基于扩展多示例函数的心冲击图信号心跳特征刻画
计算机视觉与模式识别
2016-11-17 v1
摘要
一种多示例学习（MIL）方法，即扩展多示例函数（FUMI），被应用于由液压床传感器产生的心冲击图（BCG）信号。该方法的目标是学习个体的个性化心跳“概念”。此心跳概念是一个原型（或“签名”），用于刻画个体在心冲击图数据中的心跳模式。FUMI方法将从一个BCG信号中学习心跳概念的问题建模为一个MIL问题。该方法巧妙地处理了BCG信号中固有的不确定性，例如训练数据与真值之间的错位、某些传感器对心跳的误采集等。给定一个BCG训练信号以及一个真值信号（例如指脉传感器），可以生成仅带有二元标签（表示训练包是否包含心跳信号）的训练“包”。然后，利用这些包，FUMI学习该受试者的个性化心跳概念以及若干非心跳背景概念。学习到心跳概念后，可将心跳检测和心率估计应用于测试数据。实验结果表明，与文献中的对比MIL方法相比，FUMI发现的估计心跳概念是更具代表性且更具判别力的心跳信号原型。
引用
@article{arxiv.1605.04634,
title = {Heart Beat Characterization from Ballistocardiogram Signals using Extended Functions of Multiple Instances},
author = {Changzhe Jiao and Princess Lyons and Alina Zare and Licet Rosales and Marjorie Skubic},
journal= {arXiv preprint arXiv:1605.04634},
year = {2016}
}
备注
IEEE EMBC 2016, pp. 1-5