Avoiding Post-Processing with Event-Based Detection in Biomedical Signals

要約

目的: 関心のあるイベントを見つけることは、生体信号処理における一般的なタスクです。
てんかん発作と信号アーチファクトの検出は 2 つの重要な例です。
エポックベースの分類は、古典的な機械学習技術を直接適用するため、このような信号イベントを検出するための典型的な機械学習フレームワークです。
通常、良好なパフォーマンスを達成し、一時的な依存関係を強制するには、後処理が必要です。
これらの分類出力をイベントに変換するための適切な後処理スキームを設計することは、このフレームワークの退屈で労力のかかる要素です。
方法: モデルの出力をイベントに変換するアドホックな後処理スキームから離れ、学習ターゲットとしてイベントを直接操作するイベントベースのモデリング フレームワークを提案します。
エポックベースのモデリングアプローチと比較しながら、シミュレートされたデータと現実世界のデータに対するこのフレームワークの実用的な能力を説明します。
結果: イベントベースのモデリング (後処理なし) は、広範な後処理を行ったエポックベースのモデリングと同等か、それよりも優れたパフォーマンスを発揮することを示します。
結論: これらの結果は、イベントを取得するためにアドホックな後処理を使用するのではなく、イベントを直接学習ターゲットとして扱うことで、設計の労力を大幅に削減できることを示しています。
重要性: イベント ベースのモデリング フレームワークは、信号処理における他のイベント検出の問題に簡単に適用できるため、集中的なタスク固有の後処理が不要になります。

要約(オリジナル)

Objective: Finding events of interest is a common task in biomedical signal processing. The detection of epileptic seizures and signal artefacts are two key examples. Epoch-based classification is the typical machine learning framework to detect such signal events because of the straightforward application of classical machine learning techniques. Usually, post-processing is required to achieve good performance and enforce temporal dependencies. Designing the right post-processing scheme to convert these classification outputs into events is a tedious, and labor-intensive element of this framework. Methods: We propose an event-based modeling framework that directly works with events as learning targets, stepping away from ad-hoc post-processing schemes to turn model outputs into events. We illustrate the practical power of this framework on simulated data and real-world data, comparing it to epoch-based modeling approaches. Results: We show that event-based modeling (without post-processing) performs on par with or better than epoch-based modeling with extensive post-processing. Conclusion: These results show the power of treating events as direct learning targets, instead of using ad-hoc post-processing to obtain them, severely reducing design effort. Significance: The event-based modeling framework can easily be applied to other event detection problems in signal processing, removing the need for intensive task-specific post-processing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google