Oct, 2023
应用转移欧几里德对人类和小鼠创伤性脑损伤脑电图中的种内和种间协变量漂移进行降低
Reducing Intraspecies and Interspecies Covariate Shift in Traumatic Brain Injury EEG of Humans and Mice Using Transfer Euclidean Alignment
Manoj Vishwanath, Steven Cao, Nikil Dutt, Amir M. Rahmani, Miranda M. Lim...
TL;DR本文介绍了一种转移学习技术,Transfer Euclidean Alignment,用于解决在临床应用中部署机器学习模型时由于主体间的高度变异性而面临的挑战。通过在各种基于规则的经典机器学习模型以及基于 EEGNet 的深度学习模型上进行评估,包括人类和小鼠数据在内的不同数据集的二分类任务中,证明了该转移学习技术的稳健性,在种内数据集上平均提高了 14.42%,在种间数据集上提高了 5.53%,强调了在使用多样化数据集进行训练时使用转移学习来改善机器学习和深度学习模型的性能的重要性。