[论文解读] Practical High-Throughput, Non-Adaptive and Noise-Robust SARS-CoV-2 Testing.

Hendrik Bernd Petersen, Bubacarr Bah+1 more|arXiv (Cornell University)|Jul 17, 2020

SARS-CoV-2 detection and testing参考文献 21被引用 10

一句话总结

本文提出了一种非自适应、高通量的SARS-CoV-2检测方法，采用压缩感知技术，并结合一种抗噪声、无需调参的算法NNLAD。该方法在测试次数少于最先进群体检测技术的同时，实现了更优的检测准确率，并能纠正稀疏出现的错误，因此非常适合大规模疫情筛查。

ABSTRACT

We propose a compressed sensing-based testing approach with a practical measurement design and a tuning-free and noise-robust algorithm for detecting infected persons. Compressed sensing results can be used to provably detect a small number of infected persons among a possibly large number of people. There are several advantages of this method compared to classical group testing. Firstly, it is non-adaptive and thus possibly faster to perform than adaptive methods which is crucial in exponentially growing pandemic phases. Secondly, due to nonnegativity of measurements and an appropriate noise model, the compressed sensing problem can be solved with the non-negative least absolute deviation regression (NNLAD) algorithm. This convex tuning-free program requires the same number of tests as current state of the art group testing methods. Empirically it performs significantly better than theoretically guaranteed, and thus the high-throughput, reducing the number of tests to a fraction compared to other methods. Further, numerical evidence suggests that our method can correct sparsely occurring errors.

研究动机与目标

• 开发一种实用的非自适应检测策略，用于大流行高峰期的高通量SARS-CoV-2筛查。
• 通过实现无需迭代步骤的大规模人群并行检测，克服自适应群体检测的局限性。
• 确保在真实检测环境中对测量噪声和稀疏错误的鲁棒性。
• 在与最先进群体检测技术保持相同测试次数的前提下，显著提升实际检测性能。

提出的方法

• 该方法采用压缩感知技术，结合一种实用的测量设计，实现在大规模人群中的非自适应检测。
• 采用非负最小绝对偏差回归（NNLAD），一种无需调参且抗噪声的凸优化程序。
• 测量模型强制执行非负性，并引入现实的噪声模型，以提升真实场景下的可靠性。
• 该方法利用压缩感知的理论保证，可严格证明在大规模群体中检测出少量感染者。
• 该算法被设计用于处理稀疏错误，数值证据表明其能有效纠正此类错误。
• 该方法所需的测试次数与当前最先进群体检测方法相同，但在实际应用中表现更优。

实验结果

研究问题

• RQ1 非自适应压缩感知方法是否能在测试次数少于群体检测的前提下，实现高通量的SARS-CoV-2检测？
• RQ2 NNLAD算法在真实检测场景中对测量噪声和稀疏错误的鲁棒性如何？
• RQ3 该方法在实际性能中相对于理论保证的提升程度有多大？
• RQ4 像NNLAD这样的无需调参的凸优化方法，能否有效应用于具有非负测量值的真实病毒筛查？

主要发现

• 所提出的方法在实际表现中显著优于理论保证，将所需测试次数减少到其他方法的极小比例。
• NNLAD算法无需调参且抗噪声，适合在无需复杂参数校准的情况下部署。
• 数值证据表明，该方法能够纠正稀疏出现的错误，从而在不完美检测条件下提升可靠性。
• 该方法与最先进群体检测技术保持相同的测试次数，但在实际检测准确率上表现更优。
• 该方法的非自适应特性可实现更快的检测周期，这对于疫情快速传播阶段至关重要。