Framework CogAdapt adatta modelli ECG clinici alla valutazione del carico cognitivo tramite dispositivi indossabili
Un team di ricercatori ha introdotto CogAdapt, un framework progettato per modificare i modelli ECG clinici di base per valutare il carico cognitivo in tempo reale con tecnologia indossabile. Il sistema include LeadBridge, un componente adattabile che trasforma i segnali a 3 derivazioni in formato a 12 derivazioni, insieme a ProFine, una strategia di fine-tuning progressivo che mitiga il dimenticanza catastrofica. Testato sui dataset CLARE e CL-Drive utilizzando la convalida incrociata leave-one-subject-out, CogAdapt supera gli approcci di base tradizionali. Questa ricerca affronta i problemi di dati etichettati scarsi e di generalizzazione inadeguata tra soggetti nell'ambito dell'interazione uomo-computer adattiva.
Fatti principali
- CogAdapt adatta i modelli ECG clinici di base alla valutazione del carico cognitivo tramite dispositivi indossabili
- LeadBridge converte i segnali a 3 derivazioni in rappresentazioni a 12 derivazioni
- ProFine è una strategia di fine-tuning progressivo che previene il dimenticanza catastrofica
- Valutato sui dataset CLARE e CL-Drive
- È stata utilizzata la convalida incrociata leave-one-subject-out
- CogAdapt supera sostanzialmente i metodi di base
- La valutazione del carico cognitivo in tempo reale è essenziale per l'interazione uomo-computer adattiva
- I modelli ECG clinici di base sono pre-addestrati su milioni di registrazioni
Entità
—