基于高斯过程的体表网络中最优传感器放置
机器学习
2022-09-08 v1 信号处理
摘要
本文探讨了一种用于心电成像网络（ECGI）中最优传感器放置（OSP）的新的序贯选择框架。所提方法结合使用了一种近期提出的用于生物对象界标序贯选择的实验设计方法，即高斯过程界标法（GPLMK），以更好地探索候选传感器。两种实验设计方法作为训练与验证位置的来源，使用时空高斯过程（STGP）进行拟合。STGP 利用训练集拟合以预测由 GPLMK 生成的当前验证集，并从当前验证集中选出预测绝对误差最大的传感器加入已选传感器。接着生成新的验证集并用当前训练集预测。该过程持续进行直至选出特定数量的传感器位置。研究基于四名受试者的 352 电极体表电位标测（BSPM）数据集开展。利用所提算法选出 30 个传感器位置。所选传感器位置在估计全身 QRS 段时达到平均 。该方法通过提升可穿戴性并降低设计成本，为更具临床实用性的 ECGI 系统设计作出了贡献。
引用
@article{arxiv.2209.02912,
title = {Optimal Sensor Placement in Body Surface Networks using Gaussian Processes},
author = {Emad Alenany and Changqing Cheng},
journal= {arXiv preprint arXiv:2209.02912},
year = {2022}
}
备注
14, 10 figures, 1 table