PhysioWave: A Multi-Scale Wavelet-Transformer for Physiological Signal Representation
Created by
Haebom
저자
Yanlong Chen, Mattia Orlandi, Pierangelo Maria Rapa, Simone Benatti, Luca Benini, Yawei Li
개요
생리 신호 분석의 어려움을 해결하기 위해 웨이블릿 기반 접근 방식을 제안하고, EMG 및 ECG에 특화된 사전 훈련된 대규모 모델을 처음으로 도입하여 기존 방법을 능가하는 성능을 달성했습니다. 또한, EEG 모델을 통합하여 다중 모드 프레임워크를 구축, 각 모달리티가 전용 분기를 통해 안내되고 학습 가능한 가중 융합을 통해 융합됨으로써, 웨어러블 헬스 모니터링, 임상 진단 등 광범위한 생체 의학 분야에 기여할 수 있는 잠재력을 보여줍니다.
시사점, 한계점
•
시사점:
◦
웨이블릿 기반 아키텍처를 활용하여 다양한 생리 신호 분석을 위한 견고한 기반 마련.
◦
EMG 및 ECG에 특화된 대규모 사전 훈련 모델의 도입으로 기존 방법 대비 우수한 성능 달성.
◦
EEG 모델을 통합한 다중 모달 프레임워크 구축을 통해 다중 모달 작업에서 기존 방법 능가.
