[論文レビュー] A Shapley Value Solution to Game Theoretic-based Feature Reduction in False Alarm Detection

Fatemeh Afghah, Abolfazl Razi+1 more|arXiv (Cornell University)|Dec 5, 2015

Healthcare Technology and Patient Monitoring参考文献 18被引用数 12

ひとこと要約

本稿では、ICUモニタリングにおける誤作動警報検出のための、相互作用的な特徴量コалиションを同定するゲーム理論的特徴量選択手法を提案する。特徴量をコアリションゲームにおけるプレイヤーとしてモデル化し、最大4次までのコアリションにおけるシャープレイ値を用いてその集団的寄与度を計算することで、従来のフィルタ法が見逃しがちな特徴量間の依存関係を捉える。この手法により分類精度が向上し、誤作動警報の75％を抑制するという成果を達成した。これはカイ二乗検定、ゲインレシオ、リリーフ、インフォゲイン法を著しく上回った。

ABSTRACT

False alarm is one of the main concerns in intensive care units and can result in care disruption, sleep deprivation, and insensitivity of care-givers to alarms. Several methods have been proposed to suppress the false alarm rate through improving the quality of physiological signals by filtering, and developing more accurate sensors. However, significant intrinsic correlation among the extracted features limits the performance of most currently available data mining techniques, as they often discard the predictors with low individual impact that may potentially have strong discriminatory power when grouped with others. We propose a model based on coalition game theory that considers the inter-features dependencies in determining the salient predictors in respect to false alarm, which results in improved classification accuracy. The superior performance of this method compared to current methods is shown in simulation results using PhysionNet's MIMIC II database.

研究の動機と目的

• 従来の特徴量選択手法が、個々の影響度が低いが集団的・相乗的影響度が高い特徴量を無視するという限界を是正すること。
• コアリションゲーム理論を用いてICU生理的信号における特徴量の相互依存関係をモデル化し、分類精度を向上させること。
• 正確なシャープレイ値計算の計算コストを低減するため、最大4次までの特徴量コアリションに対してマルチ・パerturbationシャープレイ値を用いた、計算的に実行可能な代替手法を開発すること。
• 実際のICUモニタリングデータを用いて、本手法の性能を最先端の特徴量選択手法と比較すること。
• 協力的ゲーム理論による特徴量の相乗効果の捉え方が、優れた誤作動警報抑制をもたらすことを実証すること。

提案手法

• ECG、PLETH、ABP信号から6レベルのウェーブレット分解を用いて特徴量を抽出し、1患者あたり180個の特徴量が得られた。
• 提案手法では、特徴量をコアリションゲームにおけるプレイヤーとしてモデル化し、各特徴量の重要性はシャープレイ値によって測定され、すべての可能なコアリションにおける限界寄与度を反映する。
• 計算複雑性を低減するため、ランダムな順列を用いてL=4の特徴量グループのマルチ・パerturbationシャープレイ値を計算し、正確なシャープレイ値を近似する。
• シャープレイ値推定器は、Lサイズの部分集合のすべての順列における特徴量の平均限界寄与度として定義され、不偏推定器が用いられた。
• 上位30個の特徴量をマルチ・パerturbationシャープレイ値で順位付けし、ベイズネット分類器を用いて分類に使用した。
• 最大4次までのコアリションを考慮することで、個々の特徴量重要度指標では捉えきれない協力的効果を捉えることにより、高次元の特徴量相互作用を考慮した。

実験結果

リサーチクエスチョン

• RQ1 特徴量の相互作用をコアリションを通じてモデル化するゲーム理論的手法が、従来の特徴量選択手法に比べ、誤作動警報検出の精度を向上させられるか？
• RQ2 個々の特徴量が独立しては低い影響度を持つが、集団的・相乗的影響度が高い組み合わせ（相乗的特徴量コンビネーション）が、ICUアラームシステムの分類精度向上にどの程度寄与するか？
• RQ3 最大4次までの特徴量コアリションにマルチ・パerturbationシャープレイ値を適用した手法が、カイ二乗検定、ゲインレシオ、リリーフ、インフォゲインといった標準的なフィルタ法と比較して、誤作動警報抑制においてどのように差をつけるか？
• RQ4 ECG、PLETH、ABP信号のウェーブレット分解の各レベル（1～6）が、本手法を用いた誤作動警報検出にどの程度寄与しているか？
• RQ5 すべてのウェーブレット係数を使用するのではなく、より少ないがより情報量の多い特徴量サブセットを選択することで、本手法が過学習のリスクを低減するか？

主な発見

• 提案手法は誤作動警報検出において75％の成功率を達成し、誤作動警報が25％にまで抑制された。これは、最も優れた対象手法（ゲインレシオ）の約31％の誤作動警報率を著しく上回った。
• すべての180個の特徴量（すべてのウェーブレット係数）を用いるベースラインと比較して、本手法は過学習リスクを低減していることが示された。
• ECGおよびPLETH信号の1段階目のウェーブレット分解が、2～6段階を合わせた合計よりも顕著にアラーム認識に寄与しており、低周波成分に高い感受性を示していることがわかった。
• ABP信号に関しては、6段階すべてのウェーブレット分解レベルが検出プロセスにほぼ同等に寄与しており、スケールにわたる特徴量寄与度の均一性が示された。
• マルチ・パerturbationシャープレイ値アプローチは、協力的特徴量相互作用を効果的に捉え、集団的分類能が強い特徴量コアリションを特定することで、分類精度の向上に寄与した。
• 最適なコアリションサイズLは3～6の範囲にあり、L=4が高次元依存関係を捉える能力と計算の現実可能性のバランスが最良であった。