基于条件生成对抗网络的合成电动视网膜电图信号生成，以提升自闭谱系障碍分类
机器学习
2024-07-12 v1 人工智能
信号处理
摘要
电动视网膜电图 (ERG) 是一种临床测试，用于记录视网膜对光的电气响应。ERG 是研究不同神经发育和神经退行性障碍的有前景的途径，包括自闭谱系障碍 (ASD)——一种影响语言、沟通和来回社交互动的神经发育性疾病。然而，在人口学异质性大、数据集收集有限的 ASD 中，人工智能 (AI) 的应用面临困难。由真实 ERG 记录生成的合成 ERG 信号携带类似自然 ERG 的信息，因此可作为自然数据的延伸，用于增加数据集规模，以充分利用 AI 应用。作为原理验证，本研究提出了一种能够生成 ASD 景儿童及通常发育对照个体合成 ERG 信号的生成对抗网络。我们应用了时间序列转换器和带连续小波变换的视觉转换器，以增强在扩展后的合成信号数据集上的分类结果。该方法可能支持相关精神科疾病中的分类模型，ERG 有助于分类疾病。
引用
@article{arxiv.2407.08166,
title = {Synthetic Electroretinogram Signal Generation Using Conditional Generative Adversarial Network for Enhancing Classification of Autism Spectrum Disorder},
author = {Mikhail Kulyabin and Paul A. Constable and Aleksei Zhdanov and Irene O. Lee and David H. Skuse and Dorothy A. Thompson and Andreas Maier},
journal= {arXiv preprint arXiv:2407.08166},
year = {2024}
}