Phương pháp HMFP-DBRNN được thiết kế để tách chuyển động tự nguyện khỏi rung tay bệnh lý mà không cần giả định đặc điểm tín hiệu rung. Mạng RNN hai chiều sử dụng các đơn vị GRU để xử lý chuỗi dữ liệu theo cả hai chiều thời gian, giúp cải thiện độ chính xác và khả năng dự đoán. Cơ chế huấn luyện độc đáo sử dụng dữ liệu tổng hợp từ rung tay nghỉ và chuyển động tự nguyện nhân tạo, cho phép mạng học cách phân biệt và dự đoán chuyển động tay. Mô hình được đánh giá bằng hai bộ dữ liệu thực tế (Motus và Smartphone), cho thấy hiệu quả vượt trội so với các phương pháp truyền thống như BMFLC và WAKE. Kết quả định lượng và định tính đều chứng minh khả năng lọc rung và dự đoán chuyển động chính xác theo thời gian thực.