睡眠呼吸暂停表型分析：基于模糊聚类与持续同调的时间序列分析
机器学习
2021-04-29 v1 机器学习
定量方法
摘要
睡眠呼吸暂停是一种对儿科人群具有严重后果的疾病。近来人们担忧，使用呼吸暂停低通气指数对该疾病进行传统诊断可能难以有效捕捉其多方面的结局。在这项工作中，我们通过基于气流时间序列的聚类分析对患者进行表型分析，以此作为解决该问题的第一步。我们从三种途径展开：在时域与频域中使用基于特征的模糊聚类，以及利用持续同调从拓扑视角研究信号。模糊聚类通过一种新颖的 Dirichlet 回归分析加以解析，而拓扑方法借助 Takens 嵌入定理来研究信号的周期性性质。
引用
@article{arxiv.2104.13479,
title = {Phenotyping OSA: a time series analysis using fuzzy clustering and persistent homology},
author = {Prachi Loliencar and Giseon Heo},
journal= {arXiv preprint arXiv:2104.13479},
year = {2021}
}