MetaSleepLearner：基于生物信号睡眠分期分类器利用元学习快速适配新个体受试者的初步研究
神经元与认知
2021-02-02 v4 机器学习
信号处理
摘要
基于生物信号的睡眠分期识别需要熟练临床医生耗时且繁琐的人工判读。为应对自动睡眠分期这一难题，已有深度学习方法的引入。然而，由于个体生物信号在多方面存在差异，用自动系统替代临床医生面临困难，导致模型在每个新个体上的表现不一致。因此，我们旨在探索一种新方法的可行性，以辅助临床医生并减轻其工作负担。我们提出了一种基于模型无关元学习（MAML）的迁移学习框架 MetaSleepLearner，用于将已获取的睡眠分期知识从大型数据集迁移到新的个体受试者。该框架仅需临床医生标注少量睡眠时段（epoch），其余由系统处理。我们还应用逐层相关性传播（LRP）来理解该方法的学习过程。在所有获得的数据集中，与常规方法相比，MetaSleepLearner 取得了 5.4% 至 17.7% 的改进，且两种方法均值间存在统计差异。适配各受试者后的模型解释可视化也证实性能朝向合理学习方向。得益于使用健康受试者和患者的记录进行微调，MetaSleepLearner 优于常规方法。这是首项研究非传统预训练方法 MAML 的工作，其结果为睡眠分期中人机协作提供了可能，并将临床医生的标注负担从整段记录减轻至仅数个时段。
引用
@article{arxiv.2004.04157,
title = {MetaSleepLearner: A Pilot Study on Fast Adaptation of Bio-signals-Based Sleep Stage Classifier to New Individual Subject Using Meta-Learning},
author = {Nannapas Banluesombatkul and Pichayoot Ouppaphan and Pitshaporn Leelaarporn and Payongkit Lakhan and Busarakum Chaitusaney and Nattapong Jaimchariyatam and Ekapol Chuangsuwanich and Wei Chen and Huy Phan and Nat Dilokthanakul and Theerawit Wilaiprasitporn},
journal= {arXiv preprint arXiv:2004.04157},
year = {2021}
}
备注
IEEE Journal of Biomedical and Health Informatics (Accepted) (source code is available at https://github.com/IoBT-VISTEC/MetaSleepLearner)