数据增强用于生成合成电胃图时间序列
Nadica Miljković1,2, Nikola Milenić3, Nenad B Popović3
1University of Belgrade-School of Electrical Engineering, Bulevar Kralja Aleksandra 73, 11000, Belgrade, Serbia. nadica.miljkovic@etf.bg.ac.rs.
Medical & biological engineering & computing
|May 5, 2024
概括
研究人员开发了一种新的方法来生成合成电胃图 (EGG) 时间序列数据. 这种数据增强技术增强了信号处理算法评估和人工智能 (AI) 模型培训.
科学领域:
- 生物医学工程 生物医学工程
- 信号处理 信号处理
- 计算生物学 计算生物学
背景情况:
- 在信号处理中对多样化的数据集的新兴需求.
- 电气胃学 (EGG) 数据对于理解胃动态至关重要.
- 目前的数据集可能缺乏多样性,无法进行强大的算法评估.
研究的目的:
- 开发和评估一种用于合成电胃图 (EGG) 时间序列生成的新方法.
- 为信号处理算法评估提供一个可定制的工具.
- 增强数据多样性用于训练人工智能 (AI) 算法.
主要方法:
- 利用来自开放数据库的EGG数据来设置模型参数.
- 采用统计测试来评估合成数据.
- 定制了模拟模拟器疾病效应和心律失常的模拟方法.
主要成果:
- 生成了具有可控制参数的合成EGG数据 (持续时间,采样频率,状态,噪音,人工物,心律失常).
- 在70%以上的病例中,在食后和禁食状态之间取得了统计学上显著的差异.
- 模拟模拟器疾病的合成EGG信号显示了预期的趋势.
结论:
- 拟议的数据增强方法有效地产生多样化和现实的合成EGG数据.
- 自由可用的代码允许用于信号处理和AI算法开发的定制.
- 这种方法可以适应其他生物信号,如电脑电图 (EEG).
