0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

揭开人工智能和机器学习的神秘面纱

星星科技指导员 来源:嵌入式计算设计 作者:Arvind Ananthan 2022-06-08 10:28 次阅读

第一波 FDA 批准的可穿戴数字健康监测器与智能手表等消费产品相结合,才刚刚面世。医疗传感器技术继续快速发展,使紧凑、经济且越来越精确的生理传感器能够进入现成的可穿戴设备。这种转变的真正驱动因素之一是尖端机器学习人工智能算法的可用性,这些算法可以从大量数据中提取和解释有意义的信息。这包括噪声数据和不太完美的信号(例如来自智能手表的 ECG 数据),这些信号被各种难以使用往往是确定性和基于规则的传统算法处理的伪影破坏。

直到最近,解开来自这些传感器的生理信号中的秘密以形成可接受的监管提交的合理准确的决策是具有挑战性的,而且通常是不可能的。机器学习和人工智能算法的进步现在使工程师和科学家能够克服许多这些挑战。在本文中,我们将仔细研究用于处理生理信号的算法的整体架构,并揭开其操作的神秘面纱,将其转变为经过数十年研究建立的更真实的工程。

为了说明简单的机器学习算法的强大功能,这里有一个在线视频,描述了来自活动跟踪器中的加速度计的数据如何预测佩戴者的各种运动或休息状态。我们可以将这种方法扩展到更复杂的现实世界医学信号,例如心电图,并开发可以自动将心电图信号分类为正常或表现出心房颤动的算法。

开发机器学习算法包括两个主要步骤(图 1)。此工作流程的第一步是特征工程,其中从感兴趣的数据集中提取某些数值/数学特征并将其呈现给后续步骤。第二步,将提取的特征输入众所周知的统计分类或回归算法,例如支持向量机或适当配置的传统神经网络,以提出可用于新数据的训练模型设置为预测。一旦使用具有良好代表性的标记数据集对该模型进行迭代训练,直到达到令人满意的准确性,它就可以在新的数据集上用作生产环境中的预测引擎。

poYBAGKgCYCAX8OoAAI3s0PokrM490.png

图 1. 包含训练和测试阶段的典型机器学习工作流程。

那么这个工作流程如何寻找心电图信号分类问题呢?在本案例研究中,我们转向2017 PhysioNet Challenge数据集,该数据集使用真实世界的单导联心电图数据。目的是将患者的 ECG 信号分类为以下四个类别之一:正常、心房颤动、其他节律和太嘈杂。在 MATLAB 中解决此问题的总体过程和各个步骤如图 2 所示。

pYYBAGKgCYeAG3VmAAITm7JLq9M828.png

图 2. 用于开发机器学习算法以对 ECG 信号进行分类的 MATLAB 工作流程。

预处理和特征工程

特征工程步骤可能是开发强大的机器学习算法中最难的部分。这样的问题不能简单地被视为“数据科学”问题,因为在探索解决这个问题的各种方法时,拥有生物医学工程领域的知识来理解不同类型的生理信号和数据非常重要。MATLAB 等工具将数据分析和高级机器学习功能带给领域专家,使他们能够更轻松地将高级机器学习等“数据科学”功能应用于他们正在解决的问题,从而专注于特征工程。在这个例子中,

开发分类模型

Statistics and Machine Learning Toolbox 中的分类学习器应用程序对于刚接触机器学习的工程师和科学家来说是一个特别有效的起点。在我们的示例中,一旦从信号中提取了足够数量的有用且相关的特征,我们就会使用这个应用程序来快速探索各种分类器及其性能,并缩小我们进一步优化的选项。这些分类器包括决策树、随机森林、支持向量机和 K 近邻 (KNN)。这些分类算法使您能够尝试各种策略并选择为您的特征集提供最佳分类性能的策略(通常使用混淆矩阵或 ROC 曲线下面积等指标进行评估)。在我们的案例中,我们很快就在所有类别中达到了约 80% 的总体准确率,只需遵循这种方法(本次比赛的获胜作品得分约为 83%)。请注意,我们没有花太多时间在特征工程或分类器调整上,因为我们的重点是验证方法。通常,花一些时间在特征工程和分类器调整上会导致分类准确性的显着进一步提高。更高级的技术(如深度学习)也可以应用于特征工程和提取以及分类步骤结合在一个训练步骤中的问题,尽管与传统方法相比,这种方法通常需要更大的训练数据集才能正常工作机器学习技术。只需遵循这种方法(本次比赛的获胜作品得分约为 83%)。请注意,我们没有花太多时间在特征工程或分类器调整上,因为我们的重点是验证方法。通常,花一些时间在特征工程和分类器调整上会导致分类准确性的显着进一步提高。更高级的技术(如深度学习)也可以应用于特征工程和提取以及分类步骤结合在一个训练步骤中的问题,尽管与传统方法相比,这种方法通常需要更大的训练数据集才能正常工作机器学习技术。只需遵循这种方法(本次比赛的获胜作品得分约为 83%)。请注意,我们没有花太多时间在特征工程或分类器调整上,因为我们的重点是验证方法。通常,花一些时间在特征工程和分类器调整上会导致分类准确性的显着进一步提高。更高级的技术(如深度学习)也可以应用于特征工程和提取以及分类步骤结合在一个训练步骤中的问题,尽管与传统方法相比,这种方法通常需要更大的训练数据集才能正常工作机器学习技术。因为我们的重点是验证该方法。通常,花一些时间在特征工程和分类器调整上会导致分类准确性的显着进一步提高。更高级的技术(如深度学习)也可以应用于特征工程和提取以及分类步骤结合在一个训练步骤中的问题,尽管与传统方法相比,这种方法通常需要更大的训练数据集才能正常工作机器学习技术。因为我们的重点是验证该方法。通常,花一些时间在特征工程和分类器调整上会导致分类准确性的显着进一步提高。更高级的技术(如深度学习)也可以应用于特征工程和提取以及分类步骤结合在一个训练步骤中的问题,尽管与传统方法相比,这种方法通常需要更大的训练数据集才能正常工作机器学习技术。

挑战、法规和未来承诺

虽然许多常见的可穿戴设备还没有完全准备好取代 FDA 批准和医学验证的同类设备,但所有技术和消费趋势都强烈指向这个方向。FDA 开始在简化法规和鼓励监管科学的发展方面发挥积极作用,特别是通过数字健康软件预认证计划以及设备开发中的建模和模拟等举措。

从日常使用的可穿戴设备收集的人体生理信号成为新的数字生物标志物,可以提供我们健康的全面图片,这一愿景现在比以往任何时候都更加真实,这在很大程度上归功于信号处理、机器学习和深度学习的进步算法。MATLAB 等工具支持的工作流程使医疗设备领域的专家能够应用和利用机器学习等数据科学技术,而无需成为数据科学专家。

审核编辑:郭婷

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 机器学习
    +关注

    关注

    66

    文章

    8357

    浏览量

    132336
  • 可穿戴设备
    +关注

    关注

    55

    文章

    3803

    浏览量

    166804
  • 深度学习
    +关注

    关注

    73

    文章

    5473

    浏览量

    120913
收藏 人收藏

    评论

    相关推荐

    嵌入式和人工智能究竟是什么关系?

    嵌入式和人工智能究竟是什么关系? 嵌入式系统是一种特殊的系统,它通常被嵌入到其他设备或机器中,以实现特定功能。嵌入式系统具有非常强的适应性和灵活性,能够根据用户需求进行定制化设计。它广泛应用于各种
    发表于 11-14 16:39

    人工智能机器学习和深度学习存在什么区别

    人工智能指的是在某种程度上显示出类似人类智能的设备。AI有很多技术,但其中一个很大的子集是机器学习——让算法从数据中学习
    发表于 10-24 17:22 2428次阅读
    <b class='flag-5'>人工智能</b>、<b class='flag-5'>机器</b><b class='flag-5'>学习</b>和深度<b class='flag-5'>学习</b>存在什么区别

    《AI for Science:人工智能驱动科学创新》第6章人AI与能源科学读后感

    、优化等方面的应用有了更清晰的认识。特别是书中提到的基于大数据和机器学习的能源管理系统,通过实时监测和分析能源数据,实现了能源的高效利用和智能化管理。 其次,第6章通过多个案例展示了人工智能
    发表于 10-14 09:27

    《AI for Science:人工智能驱动科学创新》第一章人工智能驱动的科学创新学习心得

    人工智能:科学研究的加速器 第一章清晰地阐述了人工智能作为科学研究工具的强大功能。通过机器学习、深度学习等先进技术,AI能够处理和分析海量
    发表于 10-14 09:12

    risc-v在人工智能图像处理应用前景分析

    RISC-V和Arm内核及其定制的机器学习和浮点运算单元,用于处理复杂的人工智能图像处理任务。 四、未来发展趋势 随着人工智能技术的不断发展和普及,RISC-V在
    发表于 09-28 11:00

    智能DAC揭开医疗报警设计的神秘面纱

    电子发烧友网站提供《用智能DAC揭开医疗报警设计的神秘面纱.pdf》资料免费下载
    发表于 09-14 10:50 0次下载
    用<b class='flag-5'>智能</b>DAC<b class='flag-5'>揭开</b>医疗报警设计的<b class='flag-5'>神秘</b><b class='flag-5'>面纱</b>

    FPGA在人工智能中的应用有哪些?

    FPGA(现场可编程门阵列)在人工智能领域的应用非常广泛,主要体现在以下几个方面: 一、深度学习加速 训练和推理过程加速:FPGA可以用来加速深度学习的训练和推理过程。由于其高并行性和低延迟特性
    发表于 07-29 17:05

    北斗卫星时钟——揭开“授时”的神秘面纱

    ,这些时间信息又是从哪里来的呢?为什么我们可以随时随地都能获取准确的时间信息?这得益于高精度的 授时服务 ,今天我们就来揭开“授时”的神秘面纱。      大家都知道我国的北斗导航卫星,是用于定位导航的。那么北斗是怎么进行定位导
    的头像 发表于 07-25 16:21 330次阅读
    北斗卫星时钟——<b class='flag-5'>揭开</b>“授时”的<b class='flag-5'>神秘</b><b class='flag-5'>面纱</b>

    人工智能机器学习和深度学习是什么

    在科技日新月异的今天,人工智能(Artificial Intelligence, AI)、机器学习(Machine Learning, ML)和深度学习(Deep Learning,
    的头像 发表于 07-03 18:22 1043次阅读

    xAI公司将在八月揭开其新Grok-2大语言模型的神秘面纱

    在科技界的浩瀚星空中,埃隆·马斯克的每一次发声都如同璀璨的新星,瞬间照亮前行的道路。近日,这位科技巨擘在推特上的一则简短宣告,再次将全球的目光聚焦于人工智能的前沿阵地——他的初创公司xAI即将在八月揭开其最新力作Grok-2大语言模型的
    的头像 发表于 07-02 11:38 443次阅读

    5G智能物联网课程之Aidlux下人工智能开发(SC171开发套件V2)

    ://t.elecfans.com/v/27221.html *附件:初学者完整学习流程实现手写数字识别案例_V2-20240506.pdf 人工智能 语音对话机器人案例 26分03秒 https
    发表于 05-10 16:46

    揭开快充芯片的神秘面纱

    UFP芯片是一种用于USB快充技术的关键元件,它在移动设备和充电器之间进行通信和协调,以实现高效、安全、快速的充电过程。下面我们将揭开快充芯片的神秘面纱,深入探讨UFP快充芯片的工作原理和功能。
    的头像 发表于 04-15 12:51 544次阅读

    机器学习怎么进入人工智能

    人工智能已成为一个热门领域,涉及到多个行业和领域,例如语音识别、机器翻译、图像识别等。 在编程中进行人工智能的关键是使用机器学习算法,这是
    的头像 发表于 04-04 08:41 238次阅读

    5G智能物联网课程之Aidlux下人工智能开发(SC171开发套件V1)

    *附件:初学者完整学习流程实现手写数字识别案例.pdf 人工智能 语音对话机器人案例 26分03秒 https://t.elecfans.com/v/27185.html *附件:语音对话
    发表于 04-01 10:40

    嵌入式人工智能的就业方向有哪些?

    联网ARM开发 NB-IoT开发及实战 七:python工程师,人工智能工程师 python语法基础 python核心编程 基于OpenCV的机器视觉开发 嵌入式人工智能渗入生活的方方面面,广泛应用
    发表于 02-26 10:17