[論文レビュー] Compressed Sensing with Probabilistic Measurements: A Group Testing Solution

Mahdi Cheraghchi, Ali Hormati+2 more|ArXiv.org|Sep 18, 2009

SARS-CoV-2 detection and testing参考文献 16被引用数 5

ひとこと要約

本稿は、低ウイルス量や不完全な検出による確率的汚染のため、感染を検出できない可能性があるエージェントを用いて、大規模集団内の感染者を同定する非適応的グループテストフレームワークを提案する。感染伝播を確率的にモデル化し、接触行列の確率的または明示的構築を用いることで、確率的設計では $O(k^2 /log n / p^2)$、明示的構築では $O(k^2 /log^2 n / p^2)$ のエージェントを用いて、高確率で最大 $k$ 名の感染者を正確に回復可能であり、単純な $O(mn)$ のデコードアルゴリズムを備える。

ABSTRACT

Detection of defective members of large populations has been widely studied in the statistics community under the name "group testing", a problem which dates back to World War II when it was suggested for syphilis screening. There the main interest is to identify a small number of infected people among a large population using collective samples. In viral epidemics, one way to acquire collective samples is by sending agents inside the population. While in classical group testing, it is assumed that the sampling procedure is fully known to the reconstruction algorithm, in this work we assume that the decoder possesses only partial knowledge about the sampling process. This assumption is justified by observing the fact that in a viral sickness, there is a chance that an agent remains healthy despite having contact with an infected person. Therefore, the reconstruction method has to cope with two different types of uncertainty; namely, identification of the infected population and the partially unknown sampling procedure. In this work, by using a natural probabilistic model for "viral infections", we design non-adaptive sampling procedures that allow successful identification of the infected population with overwhelming probability 1-o(1). We propose both probabilistic and explicit design procedures that require a "small" number of agents to single out the infected individuals. More precisely, for a contamination probability p, the number of agents required by the probabilistic and explicit designs for identification of up to k infected members is bounded by m = O(k^2 (log n)/p^2) and m = O(k^2 (log n)^2 /p^2), respectively. In both cases, a simple decoder is able to successfully identify the infected population in time O(mn).

研究の動機と目的

• 感染伝播の失敗による検出不能性が生じる確率的汚染のため、サンプリング過程が部分的にしか不明でない場合に、大規模集団内の少数の感染者を同定する課題に対処すること。
• 感染伝播の失敗によるエージェント検出の不確実性が存在する中でも、正確な感染者回復を保証する非適応的サンプリング手順の設計。
• 確率的感染モデル下で高確率で成功同定を保証する、確率的および明示的接触行列の構築。
• 古典的グループテストに比べ、特に汚染が存在する状況において、必要なテスト（エージェント）数を顕著に削減すること。

提案手法

• エージェントが感染した接触者を確率 $1-p$ で検出できない確率的汚染として感染プロセスをモデル化し、測定プロセスに不確実性を導入する。
• 各エージェントがランダムに個体のサブセットをサンプリングするランダム接触行列の構築を用い、エントリは接触および感染の確率を反映する独立同分布に従う。
• $(k,e)$-disjunct行列の概念を適用し、$k$ 名の感染者の集合が、他の任意の $k$ 名の感染者の和集合によってマスキングされないよう保証する。
• 確率的解析を用いて、エージェント数 $m$ が $m = O(k^2 \log n / p^2)$ を満たす場合、高確率で接触行列が $(k,e)$-disjunctのまま保たれることを示す。
• リード・ソロモン符号とバイナリーベクトル拡張を用いた明示的決定的接触行列を構築し、敵対的汚染に対しても耐性を確保し、$m = O(k^2 \log^2 n / p^2)$ のエージェントで達成する。
• すべてのエージェントのテスト結果を解析し、接触行列のdisjunct性を活用することで、$O(mn)$ 時間で感染者集合を再構成するシンプルなデコーダを設計する。

実験結果

リサーチクエスチョン

• RQ1 測定プロセスが確率的汚染のため不確実な状況下でも、正確に感染者集合を回復できる非適応的グループテスト方式を設計できるか？
• RQ2 確率的感染モデル下で、高確率で最大 $k$ 名の感染者を回復するための最小エージェント数は何か？
• RQ3 敵対的汚染下でも回復を保証する明示的・決定的接触行列を構築できるか、かつ測定数をほぼ最適に保てるか？
• RQ4 汚染確率 $p$ は、確率的および明示的構築の両方において、必要なエージェント数にどのように影響を与えるか？

主な発見

• 確率的構築では、$m = O(k^2 \log n / p^2)$ のエージェントを用いて、高確率で最大 $k$ 名の感染者を正確に回復可能である（確率 $1 - o(1)$）。
• 明示的構築では、$m = O(k^2 \log^2 n / p^2)$ のエージェントを用いて、敵対的設定下でも正確な回復を保証し、最悪の汚染状況に対しても耐性を有する。
• デコードアルゴリズムは $O(mn)$ 時間で実行され、大規模応用に適した効率的かつ実用的な性能を発揮する。
• 実世界の場面（例：ウイルススクリーニング）で一般的なサンプリング過程の部分的知識を考慮に入れることで、古典的グループテストを凌駆する。
• 明示的構築はリード・ソロモン符号とバイナリーエンコードを活用し、確率的構築とは異なり、決定的回復保証を達成する。
• 解析により、必要なエージェント数は $k$ の2乗に比例し、$n$ に対して対数的であり、$p$ に対して逆2乗に依存することが判明し、汚染が測定信頼性に与える影響が明確に示された。