[논문 리뷰] A Shapley Value Solution to Game Theoretic-based Feature Reduction in False Alarm Detection

Fatemeh Afghah, Abolfazl Razi외 1명|arXiv (Cornell University)|2015. 12. 05.

Healthcare Technology and Patient Monitoring참고 문헌 18인용 수 12

한 줄 요약

이 논문은 ICU 모니터링에서의 가짜 경고 탐지에 대해 다중변형 셰플리 값 기반 게임 이론적 특성 선택 방법을 제안한다. 특성들을 협력 게임의 플레이어로 모델링하고, 최대 4인의 협력 집단까지의 공헌도를 셰플리 값으로 계산함으로써 상호작용을 포착함으로써 기존의 필터 방법이 놓치는 특성 간 상호의존성을 반영하여 분류 정확도를 향상시킨다. 이로 인해 75%의 가짜 경고 억제율을 달성하였으며, 카이제곱, 게인 비율, 릴리프, 정보 수익 방법보다 뚜렷이 뛰어나다.

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.

연구 동기 및 목표

• 기존의 특성 선택 방법이 개별 영향력이 낮지만 집단적으로는 높은 분류 능력을 지닌 특성을 기각하는 한계를 해결하기 위해.
• 협력 게임 이론을 활용해 ICU 생리 신호의 특성 간 상호의존성을 모델링하여 분류 정확도를 향상시키기 위해.
• 정확한 셰플리 값 계산의 계산 비용을 줄이기 위해 최대 4인의 특성 집단에 대해 다중변형 셰플리 값을 사용한 계산 가능하고 효율적인 대안을 개발하기 위해.
• 실제 ICU 모니터링 데이터를 사용하여 최신 특성 선택 기법들과의 성능을 평가하기 위해.
• 협동 게임 이론을 통해 특성의 상호보완적 상호작용을 포착함으로써 더 뛰어난 가짜 경고 억제 성능을 달성할 수 있음을 입증하기 위해.

제안 방법

• ECG, PLETH, ABP 신호에서 6단계 웨이브렛 분해를 통해 환자당 180개의 특성을 추출한다.
• 제안된 방법은 특성을 협력 게임의 플레이어로 모델링하며, 각 특성의 중요도는 그 특성이 모든 가능한 협력 집단에서 기여하는 마진널 기여도를 반영하는 셰플리 값으로 측정된다.
• 계산 복잡도를 줄이기 위해, 무작위 순열을 사용하여 L=4인 특성 그룹의 다중변형 셰플리 값을 계산하여 정확한 셰플리 값을 근사한다.
• 셰플리 값 추정기는 L 크기의 하위집단 순열 전부에서 특성의 평균 마진널 기여도를 사용한 비편향 추정기로 정의된다.
• 다중변형 셰플리 값 기반 상위 30개 특성을 선택하여 베이즈 네트워크 분류기로 분류에 활용한다.
• 최대 4인의 협력 집단을 고려함으로써 고차원 특성 간 상호작용을 반영하여, 개별 특성 중요도 측정법이 놓치는 상호보완적 효과를 포착한다.

실험 결과

연구 질문

• RQ1 특성 간 상호작용을 협력 집단을 통해 모델링하는 게임 이론적 접근이 기존의 특성 선택 방법보다 가짜 경고 탐지 정확도를 향상시키는가?
• RQ2 개별적으로는 영향력이 낮지만 집단적으로는 높은 분류 능력을 지닌 특성의 상호보완적 조합은 ICU 경고 시스템의 분류 성능 향상에 얼마나 기여하는가?
• RQ3 최대 4인의 특성 집단에 대해 다중변형 셰플리 값을 사용할 경우, 기존의 필터 방법인 카이제곱, 게인 비율, 릴리프, 정보 수익 방법과 비교해 가짜 경고 억제 성능은 어떻게 되는가?
• RQ4 ECG, PLETH, ABP 신호의 다양한 웨이브렛 분해 수준이 제안된 방법을 통해 가짜 경고 탐지에 기여하는 비율은 각각 얼마인가?
• RQ5 모든 웨이브렛 계수를 사용하는 것보다, 더 작은 더 유의미한 특성 집합을 선택함으로써 과적합 위험을 줄일 수 있는가?

주요 결과

• 제안된 방법은 가짜 경고 탐지에서 75%의 성공률을 기록하여, 전체 경고의 25%만이 잘못 분류되었으며, 이는 최고의 경쟁 방법인 게인 비율(약 31%의 가짜 경고율)보다 뚜렷이 뛰어나다.
• 모든 180개의 특성(모든 웨이브렛 계수)을 사용하는 베이스라인보다도 성능이 뛰어나, 협력 기반 셰플리 값에 의한 특성 선택이 과적합 위험을 줄임을 입증한다.
• ECG와 PLETH 신호의 첫 번째 웨이브렛 분해 수준이 2~6 수준을 합친 것보다 더 높은 기여도를 보이며, 저주파 성분에 매우 민감함을 시사한다.
• ABP 신호의 경우, 6단계의 웨이브렛 분해 수준이 거의 동일한 기여도를 보이며, 다양한 스케일에서 특성 기여가 균형 잡혀 있음을 나타낸다.
• 다중변형 셰플리 값 접근법은 효과적으로 특성 간 상호보완적 상호작용을 포착하여, 강력한 집단적 분류 능력을 지닌 특성 집단을 식별함으로써 분류 정확도를 향상시켰다.
• 최적의 협력 집단 크기 L는 3에서 6 사이였으며, L=4일 때 높은 차원의 상호의존성을 잘 포착하면서도 계산 가능성을 극대화하는 최적의 균형을 이뤘다.