基于光电容积描记信号在不平衡类别中利用标签传播技术进行伪迹检测
机器学习
2024-06-21 v3 信号处理
摘要
本研究旨在探讨标签传播技术在光电容积描记（PPG）信号间传播标签的应用，特别是在不平衡类别场景和有限数据可用性场景中，其中干净PPG样本数量远少于被伪迹污染的样本。我们研究了一个包含1571名患者PPG记录的数据集，其中约82%的样本被识别为干净样本，其余18%被伪迹污染。我们的研究比较了监督分类器（如常规分类器和神经网络（多层感知机（MLP）、Transformers、全卷积网络（FCN）））与半监督标签传播（LP）算法在PPG信号伪迹分类中的性能。结果表明，LP算法在“伪迹”类上达到了91%的精确率、90%的召回率和90%的F1分数，展示了其在标注医学数据集中的有效性，即使在干净样本稀少的情况下也是如此。尽管K近邻（KNN）监督模型取得了良好结果（精确率89%、召回率95%、F1分数92%），半监督算法在伪迹检测方面表现更优。在不平衡且有限的儿科重症监护环境数据中，半监督LP算法在PPG信号伪迹检测方面具有前景。本研究结果对于提高基于PPG的健康监测准确性具有重要意义，特别是在运动伪迹对数据解读构成挑战的情况下。
引用
@article{arxiv.2308.08480,
title = {Label Propagation Techniques for Artifact Detection in Imbalanced Classes using Photoplethysmogram Signals},
author = {Clara Macabiau and Thanh-Dung Le and Kevin Albert and Mana Shahriari and Philippe Jouvet and Rita Noumeir},
journal= {arXiv preprint arXiv:2308.08480},
year = {2024}
}
备注
Under preparation to submit to IEEE for possible publications