BioFormer: Rethinking Cross-Subject Generalization via Spectral Structural Alignment in Biomedical Time-Series
Author
- Haebom
Category
Empty
저자
Guikang Du, Haoran Li, Xinyu Liu, Zhibo Zhang, Xiaoli Gong, Jin Zhang
💡 개요
본 논문은 생체 신호 시계열 데이터에서 대상자 간 일반화 문제를 해결하기 위해 '스펙트럼 드리프트'라는 새로운 관점을 제시합니다. 제안된 BioFormer 모델은 주파수 대역별 변조 인자를 생성하여 진폭과 위상을 조정함으로써 대상자별 스펙트럼 구조를 정렬하고, 이를 통해 대상자 특이적인 변동성을 완화합니다. 실험 결과, BioFormer는 기존 12개 방법론 대비 6%의 F1 점수 향상을 보이며 우수한 성능을 입증했습니다.
🔑 시사점 및 한계
•
생체 신호 시계열 데이터의 대상자 간 일반화 성능 향상을 위한 효과적인 방법론 제시
•
'스펙트럼 드리프트'라는 새로운 개념을 통해 대상자 특이적인 변동성을 명시적으로 모델링
•
F1 점수 6% 향상을 통해 실험적 검증 및 우수성 입증
•
제안된 방법론의 계산 복잡성 및 실제 임상 환경에서의 적용 가능성 추가 연구 필요
