基于深度学习的生理异常检测研究综述

摘要：

生理信号通常涵盖机体的生物电活动、温度、压力等关键信息,监测其数值波动有助于预警临床事件风险.深度模型是包含多级非线性变换的层级机器学习模型,在特征提取与建模方面优势显著,在计算机辅助诊断领域有着巨大的应用前景.随着连续生理参数监测技术的进步,深度模型在生理电信号异常检测中的效用逐渐提高,研究重点也向临床应用领域拓展.报告了深度模型在生理电信号异常检测中的研究进展.从临床应用出发,分析了经典信号异常检测方法的优势与不足,简述了当前深度模型的建模方式.从判别模型和生成模型的角度总结了经典模型的建模原理及最新应用,同时讨论了深度模型的训练架构和训练策略.结合异常检测在临床中的应用、深度模型的研究进展以及生理数据集的可用性三方面进行总结与讨论,并对未来研究进行展望.

关键词：深度学习、生理时间序列、异常检测

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目;保健专项;北京市科委医药协同科技创新研究项目;解放军总医院大数据研发项目

在线出版日期：2021-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：10-25