SkelMamba：一种用于高效识别神经疾病骨架动作的状态空间模型

本研究提出了一种基于状态空间模型（SSM）的框架用于骨架人类动作识别，着重解决了临床诊断和一般动作识别中的性能不足问题。通过对骨架运动分析进行空间、时间和时空流的分解，并采用多方向扫描策略，我们的模型提高了对与神经疾病相关的微妙运动模式的识别能力。在公开的动作识别基准上，我们的模型在降低计算复杂度的同时，实现了最高$3.2\%$的准确率提升，并推出了新的医学数据集以验证自动化疾病诊断的潜力。