MetaWearS：穿戴系统生命周期的快速路径（仅需少量样本）
机器学习
2024-08-06 v1 人工智能
硬件体系结构
摘要
穿戴系统提供持续的健康监测，可实现潜在健康问题的早期检测。然而，穿戴系统的生命周期面临多个挑战。首先，针对新型穿戴设备的有效模型训练需要来自各种被试的大量标注数据，这些数据由穿戴设备直接收集。其次，后续的模型更新需要进一步的大量标注数据进行重新训练。最后，频繁的模型更新可能降低长期数据监测中的电池续航。针对这些挑战，本文提出了 MetaWearS 方法，通过少量初始数据即可完成模型训练。此外，我们的方法引入了原型更新机制，通过修改类别原型来简化更新过程，而无需重新训练整个模型。我们在两种案例研究中评估了 MetaWearS 的性能，即癫痫发作和房颤的检测。结果表明，仅通过少量样本微调，即可实现癫痫发作和房颤检测的分别达到70%和82%的 AUC。与传统方法相比，我们的方法在最高可达45%的 AUC 上表现更好。此外，仅需16分钟的额外标注数据即可提升模型的 AUC 最高可达5.3%。最后，MetaWearS 将模型更新的能耗分别降低了癫痫发作和房颤检测中456倍和418倍。
引用
@article{arxiv.2408.01988,
title = {MetaWearS: A Shortcut in Wearable Systems Lifecycle with Only a Few Shots},
author = {Alireza Amirshahi and Maedeh H. Toosi and Siamak Mohammadi and Stefano Albini and Pasquale Davide Schiavone and Giovanni Ansaloni and Amir Aminifar and David Atienza},
journal= {arXiv preprint arXiv:2408.01988},
year = {2024}
}