超维计算用于癫痫检测的系统性评估
信号处理
2021-12-20 v1 机器学习
摘要
超维计算是一种有前景的低功耗嵌入式机器学习新范式。它已被应用于不同的生物医学领域，特别是癫痫检测。遗憾的是，由于数据准备、分割、编码策略和性能度量的差异，结果难以比较，这使得在此基础上开展研究十分困难。因此，本工作的主要目标是对用于癫痫检测的 HD 计算框架进行系统性评估，比较映射到 HD 向量的不同特征方法。更确切地说，我们测试了先前实现的两种特征，以及几种用于癫痫检测的 HD 计算新特征方法。我们以可比较的方式对它们进行评估，即采用相同的预处理设置和相同的性能度量。我们使用两个不同的数据集以评估结论的泛化能力。该系统性评估涉及与潜在可穿戴实现相关的三个主要方面：1) 检测性能，2) 内存需求，以及 3) 计算复杂度。我们的分析显示不同方法在检测性能上存在显著差异，但同时也表明性能最高的方法可能因高内存或计算需求而不适合可穿戴应用。此外，我们评估了一种后处理策略，以根据癫痫发作的动态特性调整预测，结果表明所有方法的性能均得到显著提升，且在后处理后各方法间的性能差异大幅缩小。
引用
@article{arxiv.2105.00934,
title = {Systematic Assessment of Hyperdimensional Computing for Epileptic Seizure Detection},
author = {Una Pale and Tomas Teijeiro and David Atienza},
journal= {arXiv preprint arXiv:2105.00934},
year = {2021}
}