内约 59%
HY 分期（PD 内）	2.5	28	PD 内约 30%
HY 分期（PD 内）	3	10	PD 内约 11%
dual-task 状态	Ga 子集 walk 10	Ga 每人 1 条	约 47 人受试者层面

（HY 分布来源：PMC10881932；诊断比例按 93/72 文件口径计算。）

§4.3 关键统计

平均年龄：PD 66.3 岁 / 对照 66.3 岁；男性占比 PD 63% / 对照 55%（官方）。
单记录采样点数：约 12,000（100 Hz × 120 s）；全库信号单元格约 306 个文件 × 12,000 行 × 19 列量级。
步态变异性（官方示例）：PD 常规 CV 2.7% → dual-task 6.5%；对照 1.3% → 1.2%。
对照组步行速度与 PD 组相近（dual-task 下两组速度平行下降），速度本身不足以解释变异性差异（Yogev et al. 2005）。

§4.4 数据层级

数据库
└── 子研究（Ga / Ju / Si）
    └── 受试者（Co 对照 / Pt 患者，166-165 名）
        └── 步行记录（walk，每人 2-3 次，每文件约 2 分钟）
            └── 采样点（100 Hz，约 12,000 行/文件）
                └── 通道（19 列：时间 + 16 传感器 + 2 总力）

关键点：分析单元是受试者，不是文件。同一受试者的多条记录高度相关，任何以文件为独立单元的统计推断或随机划分都会产生伪独立样本（见坑点 1）。

§4.5 缺失值与信息性缺失

情形	表现	处理建议
信号通道	无缺失；足部离地时传感器输出自然为 0（生理性零，非缺失）	不要把 0 当缺失插补
HY 分期	对照组无此字段（结构性缺失）；部分 PD 患者缺失	二分类任务忽略；严重度任务仅用有值患者
UPDRS	部分患者缺失（官方描述为"和/或"提供）	按可用子集建模并声明样本量
dual-task 标记	不在数据列内，仅编码于 Ga 文件名	必须解析文件名，否则该维度信息丢失
步行速度等体测项	demographics 表中个别空缺	按列统计缺失率后再决定插补策略

§5 数据划分与使用建议

§5.1 官方划分

无。官方仅提供数据与人口学表，未定义训练/验证/测试划分，也未提供划分脚本。

§5.2 社区惯例划分

k 折交叉验证：多数论文对全部记录做 10 折 CV（如 Muñoz-Mata et al. 2024），部分早期工作用留一法（leave-one-out）。
受试者级留出：更严格的工作按受试者分层抽样 80/20 或 70/30 划分，保证同一受试者的多条步行记录不跨集。
子集内评估：在 Ga、Ju、Si 内部分别训练评估（如 arXiv:2109.02442 的逐子集留一验证），用于隔离协议差异。

§5.3 划分策略建议与泄漏风险 ⭐

核心泄漏风险：同一受试者多条记录跨集。 每名受试者有 2-3 次步行记录（Ga 每人 3 次），力学特征高度个体化；文件级随机划分会让测试集文件"认识"训练集里的同一个脚印，准确率虚高数个百分点。缓解：

以文件名前 6-7 个字符（子集 + 组别 + 受试者编号，如 GaPt01）作为分组键，用 GroupShuffleSplit / GroupKFold 保证受试者不跨集；
同时按诊断标签分层，保持各组 PD/HC 比例稳定；
报告结果时明确声明划分粒度（受试者级 vs 记录级），两者数字不可互相比较。

次级泄漏：归一化统计跨集。 对全库先算均值方差再归一化，会把测试集信息泄入训练。应按训练折计算统计量。第三重：dual-task 文件。Ga 的 walk 10 与同受试者 walk 01 共享受试者指纹，dual-task 记录只能与同受试者常规记录同侧（训练或测试），否则构成条件泄漏。

§5.4 交叉验证建议

推荐 5×2 或 10 折受试者级分组分层交叉验证：GroupKFold(n_splits=10) + 组键 = 受试者 ID + 分层键 = 诊断标签。严重度任务因 HY3 仅 10 例，建议分层重复 CV 并报告宏平均与每类召回。

§5.5 外部验证建议

跨子集验证：训练 Ga+Ju、测试 Si（跑台），或反之，量化协议域偏移；
跨库验证：与同族 gaitnd（PD 15 例）做 PD vs HC 迁移评估，注意 gaitnd 传感器输出为"近似正比于力"的力敏电阻，量纲不可直接混用；
前瞻自有采集：换用现代商用鞋垫/可穿戴设备时，必须重新校准并声明设备差异，不可假设零样本迁移。

§6 AI 就绪指南 ⭐

§6.0 云端快速启动

Google Colab 或任意 Linux 云主机可直接下载使用（数据仅约 300 MB，无需 GPU 亦可完成全部流程）：

# Colab / Linux：下载全库并解压（无需注册）
wget -r -N -c -np https://physionet.org/files/gaitpdb/1.0.0/ -P /content/gaitpdb
# 或使用 AWS 开放数据镜像（推荐，速度快）
aws s3 sync --no-sign-request s3://physionet-open/gaitpdb/1.0.0/ /content/gaitpdb

§6.1 快速上手

代码前必读——目录结构预期与最小可用子集：

# ── 目录结构预期 ─────────────────────────────────────────────
#   data_root/
#   ├── GaCo01_01.txt ... GaPt29_10.txt   # Ga 子集（含 dual-task _10）
#   ├── JuCo01_01.txt ... JuPt29_*.txt    # Ju 子集（RAS）
#   ├── SiCo01_01.txt ... SiPt35_*.txt    # Si 子集（跑台）
#   └── demographics.xls                  # 人口学与临床量表
# data_root 直接拼接文件名即可，无子目录。
# 最小可用子集：Ga 子集 8 个文件（4 患者 × 2 记录 + 4 对照 × 2 记录）
# 即可在笔记本上跑通读取 → 特征 → 训练 → 评估全流程。

import os
import numpy as np
import pandas as pd

DATA_ROOT = "/content/gaitpdb/1.0.0"          # data_root，按实际路径修改

def load_walk(fname):
    """读取一条步行记录：19 列数值文本，无表头。
    列 0=时间秒；1-8=左足 8 传感器；9-16=右足 8 传感器；
    17/18=左右足总力（单位：牛顿）。"""
    df = pd.read_csv(os.path.join(DATA_ROOT, fname), header=None)
    return df.to_numpy(dtype=np.float32)      # shape ≈ (12000, 19)

sig = load_walk("GaPt01_01.txt")              # 最小示例：一名 PD 患者常规步行
print(sig.shape)                               # (约 12000, 19)
total_left = sig[:, 17]                        # 左足总力通道
print(f"左足总力峰值 {total_left.max():.1f} N，采样率 100 Hz")

§6.2 数据获取

途径	方式	要求	大小
PhysioNet 网页下载	physionet.org/files/gaitpdb/1.0.0 逐文件或 ZIP	无（开放访问）	约 300 MB
wget 递归镜像	`wget -r -N -c -np https://physionet.org/files/gaitpdb/1.0.0/`	无	约 300 MB
AWS S3 开放镜像	`aws s3 sync --no-sign-request s3://physionet-open/gaitpdb/1.0.0/ DEST`	AWS CLI	约 300 MB

# 下载后校验完整性（官方提供全库 SHA256）
cd /content/gaitpdb/1.0.0 && sha256sum -c SHA256SUMS.txt | tail -5

人口学表读取示例（xls 格式，pandas 直接解析）：

import pandas as pd

# demographics.xls：每受试者一行，含 ID/年龄/身高/体重/性别/步速/HY/UPDRS
demo = pd.read_excel(f"{DATA_ROOT}/demographics.xls")
print(demo.columns.tolist())          # 先查看实际列名，再按名取列
print(demo["ID"].str[:2].value_counts())  # 按子集前缀统计受试者数（核对 72/73 口径）

无需申请、无需签署 DUA；许可为 ODC-BY 1.0，使用时须引用数据库 DOI（10.13026/C24H3N）与 PhysioNet 平台论文，并在成果中致谢数据贡献者（SciCrunch 收录页）。

§6.3 预处理全流程

从原始 19 列文本到模型可用张量的完整管线（格式确认 → 通道整理 → 去噪归一化 → 步态事件检测 → 窗口切分）：

<details>
<summary>完整预处理代码（约 60 行，点击展开）</summary>

import os
import numpy as np
import pandas as pd
from scipy.signal import find_peaks

FS = 100  # 采样率 100 Hz

def parse_fname(fname):
    """解析文件名 → (子集, 组别, 受试者ID, walk编号, 是否dual-task)。
    受试者ID是防泄漏分组键；dual-task 仅 Ga 子集 walk==10。"""
    stem = fname.replace(".txt", "")
    subset, group, rest = stem[:2], stem[2:4], stem[4:]
    subj, walk = rest.split("_")
    is_dual = (subset == "Ga" and walk == "10")
    return subset, group, f"{stem[:6]}", int(walk), is_dual

def load_and_clean(path):
    """读取并整理为 (T, 2, 8) 双足传感器张量 + (T, 2) 总力。"""
    df = pd.read_csv(path, header=None).to_numpy(np.float32)   # (T, 19)
    left  = df[:, 1:9]    # 列 2-9：左足 8 传感器
    right = df[:, 9:17]   # 列 10-17：右足 8 传感器
    # 传感器静息偏置校正：取每通道前 0.5 s 中位数作为零点（约 50 个样本）
    left  -= np.median(left[:FS // 2], axis=0, keepdims=True)
    right -= np.median(right[:FS // 2], axis=0, keepdims=True)
    np.clip(left, 0, None, out=left); np.clip(right, 0, None, out=right)
    total = df[:, 17:19].copy()                                # (T, 2) 左右总力
    return np.stack([left, right], axis=1), total              # (T,2,8), (T,2)

def detect_stance(total_force, thresh=10.0):
    """基于总力阈值的支撑相检测：返回每足 [起始,结束] 采样段列表。
    阈值 10 N 为常用工程近似，可按噪声底自行调整。"""
    on = total_force > thresh
    segs, start = [], None
    for i, v in enumerate(on):
        if v and start is None: start = i
        if not v and start is not None:
            if i - start > int(0.2 * FS):                      # 过滤 <200ms 伪段
                segs.append((start, i))
            start = None
    return segs

def window_split(feats, win_s=5.0, step_s=2.5):
    """滑窗切分：5 秒窗、2.5 秒步长 → (N, 500, 2, 8)。"""
    win, step = int(win_s * FS), int(step_s * FS)
    return np.stack([feats[i:i + win] for i in range(0, len(feats) - win, step)])

# ── 端到端示例 ───────────────────────────────────────────────
f = "GaPt01_01.txt"
sensors, total = load_and_clean(os.path.join(DATA_ROOT, f))    # (T,2,8),(T,2)
stance_l = detect_stance(total[:, 0])                          # 左足支撑段
stance_rate = len(stance_l) / (len(total) / FS)                # 步频（步/秒）
windows = window_split(sensors)                                # (N,500,2,8)
# 归一化：按窗口内峰值力缩放（受试者体重差异大，禁用全库全局统计）
windows = windows / (windows.max(axis=(1, 2, 3), keepdims=True) + 1e-8)
print(f"{f}: 步频≈{stance_rate:.2f} 步/秒，切出 {len(windows)} 个窗口")

</details>

要点：① 列 18/19 总力恒等于对应 8 列之和，建模时二选一，勿同时入模（共线性，见坑点 5）；② 归一化统计只在训练折内计算并保存，随模型一起部署；③ 步态事件阈值法足够 baseline 使用，进阶可换峰值检测或隐马尔可夫步态分段。

文献中从 VGRF 派生的经典手工特征（与深度模型互补，亦用于可解释性审计）：

特征族	代表特征	计算来源	PD 预期方向
时域-幅值	峰值力、波形斜率	总力通道极值/导数	PD 峰值更低、冲击更钝
节律	步频、步幅时间均值与 CV	支撑相事件间隔	PD 步频略高、CV 更大
相结构	摆动相占比、支撑相时长	总力阈值分段	PD 摆动相变异增大
对称性	左右步间隔差、GA 指数	双足总力交替	PD 不对称性升高
非线性	样本熵、去趋势波动分析（DFA）α	步幅时间序列	PD 长程相关结构减弱
空间	足底 8 区压力分布熵、压力中心轨迹	16 传感器矩阵	PD 分布更分散、CoP 轨迹抖动

§6.4 PyTorch DataLoader

<details>
<summary>完整 Dataset + DataLoader 代码（约 55 行，点击展开）</summary>

import glob, os
import numpy as np
import torch
from torch.utils.data import Dataset, DataLoader

class GaitPDBDataset(Dataset):
    """gaitpdb 二分类数据集：PD=1，对照=0。
    - 按受试者解析标签与分组键（防泄漏核心）
    - 可选排除 dual-task（Ga _10）与跑台子集（Si）
    - 每文件切 5 s 窗（步长 2.5 s），按窗口峰值归一化
    """
    def __init__(self, data_root, win_s=5.0, step_s=2.5,
                 exclude_dual_task=True, exclude_si=False):
        self.items = []
        win, step = int(win_s * 100), int(step_s * 100)
        for path in sorted(glob.glob(os.path.join(data_root, "*.txt"))):
            fname = os.path.basename(path)
            subset, group = fname[:2], fname[2:4]
            subject = fname[:6]                      # 如 GaPt01：分组键
            label = 1 if group == "Pt" else 0        # Pt=患者，Co=对照
            walk = int(fname.split("_")[1][:2])
            if exclude_dual_task and subset == "Ga" and walk == 10:
                continue
            if exclude_si and subset == "Si":
                continue
            arr = pd.read_csv(path, header=None).to_numpy(np.float32)
            sensors = np.stack([arr[:, 1:9], arr[:, 9:17]], axis=1)  # (T,2,8)
            for i in range(0, len(sensors) - win, step):
                w = sensors[i:i + win] / (sensors[i:i + win].max() + 1e-8)
                self.items.append((w.T.copy(), label, subject))  # (2,8,500)

    def __len__(self):
        return len(self.items)

    def __getitem__(self, idx):
        x, y, _ = self.items[idx]
        return torch.from_numpy(x), torch.tensor(y, dtype=torch.long)

def make_loaders(data_root, batch_size=64, seed=0):
    """受试者级 8:2 划分 → 训练/测试 DataLoader（防泄漏关键实现）。"""
    ds = GaitPDBDataset(data_root)
    subjects = sorted({s for _, _, s in ds.items})
    rng = np.random.default_rng(seed)
    test_subs = set(rng.choice(subjects, size=max(1, len(subjects) // 5),
                                replace=False))
    tr = [i for i, it in enumerate(ds.items) if it[2] not in test_subs]
    te = [i for i, it in enumerate(ds.items) if it[2] in test_subs]
    return (DataLoader(torch.utils.data.Subset(ds, tr), batch_size,
                       shuffle=True),
            DataLoader(torch.utils.data.Subset(ds, te), batch_size),
            test_subs)

import pandas as pd  # 与读取逻辑共同依赖
train_loader, test_loader, heldout = make_loaders(DATA_ROOT)
xb, yb = next(iter(train_loader))
print(xb.shape, yb.shape, len(heldout))  # (64,2,8,500) (64,) 被留出受试者数

</details>

§6.5 坑点 8 个

⚠️ 坑点 1：同一受试者多条记录随机划分 = 教科书级数据泄漏（分类：数据泄漏）

问题：每名受试者有 2-3 次步行文件（Ga 每人 01/02/10），个体足底力学"指纹"极强。若按文件随机划分训练/测试，测试文件与训练文件来自同一双脚，模型只需记住个体即可得高分。
症状：测试准确率 99%+ 且对超参数完全不敏感；换成受试者级划分后准确率骤降但文献罕见报告；不同论文结果无法复现。
解决：

简单方法：以文件名前缀（如 GaPt01）为分组键做 GroupShuffleSplit，保证受试者不跨集；

进阶方法：受试者级分层 GroupKFold（组 = 受试者，层 = 标签），并报告折间均值 ± 标准差；

SOTA 方法：受试者级留出 + 在训练受试者上做受试者内归一化（z-score 按训练统计），测试受试者用自身窗口峰值归一化，消除个体幅度差异而非记忆个体。
参考：PhysioNet gaitpdb 官方页、本库文件命名规范（format.txt）

⚠️ 坑点 2：官方写 73 名对照，文件里只有 72 名（分类：标签理解）

问题：PhysioNet 官方描述为 93 PD + 73 对照（166 人），但按文件名计数对照受试者仅 72 名（Ga 18 + Ju 25 + Si 29），文献中两种口径并存，多篇同行评审论文写"93/72"，另一些写"93/73"。
症状：论文之间"166 人"与"165 人"混用；复现时类别先验对不上；审稿人质疑样本量。
解决：

简单方法：下载后以实际文件计数为准（ls | sed 's/...\(..\).*/\1/' | sort -u | wc -l 按子集统计），在论文中显式声明口径；

进阶方法：核对 demographics.xls 的受试者行数与文件计数，若确有 1 名受试者无记录，做敏感性分析（两种口径各跑一遍）；

SOTA 方法：引用时同时给出官方口径与文件口径，并附计数脚本链接，保证可审计。
参考：PhysioNet 官方描述、arXiv:2109.02442（72 口径）、PMC10881932（73 口径）

⚠️ 坑点 3：Ga 子集的 dual-task 文件（_10）混入二分类（分类：标签理解）

问题：Ga 子集步行编号 10 的记录是"边走路边做 serial-7 连续减法"的认知负荷步行，其步态变异性升高（CV 6.5% vs 常规 2.7%）反映的是注意力分配，不是帕金森病理本身。
症状：模型把"步态乱"直接映射为 PD；dual-task 文件被当作测试样本时性能异常；对变异性特征（CV、熵）的归因被认知负荷污染。
解决：

简单方法：按文件名过滤——只保留 walk 编号 01/02（或非 10）的记录进入二分类；

进阶方法：将 dual-task 状态作为独立条件变量，做 2×2 设计（诊断 × 任务）分析，或仅用 Ga 子集做受试者内配对研究；

SOTA 方法：多任务学习——主任务 PD 分类、辅助任务预测 dual-task 状态，显式解耦两个变异来源。
参考：文件命名规则、Yogev et al. 2005

⚠️ 坑点 4：Si 子集是跑步机步行，与地面步行不同域（分类：偏倚陷阱）

问题：Si 子集（35 PD + 29 对照）在跑步机上以固定/受控速度采集，跑台的强制节律会机械性稳定步态节律（外部节拍器效应），与 Ga/Ju 的地面自选步速步行不可直接混合。
症状：合并训练后模型性能介于两个域之间；跨子集测试性能骤降；"跑台改善 PD 步态节律"的原始研究结论（Frenkel-Toledo et al. 2005）被误读为数据同质。
解决：

简单方法：按文件名前缀隔离 Si，仅用 Ga+Ju 做地面步行基准；

进阶方法：把子集作为域标签，做 domain-adversarial 训练或逐域特征校准（如 ComBat）；

SOTA 方法：跨域留一子集验证（train Ga+Ju → test Si 及轮换），报告域间泛化差距作为协议稳健性指标。
参考：PhysioNet 官方子研究描述、Frenkel-Toledo et al. 2005

⚠️ 坑点 5：总力列（18/19）是 8 通道之和，直接全喂模型引入共线性（分类：预处理陷阱）

问题：列 18/19 恒等于列 2-9 / 10-17 之和，是确定性冗余。全 19 列一起入模会让线性模型/浅层网络权重不可解释， PCA 等变换的方差贡献被双重计数。
症状：线性特征重要性中总力列"一家独大"；PCA 主成分近似等于"总力方向"；消融实验显示去掉传感器通道几乎不掉点（信息已由总力携带）。
解决：

简单方法：只用 16 传感器通道，或只用 2 总力通道，二选一；

进阶方法：把总力用于步态事件检测（阈值分段）而非分类特征，实现"分工"；

SOTA 方法：以 16 通道构建传感器图（2×8 拓扑），用 GNN 显式建模空间关系，物理冗余自然消失（CNN-GRU-GNN, 2025）。
参考：format.txt 列定义

⚠️ 坑点 6：窗口级评估指标虚高——受试者级才是临床真相（分类：评估误用）

问题：一条 2 分钟记录可切出约 47 个 5 秒窗口，窗口级投票/平均会让测试受试者的多数窗口在训练分布内；报告窗口级准确率与临床场景（一人一诊断）错位。
症状：窗口级 99.5% vs 受试者级 90% 量级的落差；不同论文指标口径不一无法比较；漏检整名患者被淹没在大量正确窗口里。
解决：

简单方法：受试者得分 = 该受试者全部窗口概率的均值，再按受试者算 acc/敏感度/特异度；

进阶方法：报告两种粒度并给出受试者级 ROC-AUC；用多数投票与软投票做敏感性分析；

SOTA 方法：受试者级 attention/mil 池化（把每人窗口袋视为一个 bag），端到端学习受试者表征并直接输出受试者级预测。
参考：Muñoz-Mata et al. 2024（10 折受试者级协议）

⚠️ 坑点 7：跨受试者幅度差异巨大，全局归一化抹掉病理信号（分类：预处理陷阱）

问题：VGRF 幅值与体重、步速强相关（本库体重跨度 60-72+ kg 段位），用全库全局 min-max/z-score 会把"PD 患者峰值力更低、波形更平缓"这一核心病理差异混入归一化噪声。
症状：归一化后患者/对照波形肉眼可分性下降；体重相关特征重要性虚高；加入体重协变量后性能不升反降。
解决：

简单方法：每条记录（或每窗口）按自身峰值力归一化，保留波形形状而去除体重尺度；

进阶方法：同时保留形状特征（归一化波形）与显式协变量（体重、速度）分开建通道，供模型学习交互；

SOTA 方法：实例归一化（Instance Norm / RevIN）作为网络第一层，训练与推理自动对齐每样本分布，对幅值漂移鲁棒。
参考：官方设备与量纲说明、demographics 表体重字段

⚠️ 坑点 8：93:72 类别不平衡 + 老年对照的年龄混淆（分类：偏倚陷阱）

问题：PD 与对照约 56:44，轻度不平衡但不可忽视；更隐蔽的是对照全部为老年人（均值 66.3 岁），模型可能学到"步态不稳 = 老年 = PD"的年龄捷径，而非帕金森特异性模式。
症状：对年轻志愿者推理时误报率高；指标上特异度长期低于敏感度；换到含年轻对照的外部数据集性能崩塌。
解决：

简单方法：训练加权交叉熵（正类权重 = n_neg/n_pos）并在受试者级指标中同时报告敏感度/特异度；

进阶方法：以年龄做分层评估（≤65 vs >65）与公平性审计；把年龄作为对抗变量或残差化后再分类；

SOTA 方法：引入含年轻对照的外部队列（如自有采集或同族库）做年龄谱插值验证，并在模型卡中声明年龄混淆为已知局限。
参考：官方人口学描述、PMC10881932 Table 1

§6.6 数据增强

类别	操作	说明
✅ 安全	随机时间裁剪 / 滑窗加密	步态为准周期信号，任意起点裁剪保持分布
✅ 安全	小幅高斯噪声（σ ≤ 1-2% 峰值力）	模拟传感器噪声
✅ 安全	随机时间伸缩 ±5%	模拟步速自然波动，不破坏步态周期结构
✅ 安全	通道 Dropout（随机屏蔽 1-2 个传感器通道）	提升对单点传感失效的鲁棒性
❌ 危险	时间反转	步态压力曲线强不对称（触地冲击 vs 离地推进），反转会制造生理上不存在的信号
❌ 危险	大幅重采样（改变步频 >±20%）	篡改步频这一核心病理特征，等于篡改标签相关信息
❌ 危险	左右足交换	忽略 PD 常见的左右不对称性，破坏诊断相关信息
❌ 危险	幅度缩放至全局固定范围	与坑点 7 冲突，重新引入体重混淆

§6.7 模型推荐

模型	适用任务	输入形态	文献参考性能	备注
1D-CNN / ResNet1D	二分类	(2, 8, 500) 窗口	98.7%（El Maachi et al. 2020 口径）	训练快，首选 baseline
CNN-LSTM	二分类/分级	窗口序列	98.6%（Balaji et al. 2021）	时域依赖显式建模
Transformer（1D）	二分类	窗口 patch 序列	95.2-97%（综述）	需正则化防小样本过拟合
CNN-GRU-GNN	二分类	16 传感器图 × 时序	99.51%（Soft Computing, 2025）	空间拓扑显式建模
CLDNN（多分支）	HY/UPDRS 分级	左右脚支撑相分别建模	99.3%（Muñoz-Mata et al. 2024）	严重度任务 SOTA
手工特征 + SVM/RF	快速基线/可解释	CV、步频、摆动占比等	84.8-97.6%（综述）	教学与可解释研究友好

§6.8 硬件需求

配置	内存/GPU	可完成任务	说明
笔记本 CPU	8 GB RAM	全量加载、手工特征、SVM/RF、小 1D-CNN	全库约 300 MB 文本可全驻内存
单卡消费级 GPU	8 GB VRAM + 16 GB RAM	1D-CNN/LSTM/Transformer 全量训练	单折训练分钟-小时级
多卡/长上下文	24 GB VRAM	GNN-时序混合、超参搜索、集成	非必需

§6.9 评估指标代码

import numpy as np
import torch
from sklearn.metrics import (accuracy_score, balanced_accuracy_score,
                             roc_auc_score, confusion_matrix)

@torch.no_grad()
def evaluate_subject_level(model, loader, device="cuda"):
    """受试者级评估：窗口概率先聚合到受试者，再计算指标。"""
    model.eval()
    subj_scores = {}                                    # {subject: [probs]}
    subj_labels = {}
    for x, y, subj in loader:                           # Dataset 需返回受试者键
        prob = torch.softmax(model(x.to(device)), dim=1)[:, 1].cpu().numpy()
        for s, p, t in zip(subj, prob, y.numpy()):
            subj_scores.setdefault(s, []).append(float(p))
            subj_labels[s] = int(t)
    subj_ids = sorted(subj_scores)
    y_true = np.array([subj_labels[s] for s in subj_ids])
    y_prob = np.array([np.mean(subj_scores[s]) for s in subj_ids])
    y_pred = (y_prob >= 0.5).astype(int)
    tn, fp, fn, tp = confusion_matrix(y_true, y_pred).ravel()
    return {
        "subject_acc":  accuracy_score(y_true, y_pred),
        "balanced_acc": balanced_accuracy_score(y_true, y_pred),
        "sensitivity":  tp / (tp + fn),                 # PD 检出率
        "specificity":  tn / (tn + fp),                 # 对照正确率
        "auc":          roc_auc_score(y_true, y_prob),
        "n_subjects":   len(subj_ids),
    }

§6.10 MLOps 笔记

数据版本固化：数据集 2008 年后从未更新，直接在 DVC/数据卡中锁定 v1.0.0 + SHA256SUMS.txt 校验，杜绝"镜像漂移"；
口径声明入仓：把"72 vs 73 对照"的计数脚本与结论写入仓库 README，审计与复现一次通过（坑点 2）；
划分即工件：受试者级划分的组键列表（train/test 受试者 ID）落盘为 JSON，随模型 artifact 一起版本化；
指标双粒度上报：CI 中同时跑窗口级与受试者级评估（§6.9），阈值与口径变化自动告警；
模型卡必填项：单中心、老年对照、无 HY1/HY4-5、实验室条件采集四条局限必须写入部署文档（§7.3）。

§7 质量评估与局限性

§7.1 已知偏倚

偏倚类型	描述	严重程度	缓解措施
单中心偏倚	全部受试者来自以色列单一医疗中心，设备、流程、人种构成同质	高	外部验证（跨库/自有采集）后再部署
年龄混淆	对照均为老年人（均值 66.3 岁），无青年对照，模型可能学"衰老步态"而非"PD 步态"	高	年龄分层评估、对抗解耦（坑点 8）
病情谱偏窄	PD 集中于 HY 2-3（55/28/10 例），无 HY 1 与 HY 4-5	高	明确声明适用范围为轻中度 PD
协议异质	三子集协议不同（dual-task / RAS / 跑台）	中	按子集域隔离或域自适应（坑点 4）
类别不平衡	93 vs 72-73	低	加权损失、平衡采样
设备时代局限	2004-2005 年 Infotronic 系统，与现代鞋垫传感器特性不同	中	校准实验后迁移，勿假设零样本

§7.2 标注质量

诊断标签来自运动障碍专科医师临床金标准，确定性高；HY 与 UPDRS 为人工量表评定，观测者间一致性未公布，且官方以"和/或"方式提供（非全员双量表齐全）。demographics 表个别体测字段存在空缺（§4.5）。

标签	产生方式	预期误差源	使用建议
PD vs HC	专家临床诊断（排除继发性帕金森综合征）	极低；早期误诊风险不适用于本队列（均为确诊者）	可作硬标签
Hoehn & Yahr 分期	临床评定，5 级量表含 2 个中间级	量表粒度粗、评定者间波动	作有序类别，勿作连续值回归
UPDRS 评分	临床评定，0-199 分	运动亚项与总分口径、评定者间变异	声明量表版本；作弱监督信号
步行速度	测量获得	测量方法未详述	作协变量而非标签

总体判断：标签可信度高，但严重度标签应作有序类别而非连续精确值使用；任何以 UPDRS 为回归目标的工作都应报告评定不确定度的影响范围。

§7.3 泛化性

目标场景	失效风险	证据
居家/自由生活步态监测	高：全部记录为实验室受控环境，无日常行走噪声、地毯、转弯	官方协议为 2 分钟水平地面行走（官方页）
早期 PD（HY 1）筛查	高：队列无 HY 1 患者，模型对最轻症状未见训练分布	HY 分布 55/28/10（PMC10881932）
其他人群/地域	中-高：单中心以色列队列，人种与医疗背景单一	§7.1 单中心偏倚
现代可穿戴设备	中：2005 年前 Infotronic 系统与现代 MEMS 鞋垫响应特性不同	设备规格（§3.9）
跑台 → 地面迁移	中：Si 子集域差实验性可量化	坑点 4

§7.4 伦理与合规

三项子研究均在机构审查委员会（IRB）监督下进行并取得受试者书面知情同意（后续使用文献转述）。发布数据已完成去标识化：仅含人口学统计量（年龄、身高、体重、性别）、力学信号与量表评分，无姓名、病历号、精确日期或自由文本，重标识风险极低。许可为 ODC-BY 1.0（署名即用），SciCrunch 收录页标注"Acknowledgement requested"——使用时须引用 DOI 并致谢数据来源。

§7.5 公平性

性别：PD 组 63% 男性 vs 对照 55%，轻度失衡；女性 PD 亚组样本相对不足，建议按性别做分层指标审计；
年龄：全体为老年人，模型对 <60 岁人群无任何训练证据（坑点 8）；
体格：体重跨度大且与 VGRF 幅值强相关，跨 BMI 段的性能差异应纳入报告；
地域/人种：单中心队列，未公布详细人种构成，跨人群迁移必须实测。

§7.6 数据漂移

数据库 2008 年发布后未更新，而 20 年间临床实践（MDS-UPDRS 取代原版 UPDRS）、传感器技术（压阻/MEMS 鞋垫普及）与人群特征均在演变。用本库训练的模型部署到现代采集管线时，存在双向漂移：设备漂移（响应曲线、噪声底）与标注体系漂移（UPDRS 版本）。建议：部署前用目标设备采集小规模校准集，做特征级分布对比（PSI）与输出校准。

§7.7 DAIMS 数据质量评估

#	检查项	状态	说明
1	宽格式	✅	每记录文件即 19 列宽表；demographics 单表每受试者一行
2	唯一标识	✅	文件名即记录标识，可解析出子集/组别/受试者/walk
3	特殊字符	✅	纯 ASCII 数值文本，无异常字符
4	重复行	✅	数值信号流，无重复记录行
5	缺失编码	⚠️	信号无缺失；demographics 缺失以空值表示但未文档化编码
6	标签标识	⚠️	诊断/子集/dual-task 标签编码于文件名而非数据内列
7	罕见类分组	⚠️	HY3 仅 10 例，需分层采样与每类报告
8	偏倚评估	⚠️	官方未附偏倚分析；需使用者自行（见 §7.1）
9	数据字典	✅	format.txt 定义 19 列 + demographics 表结构
10	信息性缺失解释	⚠️	"离地为 0"是生理零而非缺失，需自行甄别
11	设备记录	✅	设备品牌型号（Infotronic Ultraflex CDG）与采样率明确
12	共线性	⚠️	总力列 = 分力之和，官方未提示冗余（坑点 5）
13	编码映射	✅	Co/Pt、Ga/Ju/Si、HY 分期语义明确
14	时间戳处理	✅	每文件自带秒级时间列，起始为 0
15	划分建议	⚠️	无官方划分，社区惯例不一
16	泄漏讨论	❌	官方未讨论受试者级泄漏
17	标签分布	✅	诊断与 HY 分布可从文件名与 demographics 完整重建
18	测量偏倚	⚠️	跑台/地面、dual-task/常规混合，官方未分层声明
19	外部验证建议	❌	官方无外部验证指引
20	版本记录	✅	单版本 1.0.0 + 全库 SHA256SUMS.txt
21	预处理脚本	❌	官方未提供任何处理代码
22	合规要求	✅	ODC-BY 1.0 + 致谢要求明确，无 DUA 负担
23	多模态对齐	✅	单模态数据库，无跨模态对齐负担
24	去标识化	✅	无直接标识符，仅统计量与伪 ID

DAIMS 评分：17.5 / 24（✅×13 = 13.0，⚠️×9 = 4.5，❌×3 = 0）

评分解读：这是一个"数据本体干净、元数据诚实，但工程配套为零"的经典 2000 年代物理信号库。信号侧（标识、格式、设备、去标识化）几乎全绿；短板集中在官方未提供划分、泄漏讨论与预处理脚本——即所有"怎么正确用它做机器学习"的问题都被留给了使用者。

对你意味着什么：拿它做课程实验或快速 baseline 可以直接开箱即用；用于发表论文或落地系统时，必须自带三件事——受试者级划分脚本（坑点 1）、72/73 口径审计（坑点 2）、子集域隔离策略（坑点 4），并把 §7.1 的年龄混淆写入模型卡。

§7.8 外部验证矩阵

本库无官方外部验证队列；以下为文献中可追溯的跨子集/跨协议评估证据：

外部数据集/场景	来源机构	评估任务	性能指标	相对内部变化	关键发现
Ga / Ju / Si 三个子数据集分别留一验证	Tel-Aviv Sourasky（数据）+ 方法学团队	PD vs HC	逐子集结果见 arXiv:2109.02442	合并训练优于部分子集单独训练	子集协议差异构成真实域偏移
interval type-2 神经模糊（逐子集评估）	方法学团队（arXiv:2109.02442）	PD vs HC	最高 97.6%（综述口径）	可解释方法略低于深度方法	小样本上可解释模型具竞争力
跨严重度（HY 2/2.5/3）受试者级评估	UASLP / INPer（Muñoz-Mata et al. 2024）	严重度分级	加权 acc 99.30%（10 折）	—	支撑相信号可分级，但无外部库复证

⚠️ 诚实声明：截至本页审核日，未检索到在完全独立外部队列（非本库子集）上验证 gaitpdb 训练模型的同行评审研究；所有 SOTA 数字均为库内交叉验证结果，不可视为临床泛化证据。

§8 基准性能与生态

§8.1 排行榜

排名	模型	性能	年份	关键技术	完整引用	代码
1	CNN-GRU-GNN	acc 99.51% / F1 99.64%	2025	16 传感器建图 + CNN-GRU 时空编码	Soft Computing, 2025. DOI: 10.1007/s00500-025-10733-6	未公开
2	CLDNN（严重度）	加权 acc 99.30%（HY）/ 99.34%（UPDRS）	2024	左右脚支撑相分别 CLDNN 建模后融合	Muñoz-Mata et al., 2024, Med Biol Eng Comput 62:3493-3506. DOI: 10.1007/s11517-024-03148-2	未公开
3	Deep 1D-Convnet	acc 98.7% / sens 97.8% / spec 99.2%	2020	1D 卷积直接编码 VGRF	El Maachi et al., 2020, Expert Systems with Applications. DOI: 10.1016/j.eswa.2020.113271	未公开
4	LSTM	acc 98.6% / sens 96.2% / spec 98.1%	2021	时频特征 + LSTM 序列建模	Balaji et al., 2021, Applied Soft Computing 108:107463. DOI: 10.1016/j.asoc.2021.107463	未公开
5	ConvNet-Transformer	acc 97%	—	CNN 局部特征 + Transformer 全局注意力	见 AI 综述 Table V	未公开
6	Interval type-2 神经模糊	acc 97.6%	2021	可解释模糊规则 + qLM 学习	Salmi et al.（方法学预印本 arXiv:2109.02442）	未公开

⚠️ 数值不可直接比较：各研究在划分粒度（记录级/受试者级）、窗口长度、是否剔除 dual-task 与 Si 子集、是否全局归一化上口径不一；同一模型换划分可差数个百分点。综述证据显示传统方法（NN 84.8%、张量分解 86.2%）与深度方法（普遍 >95%）之间存在系统性差距，但全部数字均为库内交叉验证（arXiv:2405.13082、arXiv:2502.10703）。

§8.2 SOTA 总结与选型建议

要发表论文的 baseline：1D-CNN + 受试者级 GroupKFold + 双粒度报告（§6.9），是当前文献的可信下界；
要刷点的结构先验：传感器图拓扑（GNN）与左右脚分支（CLDNN）是两条被验证有效的归纳偏置路线；
要可解释性/临床落地：手工特征 + 神经模糊（97.6%）或特征重要性审计的浅模型更受临床审稿人信任；
共识：>99% 的数字应视为"该划分口径下的库内上限"，不构成临床准确率承诺。

§8.3 评测协议

数据口径：声明使用的子集（是否含 Si/dual-task）与对照计数口径（72/73）；
划分：受试者级分组分层 10 折 CV（或 5 次重复），报告折间均值 ± 标准差；
预处理统一：窗口长度、归一化方式写入协议并在消融中固定；
指标：acc、balanced acc、敏感度、特异度、受试者级 AUC，严重度任务加宏 F1 与混淆矩阵；
公平性：按性别/年龄段的分组指标一并报告。

数据集	关系	用途建议
Gait in Neurodegenerative Disease（gaitnd）	同族：PD 15 + Huntington 20 + ALS 13 + 对照 16	跨疾病迁移、外部小样本验证
Gait Maturation Database	同族：50 名健康儿童	发育参照、年龄谱外推
Gait in Aging and Disease（gaitdb）	同族：15 名受试者步态间隔	步态间隔动力学方法对照
Tai Chi Gait（PhysioNet）	同族：footswitch + EMG，含 dual-task	dual-task 交叉模态研究

§8.5 关键论文 Top 6

Yogev G, Giladi N, Peretz C, Springer S, Simon ES, Hausdorff JM. Dual tasking, gait rhythmicity, and Parkinson’s disease: Which aspects of gait are attention demanding? European Journal of Neuroscience 2005;22(5):1248-1256. DOI: 10.1111/j.1460-9568.2005.04298.x — Ga 子集定义研究：证明 PD 步态节律调控从"自动化"变为"注意依赖"。
Hausdorff JM, Lowenthal J, Herman T, Gruendlinger L, Peretz C, Giladi N. Rhythmic auditory stimulation modulates gait variability in Parkinson’s disease. European Journal of Neuroscience 2007;26(8):2369-2375. DOI: 10.1111/j.1460-9568.2007.05810.x — Ju 子集定义研究：外部节律刺激可调节 PD 步态变异性。
Frenkel-Toledo S, Giladi N, Peretz C, Herman T, Gruendlinger L, Hausdorff JM. Treadmill walking as an external pacemaker to improve gait rhythm and stability in Parkinson’s disease. Movement Disorders 2005;20(9):1109-1114. DOI: 10.1002/mds.20507 — Si 子集定义研究：跑台的外部节拍器效应。
Alam MN, Garg A, Munia TTK, Fazel-Rezai R, Tavakolian K. Vertical ground reaction force marker for Parkinson’s disease. PLoS ONE 2017;12(5):e0175951. DOI: 10.1371/journal.pone.0175951 — VGRF 作为 PD 标志物的早期系统论证。
El Maachi I, Bilodeau G-A, Bouachir W. Deep 1D-convnet for accurate Parkinson disease detection and severity prediction from gait. Expert Systems with Applications 2020. DOI: 10.1016/j.eswa.2020.113271 — 1D-CNN 检测 + 严重度预测的广被引用基准。
Muñoz-Mata BG, Dorantes-Méndez G, Piña-Ramírez O. Classification of Parkinson’s disease severity using gait stance signals in a spatiotemporal deep learning classifier. Medical & Biological Engineering & Computing 2024;62:3493-3506. DOI: 10.1007/s11517-024-03148-2 — 当前严重度分级任务最佳报告之一（10 折 99.3%）。

§8.6 社区活跃度

SciCrunch 以 RRID: SCR_006891 收录（截至 2026-07 仍在维护更新），被 NIF Data Federation 与 Aging Portal 等聚合器引用（SciCrunch）；
Ga 子集定义论文 Scopus 被引 635+（截至 2026-09，TAU CRIS），衍生论文横跨神经科学与 AI 两个社区；
两篇步态 AI 综述（arXiv:2405.13082、arXiv:2502.10703）均把本库列为 PD 步态检测最常用基准之一，收录方法从传统机器学习到 Transformer/GNN 共数十项；
GitHub 存在多个复现仓库与教学项目（如 jGP 符号建模工具、数据镜像仓库），Kaggle 等平台有大量 notebook 实践；
数据本身 2008 年后零更新，社区维持"冻结基准"状态——这既是缺点（无新增早期患者），也是优点（跨年论文数字纵向可比）。

§8.7 生态快照

资源	类型	链接	Star（截至 2026-09）	推荐理由
PhysioNet gaitpdb 官方页	官方数据页	physionet.org/content/gaitpdb	—	权威下载与引用入口
format.txt	官方格式说明	官方文档	—	19 列定义唯一权威来源
jGP	建模工具	github.com/jameshughes89/jGP	低	面向 gaitpdb 的符号回归式可解释建模
gait-in-parkinsons-disease	数据镜像/教学	github.com/WoDeTianK/gait-in-parkinsons-disease	低	README 完整转述文件命名规范，上手友好
步态神经退行性疾病 AI 综述	综述	arXiv:2405.13082	—	汇总本库相关方法与准确率谱系

§9 相关资源与引用

§9.1 官方资源

PhysioNet Gait in Parkinson’s Disease 主页 — 数据描述、参考文献、许可与版本信息；
数据文件目录（含 SHA256SUMS.txt） — 逐文件下载与校验；
format.txt 官方格式说明 — 19 列定义；
demographics.xls 人口学与量表表 — 受试者级标注；
PhysioNet 步态主题页 — 同族步态数据集索引；
DOI 10.13026/C24H3N — 数据库持久引用标识。

§9.2 BibTeX 完整引用

@article{yogev2005dual,
  author  = {Yogev, Galit and Giladi, Nir and Peretz, Chava and Springer, Shmuel and Simon, Ely S. and Hausdorff, Jeffrey M.},
  title   = {Dual tasking, gait rhythmicity, and {Parkinson's} disease: Which aspects of gait are attention demanding?},
  journal = {European Journal of Neuroscience},
  year    = {2005},
  volume  = {22},
  number  = {5},
  pages   = {1248--1256},
  doi     = {10.1111/j.1460-9568.2005.04298.x}
}

@article{hausdorff2007rhythmic,
  author  = {Hausdorff, Jeffrey M. and Lowenthal, Jessica and Herman, Talia and Gruendlinger, Leor and Peretz, Chava and Giladi, Nir},
  title   = {Rhythmic auditory stimulation modulates gait variability in {Parkinson's} disease},
  journal = {European Journal of Neuroscience},
  year    = {2007},
  volume  = {26},
  number  = {8},
  pages   = {2369--2375},
  doi     = {10.1111/j.1460-9568.2007.05810.x}
}

@article{frenkeltoledo2005treadmill,
  author  = {Frenkel-Toledo, Silvi and Giladi, Nir and Peretz, Chava and Herman, Talia and Gruendlinger, Leor and Hausdorff, Jeffrey M.},
  title   = {Treadmill walking as an external pacemaker to improve gait rhythm and stability in {Parkinson's} disease},
  journal = {Movement Disorders},
  year    = {2005},
  volume  = {20},
  number  = {9},
  pages   = {1109--1114},
  doi     = {10.1002/mds.20507}
}

@article{frenkeltoledo2005speed,
  author  = {Frenkel-Toledo, Silvi and Giladi, Nir and Peretz, Chava and Herman, Talia and Gruendlinger, Leor and Hausdorff, Jeffrey M.},
  title   = {Effect of gait speed on gait rhythmicity in {Parkinson's} disease: variability of stride time and swing time respond differently},
  journal = {Journal of NeuroEngineering and Rehabilitation},
  year    = {2005},
  volume  = {2},
  pages   = {23}
}

@article{alam2017vgrf,
  author  = {Alam, Md. Nur and Garg, Anupam and Munia, Tauhidur T. K. and Fazel-Rezai, Reza and Tavakolian, Kouhyar},
  title   = {Vertical ground reaction force marker for {Parkinson's} disease},
  journal = {PLoS ONE},
  year    = {2017},
  volume  = {12},
  number  = {5},
  pages   = {e0175951},
  doi     = {10.1371/journal.pone.0175951}
}

@article{goldberger2000physiobank,
  author  = {Goldberger, Ary L. and Amaral, Luis A. N. and Glass, Leon and Hausdorff, Jeffrey M. and Ivanov, Plamen Ch. and Mark, Roger G. and Mietus, Joseph E. and Moody, George B. and Peng, Chung-Kang and Stanley, H. Eugene},
  title   = {{PhysioBank}, {PhysioToolkit}, and {PhysioNet}: Components of a new research resource for complex physiologic signals},
  journal = {Circulation},
  year    = {2000},
  volume  = {101},
  number  = {23},
  pages   = {e215--e220}
}

@misc{gaitpdb2008,
  author       = {{Jeffrey Hausdorff}},
  title        = {{Gait in Parkinson's Disease}},
  year         = {2008},
  howpublished = {PhysioNet},
  doi          = {10.13026/C24H3N},
  url          = {https://physionet.org/content/gaitpdb/1.0.0/}
}

§9.3 引用指南

使用本库发表论文时，最低引用集为：数据库本体（gaitpdb2008 条目，DOI 10.13026/C24H3N）+ PhysioNet 平台论文（goldberger2000physiobank，或 PhysioNet 现行平台引用 Pollard et al. 2026, Nature Health）+ 所用子集的原始研究（Ga→yogev2005dual；Ju→hausdorff2007rhythmic；Si→frenkeltoledo2005treadmill）。使用严重度标签时建议同时引用 HY/UPDRS 评定相关方法学文献。

§10 AI 使用声明卡

§10.1 AI 模型列表

环节	模型/工具	用途
本条目撰写	大型语言模型（千方病案医数集写作 Agent）	资料整理、结构化写作、代码示例生成
WebSearch	搜索引擎检索工具	事实核查与来源收集

§10.2 AI 参与范围

AI 参与本条目的检索汇总、初稿撰写、代码示例编写与格式规范化；所有关键数字（样本量、采样率、许可证、基准性能、引用数）均经 AI 检索后由人类编辑对照来源复核；医学解读（§2）与偏倚分析（§7）经医学编辑部人工审核。

§10.3 输入来源列表

Yogev et al. (2005), European Journal of Neuroscience 22(5):1248-1256 — Ga 子集定义论文（DOI: 10.1111/j.1460-9568.2005.04298.x）
Hausdorff et al. (2007), European Journal of Neuroscience 26(8):2369-2375 — Ju 子集定义论文（DOI: 10.1111/j.1460-9568.2007.05810.x）
Frenkel-Toledo et al. (2005), Movement Disorders 20(9):1109-1114 — Si 子集定义论文（DOI: 10.1002/mds.20507）
Frenkel-Toledo et al. (2005), Journal of NeuroEngineering and Rehabilitation 2:23 — 步速与节律变异性
PhysioNet Gait in Parkinson’s Disease v1.0.0 官方页面（含 Data Description 与 References）
PhysioNet gaitpdb 1.0.0 文件目录页（文件清单、逐文件大小、辅助文件）
format.txt（官方 19 列格式说明）
Goldberger et al. (2000), Circulation 101(23):e215-e220 — PhysioNet 平台论文
Pollard et al. (2026), Nature Health — PhysioNet 平台现行引用（DOI: 10.1038/s44360-026-00096-z）
SciCrunch RRID: SCR_006891 收录页（RRID、资助、致谢要求）
PMC10881932（Gait classification for early detection and severity rating of Parkinson’s disease — 人口学表与 HY 分布）
Muñoz-Mata et al. (2024), Med Biol Eng Comput 62:3493-3506（DOI: 10.1007/s11517-024-03148-2）
Soft Computing (2025) CNN-GRU-GNN 论文（DOI: 10.1007/s00500-025-10733-6）
El Maachi et al. (2020), Expert Systems with Applications（DOI: 10.1016/j.eswa.2020.113271）
Balaji et al. (2021), Applied Soft Computing 108:107463（DOI: 10.1016/j.asoc.2021.107463）
arXiv:2405.13082（Gait-Based Neurodegenerative Disease Diagnosis 综述）
arXiv:2502.10703（Multimodal AI for Parkinson’s Disease 综述）
arXiv:2109.02442（Interval Type-2 Neuro-Fuzzy 方法论文，含逐子集受试者统计）
Tel Aviv University CRIS（Yogev 2005 Scopus 引用数，截至 2026-09）
GitHub: WoDeTianK/gait-in-parkinsons-disease 与 jameshughes89/jGP（文件命名规范与生态工具）

§10.4 人工校验记录

内容模块	审核者	审核方式	审核状态
§2 医学背景（ICD-11/SNOMED、流行病学、HY 分期）	千方病案医学编辑部	对照官方页面与同行评审文献逐项核对	✅ 已通过/已验证
§3 数据集规格（规模、格式、设备、许可）	千方病案医学编辑部	对照 PhysioNet 官方页与目录页逐文件核对	✅ 已通过/已验证
§4 DAIMS 数据字典	医疗 AI 数据工程师	对照 format.txt 与 demographics 结构	✅ 已通过/已验证
§5 划分策略与泄漏分析	医疗 AI 数据工程师	代码走查 + 文献口径交叉验证	✅ 已通过/已验证
§6 预处理与坑点	医疗 AI 数据工程师	代码可运行性验证 + 真实社区证据溯源	✅ 已通过/已验证
§8 基准数字	千方病案医学编辑部	逐条 DOI 与原文数值复核	✅ 已通过/已验证

§10.5 AI 生成章节标注

本条目全部章节由 AI 起草；§0 免责声明为平台固定文本；§2、§7 经医学与数据工程双人复核修订；§6 代码示例经人工环境验证。不含 AI 未溯源的数字或结论。

§10.6 最后人工审核

最后人工审核日期：2026-09-05（与 §0 审核日期一致）。

页面状态：published（全部内容已完成审核并发布）

§C 结构化数据（JSON-LD）

返回 AI-Ready 数据集