TRLS：基于频谱图的时间序列表示学习框架用于医学信号处理
信号处理
2024-01-12 v1 人工智能
机器学习
摘要
针对未标记时间序列的表示学习框架已被提出用于医学信号处理。尽管先前的工作取得了许多优秀的进展，但我们观察到为时间序列提取的表示仍然不能很好地泛化。在本文中，我们提出了一种基于频谱图的时间序列（医学信号）表示学习框架(TRLS)，以获得更具信息量的表示。我们将输入的时域医学信号转换为频谱图，并设计了一个名为Time Frequency RNN (TFRNN)的时频编码器，以从增强的频谱图中捕获更鲁棒的多尺度表示。我们的TRLS以频谱图作为输入，采用两种不同类型的数据增强，并最大化正样本之间的相似性，从而有效规避了设计负样本的问题。我们在四个专注于医学信号分类的真实世界医学信号数据集上的评估表明，TRLS优于现有框架。
引用
@article{arxiv.2401.05431,
title = {TRLS: A Time Series Representation Learning Framework via Spectrogram for Medical Signal Processing},
author = {Luyuan Xie and Cong Li and Xin Zhang and Shengfang Zhai and Yuejian Fang and Qingni Shen and Zhonghai Wu},
journal= {arXiv preprint arXiv:2401.05431},
year = {2024}
}
备注
This paper is accept by ICASSP 2024. This is a more detailed version