基于可穿戴运动传感器的自监督预训练用于婴儿运动分类的评估
机器学习
2023-05-17 v1 信号处理
摘要
近期开发的婴儿可穿戴设备MAIJU提供了一种在院外环境中客观、可扩展地自动评估婴儿运动表现的手段。该信息可用于发育研究并支持临床决策，例如检测发育问题并指导其治疗干预。基于MAIJU的分析完全依赖于对婴儿姿势和运动的分类；因此，研究提高此类分类准确率的方法至关重要，旨在增强自动分析的可靠性和鲁棒性。在此，我们研究了自监督预训练如何改善用于分析MAIJU记录的 classifier 性能，并研究了预训练数据的上下文选择性质量筛选（排除婴儿运动较少或传感器缺失的时段）是否影响分类器模型性能。我们的实验表明：i）使用无标签数据预训练分类器可使后续分类模型准确率稳健提升；ii）选择上下文相关的预训练数据可进一步大幅改善分类器性能。
引用
@article{arxiv.2305.09366,
title = {Evaluation of self-supervised pre-training for automatic infant movement classification using wearable movement sensors},
author = {Einari Vaaras and Manu Airaksinen and Sampsa Vanhatalo and Okko Räsänen},
journal= {arXiv preprint arXiv:2305.09366},
year = {2023}
}
备注
To be published in Proc. IEEE EMBC 2023, Sydney, Australia