文章总结与翻译一、主要内容该研究针对帕金森病（PD）步态识别中现有方法单模态输入局限、鲁棒性不足及缺乏临床可解释性的问题，提出了一种融合RGB-D多模态数据与大语言模型（LLM）的可解释性框架。核心框架数据预处理：通过Azure Kinect传感器采集同步的RGB和深度序列，进行格式标准化、视差转换及模态对齐，保留真实场景下的空间位置变异性。双模态特征提取：采用两个独立的YOLOv11编码器，分别从RGB数据（捕捉颜色、纹理、肢体运动细节）和深度数据（提取3D结构、关节位移等光照不变特征）中提取模态特异性特征。跨空间颈部融合：包含多尺度局部-全局提取（MLGE）模块和跨空间颈部融合（CSNF）机制。MLGE分别捕捉细粒度肢体运动（如手臂摆动减少）和全局步态动态（如短步幅）；CSNF整合多尺度特征并通过注意力机制强化跨模态相关性。临床报告生成：将融合特征转换为嵌入向量，结合结构化元数据（如检测到的步态异常）输入冻结的TinyLlama-1.1B-Chat-v1.0模型，生成临床可解释的文本报告。实验与结果数据集：基于Azure Kinect采集的包含正常步态和帕金森样步态的RGB-D序列，涵盖光照变化、衣物遮挡等真实场景。性能：在Rank-1准确率（89.0±0.5%