یادگیری ماشین برای طبقه بندی سریهای زمانی زیست پزشکی

با پیدایش زمینه زیست پزشکی و تولید تعداد زیادی از داده های سری زمانی، علاقه به رشد و پالایش روشهای یادگیری ماشین که اجازه استخراج و بهره برداری از آن را میدهد، افزایش یافته است. طبقه بندی یکی از مهمترین و چالش برانگیزترین وظایف یادگیری ماشین مربوط به سری های زمانی است. که هدف اصلی در این سمینار، بررسی طبقه بندی سریهای زمانی است. از آن جا که بسیاری از پدیده های زیست پزشکی مانند فعالیت مغز یا فشار خون با زمان تغییر میکنند، همواره در زمینه های مختلف پزشکی، با انبوهی از داده ها در فرم سریهای زمانی روبرو هستیم که توسط دستگاه های اندازه گیری مختلف ثبت میشوند. تجزیه و تحلیل این داده ها به متخصصان علم پزشکی در زمینه های مختلف تشخیص و درمان بیماریها، کمک شایانی خواهد کرد. در گام اول این مقاله، مشخصات داده های سری زمانی و چالش های تجزیه و تحلیل آنها را بیان میکنیم و در ادامه مروری بر روشهای متداول یادگیری ماشین که برای طبقه بندی سریهای زمانی استفاده میشود، ارائه میدهیم.

کلیدواژه ها:

سری های زمانی ، طبقه بندی ، رویکردهای مبتنی بر فاصله ، استخراج زیردنباله ، یادگیری عمیق