一种人类在循环中的方法,用于对生物医学信号中的事件进行注释
IEEE journal of biomedical and health informatics
|September 13, 2024
概括
这项研究引入了一种代注释支持算法,可以显著加快用于人工智能训练的生物医学信号标签的过程. 人类专家验证人工智能提出的事件,减少手工劳动和提高注释效率.
科学领域:
- 生物医学信号处理
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 大规模的生物医学信号数据库对于训练人工智能系统至关重要.
- 这些信号的手动注释,特别是用于事件检测,是耗时和劳动密集的.
- 目前的方法需要专家仔细审查整个录音,突出事件的兴趣.
研究的目的:
- 开发一种高效的人在循环算法,用于注释生物医学信号记录.
- 为了减少人工智能模型培训中数据处理和注释所需的人力努力.
- 提高生物医学信号注释的可扩展性和效率.
主要方法:
- 开发了一种代注释支持算法,集成了人类的反.
- 该算法使用在初始注释上训练的AI模型生成事件建议.
- 人类专家验证了拟议的事件,这种反在连续循环中改进了模型.
主要成果:
- 与手动方法和基准相比,该算法显著减少了注释时间.
- 在一个数据集中,确定了所有事件;在另一个数据集中,发现了70%.
- 人类审查员只需要检查20%的数据进行验证.
结论:
- 将人类专业知识与人工智能结合起来,可以显著加速生物医学信号注释.
- 由于其简单性和最小的特定任务要求,拟议的算法具有广泛的适用性.
- 这种方法提高了为AI创建大型生物医学信号数据集的效率和可扩展性.
