使用双阶段编码模型分析患者日常运动行为动力学
人工智能
2025-02-17 v1 机器学习
摘要
在遥感健康监测数据分析中，时间序列表示学习在揭示患者行为模式方面具有重要价值，尤其考虑到数据的时间细粒度。本研究聚焦于来自确诊痴呆患者的居家活动记录数据集。我们提出了两种自监督学习方法。第一阶段将时间序列活动转换为文本字符串，再通过微调语言模型进行编码。第二阶段将这些时间序列向量进行二维化，以应用 PageRank 方法，分析潜在状态转移，以定量评估参与者的行为模式并识别活动偏差。这些见解结合诊断数据旨在支持个性化护理干预。
引用
@article{arxiv.2502.09947,
title = {Analyzing Patient Daily Movement Behavior Dynamics Using Two-Stage Encoding Model},
author = {Jin Cui and Alexander Capstick and Payam Barnaghi and Gregory Scott},
journal= {arXiv preprint arXiv:2502.09947},
year = {2025}
}
备注
NeurIPS 2024 workshop Time Series in the Age of Large Models. arXiv admin note: substantial text overlap with arXiv:2502.09173