[論文レビュー] Augmenting Physiological Time Series Data: A Case Study for Sleep Apnea Detection

Konstantinos Nikolaidis, Stein Kristiansen+4 more|arXiv (Cornell University)|May 22, 2019

Obstructive Sleep Apnea Research被引用数 10

ひとこと要約

本論文は、睡眠時無呼吸症の検出を目的とした、データ不足とクラス不均衡の問題に対処するための条件付き再帰的GANフレームワークを提案する。実データにGANで生成されたサンプルを追加することで、特に個人に合わせた分布マッチングによる生成によって、分類器の性能が向上し、複数のモデルにおいて感度とカッパ統計量が最大18.2×10⁻²向上した。

ABSTRACT

Supervised machine learning applications in the health domain often face the problem of insufficient training datasets. The quantity of labelled data is small due to privacy concerns and the cost of data acquisition and labelling by a medical expert. Furthermore, it is quite common that collected data are unbalanced and getting enough data to personalize models for individuals is very expensive or even infeasible. This paper addresses these problems by (1) designing a recurrent Generative Adversarial Network to generate realistic synthetic data and to augment the original dataset, (2) enabling the generation of balanced datasets based on heavily unbalanced dataset, and (3) to control the data generation in such a way that the generated data resembles data from specific individuals. We apply these solutions for sleep apnea detection and study in the evaluation the performance of four well-known techniques, i.e., K-Nearest Neighbour, Random Forest, Multi-Layer Perceptron, and Support Vector Machine. All classifiers exhibit in the experiments a consistent increase in sensitivity and a kappa statistic increase by between 0.007 and 0.182.

研究の動機と目的

• 睡眠時無呼吸症の検出を含む医療応用において、限られた、不均衡で個人に特化した生理的時系列データの課題に対処すること。
• 真のデータ分布に近いリアルな合成時系列データを生成するための条件付き再帰的GANの開発。
• 制御されたデータ生成によって重度に偏ったデータセットの再バランスを実現し、モデルの一般化性能を向上させること。
• 分布マッチングを用いて特定の個人の生理的パターンに一致するデータを生成することで、間接的な個人に特化した生成を検討すること。
• 合成データの拡張が、睡眠時無呼吸症検出のための複数の標準分類器に与える影響を評価すること。

提案手法

• 再帰的アーキテクチャを用いて生理的時系列データの時間的依存性を学習する条件付き再帰的GANの設計。
• 例えば無呼吸の重症度などの条件付きラベルを用いて、特定のクラスや個人に特化したデータを生成する。
• 生成されたデータの分布と実際の検証データセットの分布を比較するためのMMD（最大平均差）指標を用い、個人化に最適なGANを選択する。
• 最適なGANから得た合成データ（SD）を実トレーニングデータと組み合わせ、拡張データセット（AD）を構築し、再バランス化と個人化を可能にする。
• ベースライン、拡張、および個人に特化した拡張データに対して、4つの分類器（KNN、ランダムフォレスト、MLP、SVM）を適用し、性能を評価する。
• クラス事前確率（P(J=j)）を制御することで、各クラスごとの合成サンプルの割合を調整し、バランスの取れたデータ合成を実現する。

実験結果

リサーチクエスチョン

• RQ1 条件付き再帰的GANは、実際の睡眠時無呼吸症データの分布を反映するリアルな生理的時系列データを効果的に生成できるか？
• RQ2 GANで生成されたサンプルを用いたデータ拡張は、不均衡な睡眠時無呼吸症データセットにおいて分類器の感度と全体的な性能を向上させるか？
• RQ3 特定の個人の実データの分布に合成データの分布をマッチさせることで、個人に特化したデータ生成が可能になるか？
• RQ4 MMDに基づいて最適なGANを選択するMMDベースの選択による間接的個人化は、標準的な拡張手法と比較して分類器の性能にどのように影響するか？
• RQ5 合成データの拡張は、睡眠時無呼吸症検出における多様な分類器において、カッパ統計量と感度をどの程度向上させるか？

主な発見

• すべての分類器がデータ拡張後に感度とカッパ統計量で一貫した向上を示し、その増加幅は0.72×10⁻²から18.2×10⁻²の範囲であった。
• Exp3:AugmP手法—MMDを用いてターゲット個人のデータに最もマッチするGANを選択する手法—が最も高い性能を示し、a03b01テストセットにおいてMLPのカッパ統計量が最大27.12×10⁻²向上した。
• SVMとランダムフォレストは拡張により最も恩恵を受け、特に個人に特化した合成データを用いた際、SVMがMLPを上回るカッパ統計量を示した（Exp3:AugmP）。
• MLP分類器では、個人に特化した拡張を適用した際、a03b01テストセットにおけるカッパ統計量がベースラインの57.4×10⁻²から84.5×10⁻²に上昇した。
• すべての分類器において、精度、特異度、感度が拡張設定で向上し、Exp3:AugmPが複数のテストケースにおいて最も一貫した向上を示した。
• 本手法は、異なる個人や記録の組み合わせに対して堅牢であったことから、現実世界の医療応用における個人化の強力な可能性を示した。