[論文レビュー] U-Time: A Fully Convolutional Network for Time Series Segmentation Applied to Sleep Staging

Mathias Perslev, Michael Hejselbak Jensen+3 more|arXiv (Cornell University)|Oct 24, 2019

EEG and Brain-Computer Interfaces参考文献 36被引用数 130

ひとこと要約

U-Time は時間系列分割のための完全畳み込みのエンコーダ–デコーダ（U-Net 風）を導入し、タスク特異的調整なしで多様な EEG データセットにおける睡眠段階分類を実現し、しばしば CNN-LSTM ベースラインを上回る。

ABSTRACT

Neural networks are becoming more and more popular for the analysis of physiological time-series. The most successful deep learning systems in this domain combine convolutional and recurrent layers to extract useful features to model temporal relations. Unfortunately, these recurrent models are difficult to tune and optimize. In our experience, they often require task-specific modifications, which makes them challenging to use for non-experts. We propose U-Time, a fully feed-forward deep learning approach to physiological time series segmentation developed for the analysis of sleep data. U-Time is a temporal fully convolutional network based on the U-Net architecture that was originally proposed for image segmentation. U-Time maps sequential inputs of arbitrary length to sequences of class labels on a freely chosen temporal scale. This is done by implicitly classifying every individual time-point of the input signal and aggregating these classifications over fixed intervals to form the final predictions. We evaluated U-Time for sleep stage classification on a large collection of sleep electroencephalography (EEG) datasets. In all cases, we found that U-Time reaches or outperforms current state-of-the-art deep learning models while being much more robust in the training process and without requiring architecture or hyperparameter adaptation across tasks.

研究の動機と目的

• 生理信号の時系列セグメンテーションモデルを、リカレント構造を使わずに頑健かつプラグアンドプレイで提供する動機づけ。
• EEG/PSG のような 1D 時系列に合わせた完全フィードフォワードのエンコーダ–デコーダ（U-Net）を提案。
• 単一の固定アーキテクチャが複数の睡眠研究データセット横断で一般化することを示す。
• アーキテクチャ変更なしに、時系列の各時点の密な分類を固定間隔の睡眠ステージに集約できることを示す。
• CNN-LSTM ラインベースラインおよび既存手法と比較して、性能と頑健性の優位性を確立する。

提案手法

• 睡眠系列セグメンテーションのための U-Net に触発された、完全畳み込みの 1D エンコーダ–デコーダネットワークを開発。
• 全シーケンスを単一フォワードパスで処理し、密なサンプル毎のクラススコアを出力。
• 密なスコアを固定間隔で集約して最終睡眠ステージ予測を出すセグメント分類器を使用。
• 大きな受容野を得るために、四つのエンコーダブロックとダイレーション畳み込み、積極的なダウンサンプリングを採用。
• 時系列解像度を回復するための skip connection を備えた四つのデコーダブロックを使用。
• 一般化 dice ロスで学習し、クラス不均衡を扱い、主題ごとのクロスバリデーション方式を導入。

実験結果

リサーチクエスチョン

• RQ1 完全な畳み込み・フィードフォワードアーキテクチャが、各データセットごとのアーキテクチャやハイパーパラメータの調整なしで最先端の睡眠ステージングを達成できるか。
• RQ2 固定アーキテクチャとハイパーパラメータを用いた場合、さまざまな EEG 睡眠データセット（健常・病的を含む）に対して U-Time は CNN–LSTM ベースラインおよび公表手法とどのように比較できるか。
• RQ3 モデルは、データセット間で標準の 30 秒ラベルに集約可能な高解像度の per-time-point 睡眠ステージスコアを提供するか。

主な発見

データセット	モデル	レコード	交差検証数	覚醒	N1	N2	N3	REM	平均
S-EDF-39	U-Time	39	20	0.87	0.52	0.86	0.84	0.84	0.79
S-EDF-39	CNN-LSTM	39	20	0.85	0.47	0.86	0.85	0.82	0.77
S-EDF-39	VGGNet	39	20	0.81	0.47	0.85	0.83	0.82	0.76
S-EDF-39	CNN	39	20	0.77	0.41	0.87	0.86	0.82	0.75
S-EDF-39	Autoencoder	39	20	0.72	0.47	0.85	0.84	0.81	0.74
S-EDF-153	U-Time	153	10	0.92	0.51	0.84	0.75	0.80	0.76
S-EDF-153	CNN-LSTM	153	10	0.91	0.47	0.81	0.69	0.79	0.73
Physio-2018	U-Time	994	5	0.83	0.59	0.83	0.79	0.84	0.77
Physio-2018	CNN-LSTM	994	5	0.82	0.58	0.83	0.78	0.85	0.77
DCSM	U-Time	255	5	0.97	0.49	0.84	0.83	0.82	0.79
DCSM	CNN-LSTM	255	5	0.96	0.39	0.82	0.80	0.82	0.76
ISRUC	U-Time	99	10	0.87	0.55	0.79	0.87	0.78	0.77
ISRUC	CNN-LSTM	99	10	0.84	0.46	0.70	0.83	0.72	0.71
ISRUC	Human	99	-	0.92	0.54	0.80	0.85	0.90	0.80
CAP	U-Time	101	5	0.78	0.29	0.76	0.80	0.76	0.68
CAP	CNN	104	5	0.77	0.35	0.76	0.78	0.76	0.68
CAP	CNN-LSTM	101	5	0.77	0.28	0.69	0.77	0.75	0.65
SVUH-UCD	U-Time	25	25	0.75	0.51	0.79	0.86	0.73	0.73

• U-Time は七つの睡眠 EEG データセット全体で最先端手法と同等またはそれ以上の性能を達成。
• データセット全体を通じて、固定アーキテクチャとハイパーパラメータで CNN–LSTM ベースラインと同等またはそれを上回る。
• U-Time はデータセットのばらつきに対して頑健で、タスク特有のアーキテクチャ調整を必要としない。
• 単一チャネルの EEG 入力で競合的な結果を達成でき、複数チャネル入力（例えば EOG を含む）は REM 分類を一部ケースで改善。
• モデルは 30 秒睡眠ステージへ集約可能な密な時点スコアを出力し、推論時の柔軟な時間解像度を可能にする。
• U-Time は計算効率が高く、実践での full PSG の迅速なスコアリングを実現。