基于多任务多核机的功能性近红外光谱脑信号个性化疼痛识别
机器学习
2018-08-22 v1 机器学习
摘要
目前尚无经过验证的疼痛客观测量方法。近期的神经影像学研究探索了使用功能性近红外光谱（fNIRS）来测量诱发性和持续性疼痛中脑功能改变的可行性。在本研究中，我们应用多任务机器学习方法，从暴露于疼痛刺激的健康志愿者 fNIRS 信号中推导出一种实用的疼痛检测算法。特别地，我们采用多任务多核学习来解释疼痛反应中的受试者间变异性。我们的结果支持在开发客观疼痛检测中使用 fNIRS 和机器学习技术，并强调了在此过程中采用个性化分析的重要性。
引用
@article{arxiv.1808.06774,
title = {Multi-task multiple kernel machines for personalized pain recognition from functional near-infrared spectroscopy brain signals},
author = {Daniel Lopez-Martinez and Ke Peng and Sarah C. Steele and Arielle J. Lee and David Borsook and Rosalind Picard},
journal= {arXiv preprint arXiv:1808.06774},
year = {2018}
}
备注
International Conference on Pattern Recognition (ICPR)