用于可解释心跳动态建模的对数正态神经点过程模型

神经时间点过程（NTPP）是用于建模具有统计时间结构的时间戳事件序列的强大工具。尤其是基于密度的NTPP，为将神经网络的通用函数逼近能力与定义明确的统计模型相结合提供了一种颇具吸引力的途径，并具有许多潜在应用。我们展示了其中一种应用，即将其用于心搏动力学这一生理点过程。具体而言，我们采用对数正态混合NTPP来计算搏动间期均值和标准差的瞬时估计。我们将结果与当前最先进的心搏动力学点过程模型（Barbieri等人）进行了比较，后者采用了在生理学上更为严格的逆高斯模型。我们发现，NTPP模型在保持合理精度的同时，提高了对噪声的鲁棒性。

神经时间点过程（NTPP）是用于建模具有统计时间结构的带时间戳事件序列的强大工具。基于密度的NTPP尤其提供了一种有趣的机会，能够将神经网络的通用函数逼近能力与明确的统计模型相结合，并由此产生许多潜在应用。我们展示了其中一种在心跳动力学这一生理点过程上的应用。具体而言，我们采用对数正态混合NTPP来计算逐拍间期均值和标准差的瞬时估计。我们将结果与当前最先进的心跳动力学点过程模型（Barbieri等）进行了比较，后者采用了在生理学上更为严格的逆高斯模型。我们发现，NTPP模型在保持合理精度的同时，提高了对噪声的鲁棒性。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.12.744524v1?rss=1

🏷️ 心搏动力学 神经时间点过程 对数正态混合模型 可解释建模 生理信号分析