Wave2Vec（波2Vec） swMATH ID: 37868 软件作者： Kim S.、Kim J.、Chun H.-W。 描述： Wave2Vec：脑电向量化生物信号，用于预测脑部疾病。最近，人们对基于人工智能的健康医学信息分析的研究，特别是对深度学习技术的研究，越来越感兴趣。该领域的大多数研究都集中在通过揭示疾病与数据的各种信息特征之间的关系来寻找预测和诊断疾病的新知识。这些特征是通过使用数据分析、自然语言处理等技术分析各种临床病理数据，如EHR（电子健康记录）和学术文献来提取的。然而，将最新的先进的基于人工智能的数据分析技术应用于生物信号数据，如EEG（脑电图）和ECG（心电图）等连续的生理记录，仍需要更多的研究和兴趣。与其他类型的数据不同，将深度学习应用于实数时间序列形式的生物信号数据，在预处理、学习和分析中有许多问题需要解决。这些问题包括留下特征选择、学习属于黑盒的部分、识别和识别有效特征的困难、计算复杂性高等。为了解决这些问题，本文提出了一种基于编码的Wave2vec时间序列分类器模型，它结合了信号处理和基于深度学习的自然语言处理技术。为了证明它的优势，我们提供了三个使用加州大学欧文分校EEG数据进行的实验结果，这是一个真实的基准生物信号数据集。在将实数时间序列的生物信号（以波的形式）转换为符号序列或小波模式序列并转换为符号后，通过编码，该模型通过使用基于深度学习的自然语言处理学习序列来矢量化符号。通过学习矢量化的小波模式和训练数据，可以构建每个类的模型。通过对新数据进行分类，实现的模型可以用于疾病的预测和诊断。该方法通过将实数数据的时间序列转换为符号序列，增强了数据可读性和特征选择和学习过程的直观性。此外，它有助于直观、轻松地识别和识别有影响力的模式。此外，通过编码过程中的数据简化，在不降低分析性能恶化的情况下，大大降低了计算复杂性，从而促进了实时大容量数据分析，这对实时分析诊断系统的开发至关重要。 主页： https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6121271/ 相关软件： 朱庇特;JavaScript脚本;TensorFlow公司;sktime时间;汽车Keras;水;汽车WEKA;蟒蛇;麦克弗利 引用于： 0个文档