数据操作方法中验证癫痫发作检测模型时方法学选择的重要性
机器学习
2023-02-22 v1
摘要
癫痫是一种慢性神经系统疾病，影响人类人口的很大一部分，并给患者日常生活带来严重风险。尽管机器学习和物联网取得了进展，用于门诊环境连续监测与检测的小型、无污名化可穿戴设备尚未问世。部分原因在于癫痫本身的复杂性，包括高度不平衡的数据、多模态性质以及极强的受试者特异性。然而，另一个问题是研究中方法学方法的异质性，导致进展缓慢、结果难以比较且可重复性低。因此，本文识别了在训练和评估癫痫检测系统性能时必须做出并报告的一系列方法学决策。我们使用典型的集成随机森林模型和公开可用的CHB-MIT数据库刻画了各个选择的影响，尽可能基于我们的经验提供各决策的更全局图景并给出良好实践建议。
引用
@article{arxiv.2302.10672,
title = {Importance of methodological choices in data manipulation for validating epileptic seizure detection models},
author = {Una Pale and Tomas Teijeiro and David Atienza},
journal= {arXiv preprint arXiv:2302.10672},
year = {2023}
}