PulseImpute：一种用于脉动生理信号插补的新基准任务
机器学习
2023-12-18 v2 人工智能
摘要
移动健康（mHealth）的前景在于能够使用可穿戴传感器在日常生活的低频高时间分辨率下监测受试者生理信号，以实现时间精确的健康干预。然而，一个主要挑战是频繁的数据缺失。尽管插补文献丰富，现有技术对构成众多 mHealth 应用的脉动信号效果不佳，且可用数据集的缺乏阻碍了进展。我们通过 PulseImpute 弥补这一空白，这是首个大规模脉动信号插补挑战，包含真实的 mHealth 缺失模型、广泛的基线集以及临床相关的下游任务。我们的基线模型包括一种新颖的基于 transformer 的架构，旨在利用脉动信号的结构。我们希望 PulseImpute 能使 ML 社区解决这一重要且具挑战性的任务。
引用
@article{arxiv.2212.07514,
title = {PulseImpute: A Novel Benchmark Task for Pulsative Physiological Signal Imputation},
author = {Maxwell A. Xu and Alexander Moreno and Supriya Nagesh and V. Burak Aydemir and David W. Wetter and Santosh Kumar and James M. Rehg},
journal= {arXiv preprint arXiv:2212.07514},
year = {2023}
}
备注
NeurIPS 2022 | Code available at: https://github.com/rehg-lab/pulseimpute | Data available at: https://doi.org/10.5281/zenodo.7129964