Medformer: 用于医学时间序列分类的多粒度分块Transformer

医学时间序列数据，如脑电图和心电图，在医疗保健中扮演着关键角色，例如诊断脑部和心脏疾病。现有的医学时间序列分类方法主要依赖于手工制作的生物标志物提取和基于CNN的模型，对基于Transformer的模型的探索有限。在本文中，我们介绍了Medformer，一种专门为医学时间序列分类量身定制的多粒度分块Transformer。我们的方法结合了三种新颖机制以利用医学时间序列的独特特性：跨通道分块以利用通道间相关性，多粒度嵌入以捕获不同尺度的特征，以及两阶段（粒内和粒间）多粒度自注意力以学习粒度和粒度间的特征和相关性。我们在五个公开数据集上进行了广泛的实验，包括受试者依赖和具有挑战性的受试者独立设置。结果表明，Medformer优于10个基线方法，在五个数据集的所有六个评估指标上取得了平均排名第一。这些发现强调了我们的方法在医疗保健应用中的显著影响，例如诊断心肌梗死、阿尔茨海默病和帕金森病。我们在https://github.com/DL4mHealth/Medformer发布了源代码。