非侵入式胎心率提取在胎儿疾病检测和诊断起着重要作用,提出一种基于主成分分析和相关性检验的多通道胎心率提取方法。首先对多通道母体腹部信号(AECG)进行预处理,通过样本熵值筛选信号片段;其次通过Pan-Tompkins算法检测母体QRS波群,并对R峰位置进行校正;然后利用相干平均法对母体心电信号(MECG)进行重构,通过调整重构后的MECG序列,以求寻得与AECG最大相关度的位置,从而进行母体心电模板抵消得到残差;最后从残差中提取胎儿心电信号(FECG)。数据验证选自Challenge 2013 Traning Set A,并通过胎儿R波检测F_(1)值与灵敏度Se来评估该方法性能,对比不经过相关性检验校正和经过相关性检验校正后的F_(1)值分别为90.59%,95.22%;Se分别为86.52%,92.66%。可以得出结论,使用本方法能够提高胎儿QRS波群的检测精度,进而更精准的检测胎心率。
当前长文本自动摘要任务缺乏充足的数据集,限制了该领域相关算法、模型的研究。数据增强是在不直接补充训练数据的情况下增加训练数据的方法。针对上述长文本自动摘要数据缺乏问题,基于CogLTX框架,该文提出了一种面向长文本自动摘要任务的数据增强方法EMDAM(Extract-Merge Data Augmentation Method)。EMDAM主要分为抽取和归并两个核心环节。首先,从原有长文本数据集中“抽取”得到若干短句;其次,将抽取出的短句按照定义顺序“归并”为长文本;最终形成满足限定条件的新增长文本数据集。与基线模型相比较,该文在PubMED_Min、CNN/DM_Min、news2016zh_Min数据集上采用增强策略能明显提高基线模型的性能;而在SLCTDSets上使用该文的数据集增强策略,最终的Rouge得分相比未使用增强策略的模型提高了近两个百分点。上述实验结果表明,EMDAM可以在小数据集上进行扩展,为文本摘要研究提供数据支持。
暂无评论