避免在生物医学信号中使用基于事件的检测进行后处理

科学领域:

• 生物医学信号处理
• 机器学习 机器学习
• 事件检测 事件检测

背景情况:

• 在生物医学信号处理中,检测发作和信号工件等事件至关重要.
• 基于时代的分类是常见的,但需要为事件识别进行繁的后处理.
• 目前的方法在设计后处理方案时涉及大量的手工工作.

研究的目的:

• 为直接事件检测提出一种基于事件的新型建模框架.
• 为了消除在信号事件检测中需要临时的后处理.
• 将基于事件的建模与传统基于时代的方法的性能进行比较.

主要方法:

• 开发了一个基于事件的建模框架,事件是直接的学习目标.
• 将框架应用于模拟和现实世界的生物医学数据.
• 将基于事件的方法与基于时代的传统分类和后处理进行了比较.

主要成果:

• 基于事件的建模实现了与基于时代的建模相等或优于它的性能.
• 拟议的框架消除了对广泛,量身定制的后处理的必要性.
• 在模拟和现实世界数据集上都表现出有效性.

结论:

• 将事件视为直接学习目标简化了检测过程并减少了设计工作.
• 基于事件的建模框架为生物医学信号处理中的传统方法提供了强大的替代方案.
• 这种方法对各种事件检测挑战具有广泛的适用性,最大限度地减少特定任务的后处理要求.