数据预处理技术用于人工智能和机器学习准备:在癌症护理中对可穿戴传感器数据的范围审查

科学领域:

• 数字健康数字健康
• 生物医学工程 生物医学工程
• 在瘤学中的数据科学.

背景情况:

• 可穿戴传感器在医疗保健中提供持续的患者监测,特别是在癌症护理中.
• 在确保可穿戴传感器数据的质量和一致性方面,仍然存在挑战.
• 对于原始传感器数据的预处理管道需要进一步优化.

研究的目的:

• 在癌症治疗中对原始可穿戴传感器数据的预处理技术进行范围审查.
• 确定准备人工智能和机器学习 (AI/ML) 应用数据的方法.
• 了解目前的数据清理,转换和特征提取方法.

主要方法:

• 在IEEE Xplore,PubMed,Embase和Scopus中进行系统的文献搜索.
• 纳入标准:癌症中的移动健康/可穿戴传感器研究,英语,2018年1月至2023年12月,全文,同行评审.
• 分析了20项符合资格标准的研究.

主要成果:

• 数据转换 (60%) 是最常见的预处理类别,将原始数据转换为信息格式.
• 数据规范/标准化 (40%) 和数据清理 (40%) 也经常用于提高数据可比性和可靠性.
• 技术解决了噪音,缺失值,异常值,以及AI/ML准备的特征提取.

结论:

• 高质量的可穿戴传感器数据对于AI/ML在癌症治疗中至关重要,但缺乏标准化的预处理.
• 迫切需要统一的数据质量和可穿戴传感器数据的预处理工作流程.
• 提出了一个用于预处理可穿戴传感器数据的一般框架,可以适应癌症治疗之外的情况.