arXiv Artificial Intelligence· Mingrui Ma, Tian Tan, Jinsi Guo, Jessica Rose, Yiwen Dong·· 13 小时前AI 评分31
MotionDecipher：LLM 辅助人体运动信号临床解读，实现高效步态分析
MotionDecipher: LLM-Assisted Clinical Interpretation of Human Motion Signals for Efficient Gait Analysis
AI 导读
MotionDecipher 框架通过人体运动 Tokenizer、Meta Feature Selector 和 Hybrid Context Constructor 三个组件，将连续运动信号转化为结构化上下文供 LLM 解读步态。
推荐理由模型分析
MotionDecipher 针对步态数据到临床描述之间的语义鸿沟，把连续运动信号先经运动分词器转为领域 token，再用元特征选择器生成结构化表示，并用混合上下文构造器挑选演示提示，供 LLM 做上下文学习。在 122 名患者与 46 名对照的认证步态实验室数据上，报告 BERTScore 0.91、较 GPT-5 高 13%，专家在正确性、完整性和简洁性上评分最高。适合关注 LLM 处理时序生理信号、临床报告自动化的研究者参考；但证据限于该实验室数据集与专家评分，尚不能推断临床部署效果。
来源：arXiv Artificial Intelligence · arxiv.org