无监督序列到序列学习用于多通道电阻抗血流动力学监测中的信号质量自动评估
信号处理
2023-05-18 v2 人工智能
医学物理
摘要
本研究提出一种无监督序列到序列学习方法，用于自动评估多通道电阻抗血流动力学监测中运动引起的心脏容积信号（CVS）可靠性退化。所提方法试图解决现有基于学习的评估方法的不足，例如需要人工标注运动影响，以及缺乏在 CVS 随时间上下文变化下实现运动引起异常的显式机制。通过利用长短期记忆和变分自编码器结构，一个编码器—解码器模型被训练为不仅自重现 CVS 的输入序列，还以并行方式外推未来。通过这样做，该模型能够捕获时间 CVS 序列中的上下文知识，同时被正则化以探索整个时间序列上的通用关系。基于输入序列与其神经表示之间的残差，并以训练集上两倍标准差经验法则确定的截断值，检测低质量的受运动影响的 CVS。我们的实验观察验证了两点：(i) 在无标签的学习环境中，评估性能可达到与有监督设置相竞争的水平；(ii) CVS 时间序列上的上下文信息有利于有效实现运动引起的信号幅值与形态的非真实畸变。我们还研究了其作为伪标注工具的能力，通过预先提供运动引起异常的强候选来最小化人工标注。经验证据表明，机器引导的标注可减少人工评估中不可避免的人为错误，同时最小化繁琐且耗时的过程。
引用
@article{arxiv.2305.09368,
title = {Unsupervised sequence-to-sequence learning for automatic signal quality assessment in multi-channel electrical impedance-based hemodynamic monitoring},
author = {Chang Min Hyun and Tae-Geun Kim and Kyounghun Lee},
journal= {arXiv preprint arXiv:2305.09368},
year = {2023}
}