【摘 要】
:
近年来,心血管疾病对我国居民生命健康构成了重大威胁。心律异常自动检测技术能够帮助及时诊断心血管疾病,具有显著的临床价值,是当前研究的热点。现有心律异常检测方法通常基于静态数据环境进行建模。然而实际生活中,心电图信号会受到患者身体、心理及运动状态等因素的影响而产生数据漂移。仅进行一次性学习获得的静态模型在遭遇数据漂移时,往往会因泛化能力恶化而导致检测性能下降。同时随着数据规模不断增大,传统监督学习方
论文部分内容阅读
近年来,心血管疾病对我国居民生命健康构成了重大威胁。心律异常自动检测技术能够帮助及时诊断心血管疾病,具有显著的临床价值,是当前研究的热点。现有心律异常检测方法通常基于静态数据环境进行建模。然而实际生活中,心电图信号会受到患者身体、心理及运动状态等因素的影响而产生数据漂移。仅进行一次性学习获得的静态模型在遭遇数据漂移时,往往会因泛化能力恶化而导致检测性能下降。同时随着数据规模不断增大,传统监督学习方法所依赖的人工标注信息的获取成本也不断增高。因此在动态数据环境下,如何利用未标注数据流进行学习,通过高效且低成本的方式来对模型参数进行更新,增强模型的泛化能力以应对数据漂移问题,从而提高模型的检测性能,是亟待解决的问题。针对上述问题,本文的主要研究内容如下:(1)构建本文研究所需的实验数据环境,具体地MIT-BIH心律失常数据库用于初始化静态模型,MIT-BIH长期数据库用于模拟患者在长期心电监测中,设备采集的动态数据流。同时对原始心电记录进行了数据预处理,并搭建心律异常检测静态模型作为后续增量学习研究的基础。(2)针对动态数据环境中数据漂移和人工标注获取成本高的问题,本文提出了一种基于半监督增量学习的心律异常检测方法。一方面,通过半监督学习分析未标注数据来获取判别信息,以减轻模型训练对人工标注信息的依赖。另一方面,设计了一种无监督回放数据的知识蒸馏增量学习策略,使模型具有增量式学习能力,不仅有效缓解未标注数据的灾难性遗忘,还增强了模型对心律异常类别样本的学习。在MIT-HIB长期数据库上进行评估,经过5次更新后模型对临床重点关注类别,即室上性异常心拍、心室异常心拍的敏感性分别达到了84.75%,95.5%,总体F1分数达到了66.59%;与静态模型相比,分别提高了28.82%,18.27%,16.92%。实验结果表明,所提出的方法能在不增加人工标注量的前提下,利用不断收集到未标注数据来提升静态模型的检测性能。(3)为了提高人工标注效率,本文在所提出半监督增量学习方法的基础上,进一步提出了一种基于主动半监督增量学习的心律异常检测方法。一方面利用离群检测机制来剔除未标注数据中的离群样本,以减少不必要的人工标注成本和计算开支,并降低离群样本对分类器学习的消极影响。另一方面,使用主动学习策略来筛选对当前模型分类边界收敛最有效的样本进行专家标注,以增强人工标注的目的性,提高人工标注效率。在MIT-HIB长期数据库上进行评估,经过5次更新后模型对临床重点关注类别,即室上性异常心拍、心室异常心拍的敏感性分别为86.39%,96.26%,总体F1分数为81.55%;与所提出的半监督增量学习方法相比,分别提高了1.64%,0.76%,14.96%。实验结果表明,所提出的方法能够提高人工标注效率,增强模型对外部数据环境探测能力,进一步提升静态模型的检测性能。综上,本文考虑实际动态数据环境,利用增量学习来实现高效且低成本的心律异常检测静态模型的更新训练方法,以增强模型泛化能力,从而提高静态模型的检测性能。
其他文献
<正>围绕预制菜全产业链,建立起配套完善的标准体系,对风味复原、食品添加剂使用、微生物控制、标签标识管理等进行规范。写入中央一号文件,预制菜产业迎来迅猛发展趋势。艾媒咨询数据显示,2022年我国预制菜市场规模达4196亿元,同比增长21.3%,预计2026年市场规模将达10720亿元。2月13日,中共中央、国务院发布《关于做好2023年全面推进乡村振兴重点工作的意见》。意见提到,“提升净菜、中央厨
工业5.0时代的到来以及当今互联网的快速发展,为智能楼宇通过“互联网+”找到了新的发展的新契机。传统的基于TCP/IP协议的网络通讯技术存在着巨大的安全隐患,不断增加的智能楼宇网络系统受到攻击、入侵等事件也充分印证了这一点。为了加速楼宇自动化系统(Building Automation System简称BAS)朝集成化、智能化和网络化方向迈进,BACnet协议由此应运而生,它是当今智能楼宇使用最广
目的:为了探究预见性精细化护理在老年精神障碍病患跌倒预防中的临床实用效果。方法:根据三明市台江医院2021年1月~2022年9月收治的老年精神障碍患者数据,均为男性病患,共100例。随机分为常规组(常规护理)和预见组(预见性精细化护理),各50例。对比两组病患跌倒发生情况、跌倒前预防认知、跌倒后自救认知、不发生跌倒自信心、医护人员跌倒预防知识掌握情况以及护理满意度。结果:护理前,两组病患组间各项情
近年来,随着遥感技术与成像技术的发展与成熟,高光谱图像分类被越来越多的人研究和应用。与传统图像或者多光谱图像相比,高光谱图像中的光谱波段数量更多,使其拥有更多描述物体的信息。合理利用图像信息能够更为准确的识别地物,从而广泛应用于海洋探索、国防军事和大气环境等诸多领域。目前,现有多数的高光谱图像分类算法是以深度学习为基础,以达到较高分类精度的目的。但是,现有的深度学习算法中通常受到参数多、模型复杂和
多视图聚类旨在利用不同视图信息的一致性和互补性,高效地发掘多视图数据的潜在价值,是大数据分析的主要研究方向之一。鉴于大多数传统的单视图聚类方法都不适用于处理多视图数据,且现有多视图聚类方法要么无法有效地探索视图之间的潜在联系,要么不能充分考虑到不同视图对最终聚类结果的贡献度,因此,如何提出高效的多视图聚类方法引起了不少研究者的重视。由于深度神经网络具有超强的非线性拟合能力,将多视图聚类和深度学习模
单通道语音分离(Single Channel Speech Separation,SCSS)是指在一维混合说话人信号数据中分离出多个说话人语音信号的过程,因为单个麦克风具有价格低廉、容易部署、应用范围更广的特点,所以单通道语音分离技术具有广泛的使用价值。在现实应用中,现有的单通道语音分离技术往往容易受到未知噪声的干扰,出现泛化性能严重退化的问题。针对上述问题,本文基于卷积时域语音分离网络,引入了不
复杂网络由于具有一定拓扑结构和其应用的普遍性以及描述的简单性,被广泛的应用于各个领域,例如多智能体系统、神经网络、社会网络等。在过去的十几年里,随着人们对复杂网络理论及其应用的关注,对复杂网络的研究取得的成果也越来越多。然而,在现实生活中,各类系统中的传感器往往不能够完全测量出系统的内部状态值,因此对系统状态估计问题的研究是十分具有现实意义的。并且随着当今社会信息化和智能化程度越来越高,如何对各类
近几十年来,科学技术的发展超出了我们的想象,在模式识别领域中,同样是百家争鸣。在众多科研人员的努力下,特征提取算法得到了快速的发展。基于边界结构的特征提取算法可以很好地挖掘出数据中隐藏的具有鉴别性的鉴别信息,因此引起了科研人员的广泛的关注。本文探论了边界几何结构,设计了两种全新的边界形式,同时基于两类边界提出了两种全新的特征提取算法。另外,在本文也着重的讨论了数据的离群点问题,并给出了相应的处理方
<正>本文从发包人视角就暂估价的设置及应用进行了归纳与总结,通过对暂估价设置问题的优劣势分析,指出了暂估价在招标、项目管理、结算阶段存在的主要问题,并提出减少暂估单价设置形式、合理设置专业暂估项、优化暂估价设置比例等可行性建议。