Modeling and Monitoring Biomedical Time Series
生物医学时间序列的建模与监测AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确讨论时间序列的线性动态建模与潜在不连续变化，分类依据是方法主题，应用对象为生物医学。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
生物医学时间序列的建模与监测
- 研究问题
- 对可能发生多种不连续变化且存在缺失值的医学时间序列，如何进行实时建模、递归更新与统计推断？
- 方法与思路
- 作者扩展线性动态模型，建立能够在线递归更新的建模与监测框架，并用三个生物医学序列作说明。
- 材料陈述的贡献
- 摘要所述贡献是把潜在不连续变化与缺失观测纳入动态分析框架，支持医学序列的实时更新和推断。
- 阅读关注点
- 应核对不连续变化的类型、变化识别和状态更新机制，以及缺失观测处理所需条件与三个案例的验证方式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明变化模型、缺失机制或监测误报表现，不能判断实际在线监测效果。
原文摘要
A framework for modeling and monitoring medical time series is developed, based on extensions to the linear dynamic model. The approach is designed to provide for on-line, recursive updating and inference for time series that are subject to several forms of potential discontinuous change, and that may have missing values. The models and methods introduced are illustrated with three biomedical series.