面向脑动态的域特定去噪扩散概率模型
人机交互
2023-05-16 v2
摘要
不同人类受试者间脑动态的差异（通常称为人体伪迹）长期以来是该领域的难题，严重限制了脑动态识别模型的泛化能力。传统的人体伪迹去除方法通常采用基于简单先验分布假设的频谱滤波或盲源分离，最终制约了对每个受试者域方差建模的能力。本文提出一种新方法，将人体伪迹去除建模为生成式去噪过程，能够同时生成并学习受试者特定的域方差与不变的脑信号。我们引入了域特定去噪扩散概率模型（DS-DDPM），该模型在每一步将去噪过程分解为受试者域方差与不变内容。通过融入细微约束与概率设计，我们将域方差与不变内容表述于正交空间中，并进一步用受试者分类器监督域方差。该方法首次通过生成式去噪过程显式分离人体受试者特定方差，在两方面优于以往方法：1）与传统滤波方法相比，DS-DDPM可通过域生成式学习学到更精确的受试者特定域方差；2）DS-DDPM是首个能够显式生成受试者噪声分布的方法。综合实验结果表明，DS-DDPM有效缓解了跨域脑动态信号识别中的域分布偏置。
引用
@article{arxiv.2305.04200,
title = {Domain-Specific Denoising Diffusion Probabilistic Models for Brain Dynamics},
author = {Yiqun Duan and Jinzhao Zhou and Zhen Wang and Yu-Cheng Chang and Yu-Kai Wang and Chin-Teng Lin},
journal= {arXiv preprint arXiv:2305.04200},
year = {2023}
}