پژوهش
MURFormer برای پاک‌سازی سیگنال‌های PPG از آثار حرکت طراحی شد
این چارچوب سبک‌وزن با شناسایی بخش‌های نامطمئن سیگنال، پاک‌سازی را در دو مرحله انجام می‌دهد؛ ارزیابی آن روی مجموعه‌دادهٔ CIME و داده‌ای از فعالیت‌های روزمره گزارش شده است.
پژوهشگران در پیش‌چاپی در arXiv چارچوبی به نام MURFormer معرفی کرده‌اند که برای حذف نویز از سیگنال‌های فوتوپلتیسموگرافی (PPG) طراحی شده است. این سیگنال‌ها برای سنجش‌های فیزیولوژیک کاربرد دارند، اما آثار حرکت می‌تواند کیفیت موج را کاهش دهد و تحلیل‌های بعدی را محدود کند.
MURFormer با تبدیل سیگنال نویزی به نسخهٔ پاک‌تر آن کار می‌کند. بلوک اصلی مدل، «همجوشی کانولوشن و توجه چندمقیاسی» (MACF) است که برای دریافت الگوهای زمانی PPG در مقیاس‌های مختلف طراحی شده. چارچوب همچنین با رویکردی مبتنی بر عدم‌قطعیت، در دو گذر بخش‌های نامطمئن‌تر را در اولویت پالایش قرار می‌دهد.
روش روی مجموعه‌دادهٔ عمومی CIME و مجموعه‌داده‌ای از فعالیت‌های روزمره که پژوهشگران گردآوری کرده‌اند ارزیابی شده است. متن در دسترس جزئیات نتایج ارزیابی را ارائه نمی‌کند.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده