使用卷积变分自编码器从活动记录仪数据预测创伤后健康结局
机器学习
2020-11-23 v2 信号处理
摘要
抑郁症与创伤后应激障碍（PTSD）是经历创伤事件后常见的精神疾病。通过基于活动的算法等非侵入性技术评估心理健康状态，有助于识别成功的早期干预。本工作中，我们使用了 1113 名创伤后佩戴研究级智能手表个体所记录的运动活动。采用卷积变分自编码器（VAE）架构从四周的活动记录仪数据中进行无监督特征提取。通过使用 VAE 潜变量与受试者创伤前身体健康状态作为特征，逻辑回归分类器在估计心理健康结局时取得了受试者工作特征曲线下面积（AUC）为 0.64。结果表明，VAE 模型是长期研究中用于心理健康结局活动记录仪数据分析的一种有前景的方法。
引用
@article{arxiv.2011.07406,
title = {Using Convolutional Variational Autoencoders to Predict Post-Trauma Health Outcomes from Actigraphy Data},
author = {Ayse S. Cakmak and Nina Thigpen and Garrett Honke and Erick Perez Alday and Ali Bahrami Rad and Rebecca Adaimi and Chia Jung Chang and Qiao Li and Pramod Gupta and Thomas Neylan and Samuel A. McLean and Gari D. Clifford},
journal= {arXiv preprint arXiv:2011.07406},
year = {2020}
}
备注
Fixed typo in author affiliations