PyPulse让生物信号缺失数据填补更简单，支持一键运行和对比多种方法。
PyPulse: A Python Library for Biosignal Imputation
- 模块化设计，支持即插即用预训练填补模型
- 一行代码完成基线方法的训练与测试流程
- 适合临床与可穿戴设备研究者快速上手使用
我们提出 PyPulse，一个用于临床和可穿戴传感器场景下生物信号缺失值填补的 Python 工具包。在这些场景中，信号缺失普遍存在，可能由传感器松动或传输丢失等原因导致。PyPulse 提供了模块化、可扩展且易于使用的框架，适用于广泛用户群体，包括非机器学习背景的生物研究人员。其新功能包括：无需额外训练即可在自定义数据集上直接使用预训练填补方法；仅需一行代码即可运行基线方法的完整训练或测试流程；以及通过交互式可视化工具对比多种基线方法。PyPulse 已在 GitHub 与 PyPI 上以 MIT 许可证开源，源码地址为：https://github.com/rehg-lab/pulseimpute。
原文摘要 · Abstract (English)
We introduce PyPulse, a Python package for imputation of biosignals in both clinical and wearable sensor settings. Missingness is commonplace in these settings and can arise from multiple causes, such as insecure sensor attachment or data transmission loss. PyPulse's framework provides a modular and extendable framework with high ease-of-use for a broad userbase, including non-machine-learning bioresearchers. Specifically, its new capabilities include using pre-trained imputation methods out-of-the-box on custom datasets, running the full workflow of training or testing a baseline method with a single line of code, and comparing baseline methods in an interactive visualization tool. We released PyPulse under the MIT License on Github and PyPI. The source code can be found at: https://github.com/rehg-lab/pulseimpute.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。