用于跨被试少样本神经系统症状检测的无监督域适应
机器学习
2021-03-02 v1
摘要
现代机器学习工具在检测神经系统疾病症状方面已显示出前景。然而，当前方法通常为每个被试训练一个独特的分类器。这种被试专属训练方案需要来自每位患者的长标注记录，因而无法在记录有限的新患者中检测症状。本文引入一种基于对抗网络的无监督域适应方法，以实现少样本、跨被试的癫痫发作检测。利用对抗学习，来自多名患者的特征被编码到被试不变空间中，并在被试不变特征上训练一个判别模型进行预测。我们在9名癫痫患者的颅内EEG(iEEG)记录上评估了该方法。与传统的被试专属方案相比，我们的方法实现了跨被试癫痫发作检测，在1-shot分类准确率上提高了9.4%。
引用
@article{arxiv.2103.00606,
title = {Unsupervised Domain Adaptation for Cross-Subject Few-Shot Neurological Symptom Detection},
author = {Bingzhao Zhu and Mahsa Shoaran},
journal= {arXiv preprint arXiv:2103.00606},
year = {2021}
}